10行代码搭建属于你自己的中文AI作画师——Gradio+太乙Stable Diffusion模型实战

SD指南1年前 (2023)发布一起用AI

808 0 0

最佳AI作画师火遍全球，其效果和想象力直逼人类艺术家，但是基本上都是英文的AI作画师居多。今天笔者介绍一下如何通过十行代码搭建属于你自己的中文AI作画师。在此之前，笔者容啰嗦一下，简单介绍一下AI作画师的原理。

深度生成模型

目前主流的深度生成式模型目前有三种：

1.变分自编码VAE : 采用的是先编码，引入高斯噪音，再进行解码，并希望解码器的输出和目标样本的分布越相近越好。 VAE2.对抗生成模型GAN : 采用的是先编码，再进行解码，并引入一个判别器去判断解码生成器生成的样本是否符合目标分布。GAN扩散模型Diffusion：通过扩散步骤，将目标分布的样本扩散到一个高斯分布，然后采用逆扩散将一个高斯随机噪声还原到目标分布。Diffusion

而其中Diffusion模型是再数学上有着比较深的学问，笔者还不甚了解。这里就不过多介绍，说明一点，目前上述三类型生成模型当中，Diffusion模型的生成效果最好，也是目前市面上很多效果很惊人的的AI作画师的底层算法。

stable diffusion

stable diffusion是一种 conditional Diffusion模型，从下方模型架构图可以简单的看到，其主要是在逆扩散生成图片的过程中加入文本特征，引导逆扩散的生成的过程，生成你想要的图片。

stable diffusion

Gradio

Gradio 号称3行代码就可以搭建一个AI模型的demo,这使得AI算法工程师可以极其方便的通过web网页分享自己的模型，供别人使用。这里是Gradio官网地址https://gradio.app/。笔者使用了一下，确实只需要很少的代码就能搭建了一个AI模型的demo,省去了大量的后端以及前端代码编写。

太乙中文stable-diffusion 图片生成模型

太乙中文 stable-diffusion 图片生成模型是IDEA-CCNL组织开源的一个太乙多模态模型簇中的一个，主要是将stable-diffusion模型中文化，让大家可以用中文进行AI作画。太乙其实还有中文CLIP模型，笔者也曾写过太乙CLIP实战教程。 IDEA-CCNL组织开源了很多封神宇宙得预训练模型，非常的强大，造福了大批我们这种GPU-poor 玩家。其中太乙中文stable-diffusion效果如下，看起来画的还是很逼真。

太乙的效果

AI作画师demo实战部分

1.首先通过你需要安装两个python 包：diffusers ，gradio。我们需要difusers去加载太乙中文stable-diffusion 图片生成模型，然后进行图片生成。 2.去huggface网站中下载太乙中文stable-diffusion 图片生成模型，链接如下，https://huggingface.co/IDEA-CCNL/Taiyi-Stable-Diffusion-1B-Chinese-v0.1。或者直接运行下方命令进行模型下载。

git lfs install
git clone https://huggingface.co/IDEA-CCNL/Taiyi-Stable-Diffusion-1B-Chinese-v0.1

3.将模型放到项目目录下，然后编写Artists.py代码

项目目录

Artists.py代码的内容如下：其实就是采用gradio 的Intereface 将加载了太乙中文stable-diffusion 图片生成模型的 DiffusionPipeline 直接服务化。

from diffusers import DiffusionPipeline
import gradio as gr

pipeline = DiffusionPipeline.from_pretrained(“./Taiyi-Stable-Diffusion-1B-Chinese-v0.1″)

def generate(text, steps):
image = pipeline(text,
num_inference_steps=steps,
guidance_scale=7.5).images[0]
return image

if __name__ == __main__:

demo = gr.Interface(title=”太乙中文 stable diffusion 模型”,
css=””,
fn=generate,
inputs=[gr.Textbox(lines=3, placeholder=”输入你想生成的图片描述”, label=”prompt”), gr.Slider(0, 100)],
outputs=[gr.outputs.Image(label=”图片”)])

demo.launch()

运行代码会在本地 http://127.0.0.1:7860/ 上起一个web服务

后台日志 4. 通过web进入服务后，UI界面如下图所示：一个文本输入框；一个step的输入Slider，step设置的越大耗时越长，图片效果越好。一个图片输出框。

输入你想生成的图片描述,设置好step步数，即可开始作画。

这里笔者输入参数的是 prompt :一行白鹭上青天； step:20 。

意思是：随机采样后采用diffusion 模型逆扩散20步生成符合一行白鹭上青天语义的图片。 CPU机器上扩散20个step,大约耗时5分钟生成结果图，当然如果采用GPU速度会更快。最终结果图片如下：三只白鹭站在河畔的树下，虽然不是100%符合输入描述，但是图片的意境和质量确实不错。

AI作画师web服务

再来一张，一枝红杏出墙来。红杏确实确实很红，但是没有墙。估计模型还需要继续的finetune。才能达到最好的效果。

AI作画师web服务

结语

最终我们通过差不多10行代码（如果不换行的化，哈哈哈），就搭建了一个中文AI作画师的demo,不需要GPU也可作画，非常的方便。目前diffusion 生成的图片效果越来越好，而且，学术界在正在不断研究diffusion 的变种去生成图片，视频，文章，甚至分子结构，蛋白质等。感觉深度生成模型继GAN之后又迎来了一次大的突破，而且diffusion在数学上有着比较完备的原理，这也最有数学性的一个深度模型。不得感叹一句：数学才是硬道理。