人機協同釋放AIGC新質生產力的現實困境與實踐進路

【摘 要】在當今數字化快速發展的時代，AIGC（人工智能生成內容）正逐漸成為媒體工作的強大助力，它高效的運算能力和創新的生成模式，對于講求時效性的新聞媒體行業來說，意味著可以更快地響應受眾需求，縮短項目周期。以定制化AI（人工智能）繪圖為例，借助AIGC，只需輸入一些描述性的關鍵詞或特定的風格指令，就能在短時間內生成精美的圖像，但在特殊情境下的定制化場景應用方面，受限于AI深度學習模型數據的數量和質量，以及算法的局限性，僅依賴AI是無法有效取得滿意效果的，仍需創作者人工參與，利用各種成熟的工具輔助，方可進行精確圖像的生成和輸出。

【關鍵詞】人機協同；AIGC；新質生產力；定制化；AI繪圖

2024年1月，習近平總書記在主持中共中央政治局第十一次集體學習時強調：“新質生產力是創新起主導作用，擺脫傳統經濟增長方式、生產力發展路徑，具有高科技、高效能、高質量特征，符合新發展理念的先進生產力質態。它由技術革命性突破、生產要素創新性配置、產業深度轉型升級而催生，以勞動者、勞動資料、勞動對象及其優化組合的躍升為基本內涵，以全要素生產率大幅提升為核心標志，特點是創新，關鍵在質優，本質是先進生產力。科技創新能夠催生新產業、新模式、新動能YKpx17KxndLePvv018LX3NUbsyiM2eAUk+vLOieTQXI=，是發展新質生產力的核心要素。”[1]媒體如何應用AI（人工智能）新技術，實現提質增效的產能躍遷，成為業界、學界研究的熱門課題。本文以定制化AI繪圖為例，分析其現實存在的問題及實踐進路。

一、AIGC定制化內容生成的內在機理及現狀

自2023年開始大熱的AIGC（Artificial Intelligence Generated Content，人工智能生成內容），是新質生產力的典型代表，其在藝術設計領域里，最廣泛的應用就是AI繪圖，即利用人工智能技術進行繪畫創作的過程，主要包括利用計算機視覺和圖像處理技術進行圖像生成和修改，以及利用機器學習和深度學習技術進行圖像識別和風格轉換等操作。這種技術廣泛應用于數字藝術、電影特效、游戲設計等多個領域。如今，AI繪圖已經進入“text-to-image”（文字生成圖像）與“image-to-image”（圖像生成圖像）相融合階段，用戶可以通過文本描述和提供參考圖像以生成目標圖像的風格和內容。但是，對于更精細的定制化內容，AI繪圖仍缺乏控制力，例如，朱槿花、紫荊花、三角梅等花卉，沃柑、楊梅、楊桃等水果，壯錦、銅鼓、天琴等民族元素……目前很多大模型都未曾收錄，自然也就無從輸出相應圖像。

二、定制化內容生成的現實困境

模型和算法是AIGC的兩大核心要素，模型訓練數據的范圍、數量、質量決定了AIGC能夠生成的內容類型和質量水平，不同的模型結構和參數設置會產生截然不同的生成效果。而算法則是驅動模型進行學習和生成的關鍵，高效的算法能夠加快模型的訓練速度，幫助模型更快地接收到最優解，從而提高生成內容的質量。

然而，目前對于AIGC這個新生ePsNhivLxTjFCJ9YIQLnd50pWtjrDQEXKSEGtpOtMIk=科技而言，這兩大核心的發展都還不成熟。一方面，就模型而言，雖然已經有了眾多不同類型的模型架構被開發出來，然而在實際應用中仍存在諸多局限性。例如，在生成復雜場景或特定風格的圖像時效果不盡如人意。其泛化能力也有待進一步提高，當面對新的、陌生的數據或任務時，模型的表現往往不夠穩定。另一方面，算法在AIGC中的發展同樣面臨著挑戰，算法的優化空間仍然很大。例如，在生成圖像時可能會出現邏輯混亂、顛覆認知的問題，從而在一些重要領域（比如政務、醫療、教育等）的應用中存在一定的風險。

