简述
近期“AI+Web3”的热度上升，相关概念Token也迎来了一波涨幅，由于很多加密圈的朋友并不是非常了解AIGC，这可能会导致投资失误或者错过潜在的机会。我从去年1月份开始关注AIGC，亲身经历了2022年AIGC技术和产业的高速发展，今天我就跟大家简单解读一下现在AIGC的发展格局、AI+Web3项目的现状以及如何使用AIGC工具创作Web3资产。
AIGC
AI模型分类
从模型功能上区分，目前AIGC主要涉及文字、图片、音乐和视频的生成。
文字
文字模型现象级应用当属OpenAI的ChatGPT，续写文字、创作故事、写代码、修BUG、写诗、做表......你所有能想象到的与文字相关的内容它都可以做。它可以极大程度上减少人的工作量，使用得当将会是文字工作者的利器。现在媒体平台上很多文章都是用AI写的，这一领域有很多潜在的机会，解决实际问题，创造新的工作流，打造商业闭环是我们这些使用工具的人需要去考虑的事情。
ChatGPT可以帮助开发人员完成大量的代码编写工作，还可以查找修改错误，当然它有可能出错，在使用中需要留意，尽信书不如无书。
此外，各类建议、策划、编撰等文字工作是它最擅长的，对于文字工作者来说，ChatGPT绝对是超强的辅助工具。
但是ChatGPT不是万能的，你可以将其定义为一个什么都懂一些的“全才”，但它却不是精通一切的“专家”。对于某些比较专业的知识，它的回答可能会出错，这包括但不限于编程细节、密码学、数学、历史等领域，所以在使用ChatGPT的时候最好对内容再复核一遍，以免出现严重错误，在最近的版本更新中，ChatGPT很多错误点已经得到了修正，随着模型的逐步完善，未来的想象力是无限的。
图片
AI生成图片是AIGC领域发展最快的赛道，2021年最火的技术还是生成对抗网络，但是它距离产品化还有很长的距离；到了2022年初，DiscoDiffusion横空出世引发了第一波AIGC爆点，DiscoDiffusion擅长对场景的刻画，出图场面恢弘大气，但是画面不够清晰，作图速度慢，要以10分钟计数；4月份，OpenAI的DALLE2上线，7月份Midjourney开放公测，使用Discord端作画，1分钟之内可以同时出4张图，艺术性超高，在11月份发布V4版本后进一步稳固了自己最强AI作画工具的地位；8月份，StableDiffusion正式发布，作图速度缩短至10秒之内，图片细节、清晰度都有极大的提升，并且奉行开源主义，所有代码都开源，这也诞生了庞大的社区，是之后世界范围内AIGC流行的火种，包括后面基于StableDiffusion训练的专门生成二次元图像的NovalAI。
如今AI作图领域呈现Midjourney+StableDiffusion的双巨头局势，DiscoDiffusion和DALLE2在技术更新上已经离开了第一梯队，其余产品大多都是基于StableDiffusion的开源框架调整的。
音乐&视频
AI生成音乐和视频是一个发展相对较慢的赛道，至今还没有现象级应用，市场上存在的产品均不太成熟，其在技术难度上比生成图片和文字要大，但是已经有很多公司准备在2023年攻克这个难题，或许我们马上就能看到比较成熟的视频和音乐生成平台。下面我挑选几个相对优秀的产品简单介绍一下。
AI生成音乐最常见的玩法是用户输入一段文字或者一张图片，模型根据内容输出一段音乐，对应的产品可以关注Riffusion，它除了实现以上功能外还能在不同风格输入之间自然转换。
AI生成视频可以体验产品QuickVid，它可以在很短的时间内根据文字描述生成一段流畅的视频，你还可以选择不同使用场景下的视频风格，视频质量较高，与人为剪辑的效果差别不大。
AIGC+Web3玩法
AIGC可以助力Web3项目更快更好的完成文字和图片的设计工作，这在NFT和GameFi项目中应用最为广泛，但是这也需要一定的技巧，使用恰当的Prompt使AIGC输出可用的图片，并使用ChatGPT完成项目文案相关工作，描述词的使用有很多讲究，成为一名AI艺术家需要很多的前期学习，为了让大家快速完成需求，下面我简单说几种使用AIGC输出Web3可用图像的方法。
