【AI学习】把古诗变成美图，只需两步！《天净沙·秋思》
【AI学习】把古诗变成美图，只需两步！《天净沙·秋思》
导 读
昨天学习了如何让大语言模型工具，生成古诗词的画面描述语。
今天这篇文章，包括2个部分：
1、分享一首古诗的提示词+图片生成（不同模型对比）
2、问题解惑
AI工具需求
即梦：https://jimeng./
一、根据提示词生成图片
《天净沙·秋思》第1版：
第一句：'枯藤老树昏鸦'
提示词： 国风卡通风格, 秋景萧瑟, 枯藤老树, 昏鸦哀鸣, 荒凉凄冷。生图模型：图片 2.0 Pro
生图模型：图片 2.0
第二句：“小桥流水人家”
提示词：国风卡通风格, 古朴小桥, 清澈溪水, 炊烟袅袅, 宁静祥和。生图模型：图片 2.0 Pro
生图模型：图片 2.0
第三句：“古道西风瘦马”
提示词：国风卡通风格, 古道苍凉, 西风凛冽, 瘦马艰辛, 苍凉艰辛。生图模型：图片 2.0
第四句：“夕阳西下，断肠人在天涯”
提示词：国风卡通风格, 夕阳西下, 余晖洒满大地, 断肠人孤独, 忧伤无尽思念。生图模型：图片 2.0
《天净沙·秋思》第2版
第一句：'枯藤老树昏鸦'
提示词： 国风卡通风格, 枯藤老树, 乌鸦栖息, 郊外荒凉, 秋风萧瑟, 落叶飘零。生图模型：图片 2.0 Pro
第二句：“小桥流水人家”
提示词：国风卡通风格, 小桥流水, 农舍炊烟, 田野金黄, 宁静祥和, 生活气息浓厚。生图模型：图片 2.0 Pro
生图模型：图片 2.0
第三句：“古道西风瘦马”
提示词：国风卡通风格, 古道西风, 瘦马前行, 荒凉原野, 旅途艰辛, 孤独疲惫。生图模型：图片 2.0 Pro
第四句：“夕阳西下,断肠人在天涯”
提示词：国风卡通风格, 夕阳西下, 旅人独行, 破旧衣衫, 眼神愁苦, 思乡断肠。生图模型：图片 2.0 Pro
《天净沙·秋思》第3版
第一句：'枯藤老树昏鸦'
提示词1： 国风卡通风格, 枯藤缠绕的老树, 几只乌鸦栖息其上, 黄昏昏暗的光线, 远处的山峦若隐若现, 萧瑟的秋天气氛。生图模型：图片 2.0 Pro
第二句：“小桥流水人家”
提示词1：国风卡通风格, 小桥流水, 白墙青瓦的人家, 夕阳余晖洒在河面上, 宁静温馨的村庄景色, 竹子与花草点缀其间。生图模型：图片 2.0 Pro
第三句：“古道西风瘦马”
提示词1：国风卡通风格, 荒凉的古道, 西风呼啸, 瘦马缓缓行进, 孤独的旅人, 颓废与漂泊的情绪。生图模型：图片 2.0 Pro
第四句：“夕阳西下，断肠人在天涯”
提示词1：国风卡通风格, 红色夕阳沉入地平线, 天空染上火红与金黄, 远山与河流笼罩在暮色中, 孤独的旅人站在山坡上, 凝望夕阳, 充满哀愁与思乡之情。生图模型：图片 2.0 Pro
《天净沙·秋思》第4版
第一句：'枯藤老树昏鸦'
提示词： 在一片荒芜的郊外，一棵老树孤零零地矗立着，枯藤缠绕其上，几只乌鸦在树梢上低鸣。秋风萧瑟，树叶凋零，整个画面充满了凄凉与孤独。生图模型：图片 2.0 Pro
第二句：“小桥流水人家”
提示词：一条清澈的小溪缓缓流淌，一座小桥横跨其上，桥边有几间简陋的农舍，炊烟袅袅升起。远处的田野里稻谷金黄，一片丰收的景象。整个画面虽然简朴，但充满了生活的气息。生图模型：图片 2.0 Pro
第三句：“古道西风瘦马”
提示词：国风卡通风格, 古道西风, 瘦马前行, 荒凉原野, 旅途艰辛, 孤独疲惫。生图模型：图片 2.0