（一）文本描述困境

1.抽象概念的表達有偏差

對于一些抽象的概念，如 “幸福”“悲傷”“希望” 等，很難用具體的文本描述準確傳達給AI。這些抽象概念往往具有主觀性和多義性，不同的人可能有不同的理解和感受。例如，當試圖用文本描述“幸福的場景”時，可能會出現多種不同的想象，如一家人團聚、情侶在海邊漫步、孩子在游樂場歡笑等。很難找到一種通用的文本描述能夠涵蓋所有對幸福的理解，從而導致AI生成的圖像可能與預期有較大偏差。

2.復雜場景的構建難度增加

在描述復雜場景時，需要詳細地說明各個元素的位置、關系、特征等，這對文本描述能力提出了很高的要求。例如，描述一個古代戰場的場景時，需要涉及士兵的服裝、武器、戰斗姿勢，戰場的地形、環境、氣氛等多個方面。如果文本描述不夠準確和全面，AI可能無法生成符合預期的復雜場景圖像。而且，隨著場景的復雜度增加，文本描述的難度也可能呈指數級增長，容易出現遺漏關鍵信息或描述不清的情況。

3.創意和想象力的局限較大

人類的創意和想象力是無限的，但用文本描述創意和想象力卻受到很大的局限。有時候，人的腦海中可能有一個非常獨特的圖像構想，但很難用語言將其完整地表達出來。例如，顏色可以用“五彩斑斕”來形容，但卻難以準確傳達出各種具體色彩的微妙差異和它們之間的和諧搭配，一些形狀特異、超出常規認知的物體，常常令人找不到合適的詞句來精準地描述其輪廓和細節，從而導致生成的圖像可能無法完全體現出原本的創意構想。

4.語言互譯容易產生模糊性和歧義性

AI繪圖模型的底層語言是英文，且自然語言本身具有模糊性和歧義性，經過一次翻譯成中文后，由于語言習慣及語義的差異，導致AI對一些特定詞語無法正確識別，這也給圖像生成帶來了困難。例如，在描述“青花瓷花瓶上的龍鳳圖案”時，“龍鳳”在中文中有特定的文化內涵和象征意義，但翻譯成英文“dragon and phoenix”后，AI可能無法完全理解其背后的深厚文化意蘊，導致生成的圖像中龍鳳的形態和神韻相差甚遠。此外，一些中文的特定修辭手法和意象表達，在翻譯后也容易失去原本的韻味和準確性，進一步增加了AI正確識別和生成圖像的難度。

（二）定制化對AIGC提出了更高要求

1.理解要求更精準

定制化意味著用戶可能會提供復雜的、多維度的指令，例如，特定的主題、風格、物品、人物、色彩偏好、情感傾向等，AIGC必須準確解析這些指令，區分主次需求，避免誤解或片面理解。這需要更先進的自然語言處理和圖像理解技術，能夠深入挖掘用戶需求背后的真正意圖，以便生成高度符合用戶期望的內容。例如，南寧日報社制作的“偉人如炬——紀念鄧小平誕辰120周年”互動專題，其中需提供一幅當年百色起義指揮部場景的畫面，畫面中還要出現好幾樣那個年代的物品，而且都被要求放置在指定的位置，如果只用提示詞向AI發出指令，無法生成令人滿意的圖像，因為大模型根本沒有收錄這些物品，必須經過人工后期合成，才能輸出合乎要求的畫面。

2.內容輸出個性化

定制化要求AIGC能夠提供個性化的輸出結果。不同用戶對于同一主題的定制需求可能千差萬別，AIGC需要根據用戶的獨特背景、偏好和目標受眾來調整生成的內容。這就需要AIGC具備強大的學習和適應能力，能夠針對不同用戶進行個性化調整，以滿足用戶對內容獨特性的追求。很多大模型關注點都落在了動漫、3D、寵物、人像攝影、國潮、機械科幻等這些關注度比較高的領域，而對于中國本土化的、更垂類細分的、傳統的領域卻少有觸及，皆因AI技術萌芽于西方，對東方元素天然缺失，也有后天利益驅動使然。

