The following article is from 元住民 Pro Author 瑗瑗子
本文僅代表個人工作流總結 & 行業思考，較爲粗糙，并無闡述過多技術點。如有其他想法歡迎交流。
有部分科普性質文字，同專業同學可以隻看第 4 和第 5 部分。
導讀：
1. 不同 AIGC 軟件效果圖
2. 原理闡述 & 軟件選擇
3. AIGC 工業化到底是什麽
4. 舉個例子
5. 不同業務要求下 AI 能夠介入的程度，對設備及人員的要求
6. 我所看到的盈利方向
7. AI 對于我個人的影響
01
不同 AIGC 軟件效果圖
目前 AIGC 的主流軟件有 midjourney 和 stable diffition。
我用 mj 生成的産出圖：
我用 sd 生成的産出圖：
可以明顯看出，mj 的生産圖精細度更高，畫面更細膩；sd 則質量稍差一些。二者根本區别在于，sd 的底層框架是開源的，而 mj 是閉源的。
02
原理闡述 & 軟件選擇
開源的本質含義是——我可以自由的選擇這項技術的任何節點，自我改造成适應我業務的模式；所以大多數情況下，适合介入工業化的軟件都會是 sd 而不是 mj。
03
AIGC 工業化到底是什麽
與業務美術風格（畫風）一緻的前提下，AI 可以根據項目的具體需求，快速大量出圖解決需求 or 提高解決需求的效率；使人工成本降低，生産力提高。
美術要求越低越少、量越大的業務，AIGC 可用價值就越高。
具體落地的核心點隻有兩個：
1. 可以訓練出與項目畫風一緻的大模型。
2. 可以結合軟件快速完成多種多樣的個性化需求。
04
舉個例子
我個人在工作和個人創作中針對 AI 跑了很多條工作流想去節約自己的時間和提升效率，基于時間和隐私問題我就不再這裏展開講述，隻是拿出基本的思路拆解給大家舉個小例子。
某小業務的畫風來源于一名叫 rinotina 的韓國畫師，現有數字人 / 角色需求如圖。
AIGC 會如何介入？
第一步
1. 找到畫風一緻的素材圖 70-100 張左右。
2. 打 tag。
3. 測試數據分批試跑 直至找到風格最接近且穩定的 lora。（目前不太推薦 loha，乘積參數變量太大）
第二步
結合軟件快速完成多種多樣的個性化需求。
這裏我推薦我個人的兩種工作流，：一種是面對想法少時間趕的文生圖法，第二種是想法偏多的圖生圖法。同理，想法越多，設計師介入程度越高。
文生圖：
1. 将需求轉化爲關鍵詞。
2. 适當調整并輸入。
3. 選圖。
4. 我認爲這張不錯。
可以看到這張圖還存在諸多的細節問題，但已經可以基本滿足 60% 需求了。從生成到選圖，花費時間在 3h 左右。剩下的細節設計調整，就需要靠設計師手動調整，并與需求方強交接。
這套文生圖的方法流更多是做一個大方向的快速出具，給需求方更多選擇後，靠設計師自行叠代完善。不過也可以用于需求方給美術出具參考圖的環節。
圖生圖：
1. 如果需求方并沒有那麽确定自己的想法，那麽畫師前期可以多嘗試一些草圖，确認大方向。
2. 利用插件 controlnet 介入，拒絕不穩定生成。
Controlnet 集合多個處理器，如 canny 線稿檢測、openpose 姿勢檢測等，将其他圖片的内部信息檢測後可應用到自己的圖片創作中來。
将草圖導入 controlnet，讓後啓動了 hed 處理器。（我個人覺得這個處理器比較全面，所以喜歡用這個 )
3. 設計師高強度介入，反複疊圖修改。
4. 這張相對是比較想要的感覺。