第四句：“夕阳西下,断肠人在天涯”
提示词：一轮红日缓缓下沉，余晖洒满整个天空，将大地染上了一层金红色。古道上的瘦马和远处的农舍都被夕阳映照得格外温馨。然而，这温暖的色彩也掩盖不住旅人的孤独与漂泊。生图模型：图片 2.0 Pro
PS：以上是在即梦中生成的，下面这2组，在秒画中生成，大家对比效果。
二、解惑：提示词相关的2个问题
有不少小伙伴在使用AI绘画的过程中，会发现：同一个提示词在相同的AI工具中，重复生成的图片不一样。同一个提示词放到不同的AI模型中，生成的结果也不一样。
这个问题，可以用“文心一言”来解答。
提示词1：现在，我需要你回答我2个问题， 第1个问题是：为什么同一个问题在不同的AI大模型中，收到的答案不一样呢？第2个问题是：同一个问题，为什么向同一个AI大模型提问，收到的答案也不一样呢？
第1个问题：为什么同一个问题在不同的AI大模型中，收到的答案不一样？
同一个问题在不同的AI大模型中收到不同答案的原因，主要可以归结为以下几点：
- 训练方式和数据来源的差异：
- 每个AI大模型的训练方式和数据来源都是独特的。有的模型可能更侧重于科技文章，而有的则可能更关注文学创作或新闻报道。这种数据源的多样性直接导致了AI大模型在回答问题时的差异。
- 训练数据的优劣和覆盖面也会影响AI的回答。高质量、全面的数据源能够提供更丰富的信息，从而生成更准确和多样化的回答。
模型设计目标和偏好：
不同的AI大模型有不同的设计目标和偏好。例如，有的模型被优化为提供专业性强的长篇回答，而有的则追求简洁、通俗易懂的回答。这种设计上的差异也会导致AI在回答问题时表现出不同的风格。
算法随机性的引入：
为了避免总是给出相同的回答，有些AI大模型会故意引入一些随机性。这种随机性使得AI在回答问题时能够产生更自然、更不可预测的答案。
AI幻觉现象：
AI幻觉指的是AI会生成貌似合理连贯，但同输入问题意图不一致、同世界知识不一致、与现实或已知数据不符合或无法验证的内容。这种现象在大模型中尤为常见，因为大模型在处理复杂问题时可能会依据数据的不同部分进行推理，导致答案的差异。
第2个问题：同一个问题，为什么向同一个AI大模型提问，收到的答案也不一样？
对于同一个问题，向同一个AI大模型提问却收到不同答案的情况，可能由以下原因造成：
- 上下文信息的差异：
- AI在回答问题时，会考虑上下文信息。如果每次提问的上下文环境有所不同（例如，提问前的对话内容、提问时的语境等），AI可能会给出不同的答案。
算法随机性的体现：
如前所述，为了增加答案的多样性和自然性，AI大模型可能会故意引入一些随机性。这种随机性在每次提问时都可能导致答案的差异。
模型更新和算法改进：
随着时间的推移，AI大模型的算法可能会不断更新和改进。这种更新可能会改变AI在处理问题时的逻辑和方式，从而导致答案的差异。
输入指令的微妙差异：
用户在提问时，即使问题本身相同，输入指令的微妙差异（如关键词的选择、语气的不同等）也可能影响AI的回答。
综上所述，AI大模型在回答问题时的差异是由多种因素共同作用的结果。这些因素包括训练方式和数据来源的差异、模型设计目标和偏好的不同、算法随机性的引入以及上下文信息、模型更新和输入指令的差异等。
提示词2：现在，我需要你回答我2个问题， 第1个问题是：为什么同一个图片提示词在不同的AI绘画大模型中，生成的图片不一样呢？第2个问题是：同一个图片提示词，为什么向同一个AI绘画大模型提问，生成的图片也不一样呢？