3.對質量標準要求更高

由于定制化內容通常是為了滿足特定的需求，用戶對其質量要求往往更高。AIGC生成的內容不僅要在創意性、準確性等方面達到較高水平，還需要在細節處理、專業性和審美價值等方面滿足用戶的特定要求。如人體手部動態圖像生成依然困擾著許多AI創作者，特別是在大場景中出現多個人物的情況下，這種問題愈發明顯，即便掛載插件，仍無法正確生成。

可見，AIGC在走向成熟和泛用的道路上還要克服諸多不足和瓶頸。使AIGC這項新技術轉化為有效生產力，成了各媒體生產部門的難點，如何在人工參與下，使其釋放效能，令AI繪圖更具適用性與實用性，是本文所探討的核心內容。

三、定制化內容生成的實踐進路：釋放新質生產力效能

（一）突破素材限制，為畫面帶來更豐富的風格效果

在此以一幅定制化海報設計方案為例，方案要求：畫面中需出現少數民族人物形象，不少于3個，男女均有，還應出現民族美食、民族樂器、南寧元素，整體呈現熱烈歡快的節慶氛圍，畫面采用豎構圖，尺寸大小1080x1920PX，像素精度72dpi，RGB色彩模式。以往通常一張海報的設計流程是：繪制草圖—素材收集—構圖設計—文字排版—成品。根據方案要求，計劃讓AI技術參與進來，在素材收集和構圖設計之間插入一個精細定制的步驟以銜接前后兩端，讓畫面更具美感。AI在此處的作用主要體現在兩個方面：一是降本。以往設計用圖必須是高清無水印大圖，來源基本是網上的高清圖庫，費用不菲，如今可以憑借AI的強大算力，僅憑普通清晰度，甚至是模糊的圖片（如短視頻截圖），也能生成高清大圖，降低了成本。二是增效。平常為素材所限，基本上使用的是實景、真人照片，風格單一，在AI的幫助下，可以實現照片轉水彩、國畫轉油畫、手繪轉3D……極大提升了美術創作的自由度，為畫面帶來更豐富的風格效果。

AI繪圖工具有很多，但綜合投入產出比和專業性、易用性、可靠性比較，Stable Diffusion（SD）憑借其強大的開源生態成為首選，它可以方便地在本地高性能計算機上進行部署，也可以登錄Web UI版本，在線使用。SD的模型比較豐富，既有官方的，也有愛好者們分享的，既支持Checkpoint大模型（這是AI繪圖的基石，決定模型記錄了什么，能畫出什么，它更注重通用性和泛化能力，但定制性比較一般），也支持LoRA（Low-Rank Adaptation）低秩適配模型（作用是對Checkpoint模型進行定向調整，主要為風格或特定事物）。本例中分別選取適用范圍較廣、用戶反饋較好的Checkpoint模型AWPainting_v1.4和水彩風格的LoRA（Low-Rank Adaptation）模型EnjiPainting 燕脂v1.0來進行AI圖像生成。

（二）人工參與下可解決結構性問題

在上述案例中，通過分析需求，先在草圖上勾畫大致的結構布局：以一位身穿民族服飾正在放聲高歌的年輕女歌者為主要人物，在她的身后是抱著壯族天琴彈奏的演奏者、手捧五色糯米飯的廚娘、舉著木槌舂米的壯年男子、拍擊銅鼓歡快舞動的小伙，背景是高山草甸和遠山，前景是代表南寧的朱槿花。如果把這些提示詞輸入AI生成，極大概率會失敗：一是AI模型對特定民族的服飾、器物、食物沒有收錄，無法識別提示詞；二是構圖中人物眾多，以當前AI算力無法正確生成人物臉部和手部，所以必須進行拆分，分別生成單個人物，再進入Photoshop中重組畫面。以主體人物為例，在這個環節引入了一個相對于SD來說堪稱革命性的插件：ControlNet（控制網絡），這是一種“輔助式”的神經網絡模型結構，通過在SD模型中添加輔助模塊，在生成過程中引入外部控制信號來改進生成質量，它讓AI繪圖的生成過程更加可控，更有助于廣泛地將AI繪圖應用到各行各業中。ControlNet已擁有18種Control Type（控制類型），從中選取兩種來進行精確控制：一是起主要作用的Tile/Blur（分塊/模糊）類型。該模塊能夠優化模糊、細節較差的圖片，其增加圖像分辨率的算法不是簡單地進行插值，而是全新生成大量的細節特征，特別是對圖片進行超分辨率重構（super resolution）的同時，補充生成精細內容。二是Lineart（線稿）類型。該模塊能夠檢測出原始圖像中各對象的邊緣輪廓特征，提取生成線稿圖，作為SD模型生成時的參考要素。