特殊Prompt
有一些特殊的Prompt可以控制模型输出特定风格的图片，这些图片可以直接拿来作为NFT或者GameFi内素材使用，版权属于创作者自己。下面我使用StableDiffusion做一些示范。直接复制我下面的描述词，自己定义括号中的内容。
塑料雕像
注：只需要改变括号中的内容就可以得到相同类型的图片，示例文字顺序=图片顺序，图片内角色依次为Yoda、Superman、ironMan、MaiShiranui、shark、batman、Bumblebee和wizard。你可以尝试所有其他可能性。
Funkypopfigurine,madeofplastic,productstudioshot,onawhitebackground,diffusedlighting,centered
这类图片直接发一个NFT项目绰绰有余，每个都是1/1，你只需要告诉AI想要什么。
模块建筑
这段描述词中的temple可以改也可以不改，都可以做出不错的效果图。
Tinycuteisometrictemple,softsmoothlighting,softcolors,softcolors,100mmlens,3dblenderrender,trendingonpolycount,modularconstructivism,blueblackground,physicallybasedrendering,centered
这类图片可以构建一个土地NFT项目或者游戏中的建筑。
3D矢量风格动物
通过改变粗体内容，生成不同的矢量动物形象
kawaiilowpolypandacharacter,3disometricrender,whitebackground,ambientocclusion,unityengi
3D游戏风格房间
可改变粗体内容，生成不同的房间
Tinycuteisometriclivingroominacutawaybox,softsmoothlighting,softcolors,purpleandbluecolorscheme,softcolors,100mmlens,3dblenderrender
通过以上案例我们可以看到，AIGC可以在图片设计上辅助甚至取代画师，你可以创造出独一无二的艺术风格、角色，而不需要掌握绘画的技巧，这是生产力的极大进步。
模型训练
以上工作流使用的是开源的StableDiffusion通用模型，它无法生成模型素材中不存在的东西，比如你无法让它生成一只无聊猿，模型本身也不知道什么是无聊猿，所以它存在局限性和时效性。为了解决以上提到的问题，我们可以训练自己的模型，将需要的素材都放进去，从而使模型输出内容符合我们的预期，这在NFT二创、扩展，GameFi辅助设计等方面都有很大的应用潜力。
展示几张我训练的无聊猿模型二创成图效果，从左到右分别是蝙蝠侠风格，黏土风格，毕加索抽象风格和黄金材质：
当然也可以控制生成与原本项目图片相似度极高的图片，下列四张图片有两张原图，两张用无聊猿模型生成的图，几乎很难分辨，你可以猜一下，后面我会揭晓答案。
模型训练原理很简单，用自己提供的图片训练出一个专属模型，但是让普通人从零开始训练一个AIGC模型是很困难的，好在StableDiffusion给我们提供了一些比较简单的模型训练方法。
现在常用的技术方案有三种：Fine-Tuning、DreamBooth、Textual-Inversion
特性解释：
Fine-Tuning--模型训练、原生框架
优点：功能最全，效果最好，prompt控制精确，是优质精细模型的统一技术方案
缺点：训练复杂，硬件要求高，训练时间长，训练图片需要标记词
DreamBooth--模型训练、简易框架、添加特殊标识符
优点：训练简单、速度快、硬件要求相对低、不需要精确的图片标记词，能较好地生成不同风格的图片，开放模型最常用方案
缺点：受限于的表示方式，训练SD模型中不存在的类效果会差一些，整体出图质量低于Fine-Tune，模型文件：2-4G