這樣一張圖基本可以達到最終效果的 80%，它的設計在畫師和 AI 的不斷修正中已經基本确定，欠缺的是細節的調整和補充。這樣的工作流，更适合想法偏多、磨合更多的需求當中。
不同業務側，需求不同。
結合需求和 AI 介入程度，自行打造管線即可。例如，在某畫風确定且有大量美術素材的遊戲項目中，想利用 AI 節省美宣成本，那管線可以是：
固定角色 lora＋場景 lora＋畫風 lora 或畫風大模型，搭配文生圖 or 圖生圖任意工作流。
05
不同業務要求下 AI 能夠介入的程度，
對設備及人員的要求
所有業務對于 AI 介入的底層邏輯思路，其實都是一緻的。
想法越多、對于内容的确定性越強，AI 的介入程度就會變得越低。
AI 無法頂替設計師，它始終是作爲工具的輔助性存在。文娛内容向的産品，重要的從來都是内容，而内容作爲感性産物，始終需要設計師人爲感應市場和他人的訴求後，做出選擇和決定。要求越高，那麽美術皮下的内容和想法就越重要，AI 的介入程度就越低，否則反之。
買量向産品、大衆市場高叠代向産品，不管是品牌還是遊戲，AI 介入應該都是筆劃算的買賣。此類業務中，AI 沒有辦法做到 90 分，但可以達到 70 分，隻要保證模型穩定需求清晰，可以提升 20% 甚至 30% 的前期美術效率。
但在偏高品質、要求高想法的業務中，AI 對于 UI、UX、插畫、原畫、平面設計等工種來說，更多是提供局部流程上的改善，整體提升效果偏弱。
AIGC 目前對于設備的要求尚可，sd 本地部署基本需要 2080 的顯卡及以上，雲端部署對于中小業務來說是不錯的選擇。
而訓練同理，Lora 等小模型目前的開源訓練包已經非常成熟，主要是分批測試較爲花費時間成本；而對于使用者來說，sd 和 mj 的學習成本并不算很高，對于審美和需求磨合能力的要求，遠高于對技術能力的要求，基本大多數需求方裏 1 至 2 名設計師配合等比技術即可。
AI 的多應用方向：
UI、字體，都是可以被做成模型的應用方向。
06
我所看到的盈利方向
我個人認爲，想要盈利，目前缺乏的是挖掘 AI 到底能被融入到哪些需求中的洞察力，而不是單一專注于 AI 技術本身。就像我在文章開頭說過的，sd 能應用工業化是因爲它開源，但開源的技術一般都難以盈利。
sd 直接盈利很難，不過拿來封包做應用應該沒那麽難。尤其是做成妙鴨相機的甜品級應用（用戶訴求不高、量大、單一），或是 to B 的業務應用（封包管線）。
更多是通過一種将需求轉化爲可應用的能力，來達到盈利目的。
07
結尾
其實筆者作爲一名畫師，在剛接觸 AI 時是極度焦慮的，甚至認爲自己會失業，想要轉變職業走向去逃避 AI。但在一次次學習嘗試和摸索中，我發覺 AI 的出現讓畫面做精美的難度，的确比之前大大降低。同時，市場對畫面故事性、情感性、風格特殊性的要求，也會大幅度增加。
也就是說，大家對于内容的要求增加了，本質變化是，我需要在日後漫長的職業生涯裏，學會預判下一步市場會喜歡怎麽樣的美術，什麽創新尺度是觀衆可以接受的，我做的設計表達出來的内容觀衆能否第一時間感知到，這些内容是否也能引起他人共鳴……這些成了我的新職業命題。
我畫的每一張畫都不是畫，是一個内容的其中一部分。單一精美的畫面沒有用，但如果是一百張精美連在一起的畫面，伴随着一個個故事、設定、玩法、模型、動畫，就成了新内容的開始。
那内容的内核對于我來說，究竟是什麽呢？
就好像《蜘蛛俠：平行宇宙》一樣，在多個宇宙裏，蜘蛛俠可以是黑色或白色，人類或動物，畫風也會有變化……但隻要他被一個蜘蛛咬了一口，爬到高樓之上，那他就是蜘蛛俠。
我愛蜘蛛俠。
遊戲葡萄招聘内容編輯，