實施步驟分為兩步。首先，對目標畫面進行文字描述，使用一些提示詞，如一個女孩，可愛，甜美的微笑，銀胸環：權重1.2，銀鎖：權重1.2，銀鈴：權重1.2，燕脂，水彩畫，杰作：權重1.2，質量上乘，高畫質，完美照明，8k壁紙，插畫，繪畫，畫筆。權重概念的引入，可以使生成圖像更具目的性，特征更明顯。其次，導入參考圖，這是最重要的一步，即ControlNet得以實現各種控制類型的必備條件，要求比較平易近人，可以是網上的免費圖片，也可以是短視頻截圖，甚至是隨意幾筆涂鴉……為了提高圖像生成效率，從短視頻中截取了一張壯族歌者展臂高歌的圖片，并使用Photoshop把歌者從圖片中提取出來（為的是不讓截圖中的其他影像文字干擾AI圖像生成），分別傳入ControlNet中如前文所述的兩種控制類型的圖像參考功能框中。該參考圖的存在，規范了AI生（下轉第37頁）（上接第30頁）成圖片的衣著特征、服裝色彩、人物體態、動作表情……相當于照著參考圖重畫了一遍，調整相應參數后，在大模型和Lora的共同作用下，又呈現出圖像更清晰、細節更豐富、風格水彩化的另一種樣貌。唯一美中不足的是，人物手部生成出現了結構性錯誤，解決方案有很多種，最直接有效的就是拍一張正確的手部姿態，導入Photoshop中處理，替換歌者的手部，再放入SD中重新生成，AI會自動消弭手掌與手臂聯結的差異感，如原生一樣，看不出絲毫破綻。這樣，一張完美動態的人像就“出爐”了。

此外，在AI繪圖中，還會遇到另一個比較典型的問題，即模型庫中未收錄目標事物，即使提示詞進行了詳細描述，AI仍無法正確生成目標圖像的情況。如在生成同為本案例海報中的另一個人物——手捧五色糯米飯的廚娘時，便遇到了這個問題。由于模型庫中尚未收錄五色糯米飯這種食物，導致生成圖像只出現了白色、黃色米飯，其余紅、紫、黑色糯米飯分別被替換成了小番茄、紫色花布、葵瓜子，差別巨大。如何解決？此時必須發揮人的主觀能動性，回到Photoshop中，利用生成正確的白、黃米飯AI圖像，運用區域摳像、鏡像翻轉、重新著色等各種PS技巧，就能合成“以假亂真”的目標圖像。以上文所述這兩種解題思路為引導，對本案例所需素材逐一生成，最后確定構圖和文字排版，這幅定制化海報得以順利完成制作。

四、結語

綜上，當前要真正充分地釋放AIGC新質生產力的效能，人工參與不可或缺。人類的專業知識和經驗能為AIGC提供精準的指導和方向，幫助確定合適的主題、風格和目標受眾，使AI生成的內容更加符合實際需求。人工與AIGC的高效運算和大規模數據處理能力相結合，能夠產生出更為強大的協同效應；人機協同機制可以對AI生成的內容進行審核和優化，優化和提升AIGC，并融入人類的情感、價值觀和文化內涵，使內容更加豐富、生動和有深度，還可以促進AIGC技術不斷進步和創新，拓展其應用領域和功能，進一步提升AIGC的新質生產力效能，進而挖掘出AIGC的巨大潛力，為各個領域的發展帶來新的機遇和突破。潮

參考文獻

[1]習近平在中共中央政治局第十一次集體學習時強調 加快發展新質生產力 扎實推進高質量發展[N].人民日報，2024-02-02（1）.