第1个问题：为什么同一个图片提示词在不同的AI绘画大模型中，生成的图片不一样？
同一个图片提示词在不同的AI绘画大模型中生成的图片不一样，主要归因于以下几个关键因素：
- 模型架构与训练数据：
- 不同的AI绘画大模型可能采用截然不同的神经网络架构，如GANs（生成对抗网络）、VAEs（变分自编码器）等。这些模型通过学习海量的图片数据来掌握绘画技巧，而训练数据的差异会直接影响模型的输出。
- 即使两个模型使用了相似的架构，它们的训练数据也可能有所不同，包括数据的数量、种类、质量等。这些差异会导致模型在理解和生成图片时产生不同的结果。
创造性与多样性：
AI绘画模型在生成图片时，并不仅仅是简单地复制或匹配输入的图片提示词。相反，它们会根据提示词的含义，在内部创意空间中“漫游”，寻找能够匹配描述的最佳表现方式。这种“漫游”过程具有一定的随机性和不确定性，因此即使对于相同的提示词，不同模型也可能生成截然不同的图片。
此外，模型还会尝试捕捉不同人对同一概念的不同解读，从而生成具有多样性的图片。这种多样性是AI绘画吸引人的重要原因之一。
算法规则与参数设置：
不同的AI绘画模型可能采用不同的算法规则和参数设置。这些规则和设置会影响模型在处理输入提示词时的行为和输出。例如，某些模型可能更注重细节和纹理的生成，而另一些模型则可能更注重整体色彩和构图的和谐。
第2个问题：同一个图片提示词，为什么向同一个AI绘画大模型提问，生成的图片也不一样？
对于同一个图片提示词，向同一个AI绘画大模型提问却生成不同的图片，这同样可以归因于多个因素：
- 随机性与多样性：
- 如前所述，AI绘画模型在生成图片时会引入一定程度的随机性。这种随机性是故意设计的，以增加模型的创造性和多样性。因此，即使对于相同的输入提示词，模型在每次生成图片时都可能选择不同的“漫游”路径，从而生成不同的结果。
内部状态与权重变化：
AI绘画模型在生成图片时，其内部状态和权重可能会发生变化。这些变化可能是由于模型在处理前一个输入时留下的“痕迹”或“记忆”，也可能是由于模型在处理新输入时进行的自我调整。这些内部状态的变化会导致模型在生成图片时产生不同的结果。
提示词权重与上下文：
尽管输入的图片提示词是相同的，但模型在处理这些提示词时可能会赋予不同的权重。这种权重的分配可能受到模型内部逻辑、训练数据以及上下文信息的影响。因此，即使对于相同的提示词，模型也可能根据权重的不同而生成不同的图片。
模型更新与迭代：
如果AI绘画模型在两次生成图片之间进行了更新或迭代，那么它可能会采用新的算法规则、参数设置或训练数据。这些变化会导致模型在生成图片时产生不同的结果，即使输入的图片提示词保持不变。
综上所述，同一个图片提示词在不同的AI绘画大模型中生成的图片不一样，主要是由于模型架构、训练数据、创造性与多样性以及算法规则与参数设置的差异所致。而向同一个AI绘画大模型提问却生成不同的图片，则可能是由于随机性与多样性、内部状态与权重变化、提示词权重与上下文以及模型更新与迭代等因素的共同作用。
三、写在最后
如此一来，大家就明白了，要想完成一个质量较高、自己比较满意的AI视频，需要反复优化提示词，反复生成图片，就是需要训练和调参，最终得到满意的图片后，再来生成视频片段，最后剪辑。过程是非常耗时的。
今天就学习到这儿啦。