Textual-Inversion--新定义特征向量，不改变模型本身
优点：需要图片数量少：3-5张，训练文件小：几十KB
缺点：对于原SD中不存在的创新的物体、画风等出图效果不好，暂无商业用例
综合考虑成本与难度，新手推荐使用DreamBooth训练自己的模型，这里我给大家找了一个最简单的Colab版本，它可以使用谷歌免费的服务器训练模型并生成图片，前期需要处理的素材也最少。
训练模型之前，你需要训练使用的准备图片，初次尝试最好在10张左右，尺寸512*512，如果图片尺寸不合适可以使用BIRME等工具调整。
打开上面的链接，也就是：https://colab.research.google.com/github/TheLastBen/fast-stable-diffusion/blob/main/fast-DreamBooth.ipynb
主页显示如下，这是一个即时更新的页面，它不会保存你的更改，你可以直接在这个页面使用，或者点击“文件”选择“在云端硬盘中保存一份副本”，打开副本页，这个页面会保存你的所有更改。
之后我们开始模型训练，首先点击第一行的运行按钮，连接Google云端硬盘，安装到gdrive。
运行完成后在按钮前面会出现绿色的对勾，右上角RAM/磁盘也出现绿色对勾，后面每段程序运行完成的标志都是这个小对勾。上一段程序运行结束后，点击下一段的按钮继续运行。
接下来安装依赖，下载模型
开始正式训练，首先为你的模型起个名字。
上传图片，点击运行后会出现“选择文件”按钮，选定图片后上传，我这里选择了八张CloneX的图片作为训练素材，并为它们命名为CloneX1-8，这里对图片的命名不要与已有单词相同，它是对你训练素材的特殊标记。图片命名方式可以参考下图。
运行Captions，并跳过Conceptimages
开始训练，训练步数设置为图片数量*100，我是用了八张图片，这里选择800，其他参数暂时不需要调整，等后面熟练掌握了模型训练方法再进行更精准的训练。
点击运行，出现以下界面表示训练开始，等待训练完成。这里有两个训练过程，一个是训练文字，一个是训练图片。
训练完成后直接运行测试模型，这里不需要调整参数。
程序运行完后会出现一个链接，点击打开到可以作图的WebUI界面。
WebUI的主页如下，1处选择使用的模型，2处输入描述词，也就是你对想要输出图片的内容，3处输入负面描述词，也就是你不想要图片出现什么内容，3可以空着不填。填写完描述词后点击生成图片。
因为我们对图片的标记是CloneX，所以我们生成图片时前部分要指定主体，这里推荐固定句式“apictureofclonexwith+......”，with后面加对图片的描述，每个描述词之间用逗号隔开。
简单测试，这里输入提示词“apictureofclonexwithbeautifulgirl,redhair”，结果应该会出现一个红色头发的女生CloneX形象，效果如下图：
测试2，输入提示词：“apictureofclonexwithbeautifulgirl,Longgreenhair,blackcoat,yelloweyes”也就是绿色长发、黑色外套、黄色眼镜的女CloneX，生成效果如下
从以上两个简单测试来看，用10张以内的素材图片训练的模型就可以很好的生成想要的图片，而且这些CloneX是原本不存在的，是你创造了它们！以后喂10张图给AI，它可以给你10,000张图，这是生产力质的提升。
我把这个训练的模型上传到了Huggingface，有兴趣的朋友可以拿去玩，在训练过程中遇到什么问题也可以联系我。链接：https://huggingface.co/wheart/clonexnft
揭晓答案，无聊猿那四张图片，前两张是AI生成的，后面两张是原图。
现有AI+Web3项目简析
随着AIGC的兴起、ChatGPT的爆火、微软对AI百亿投资等事件的铺垫，Crypto很多AI项目也得到了更多的关注，诸如AGIX之类的AI概念Token都迎来了一波不错的涨幅。但是就目前这些AI+Web3的项目来看，我并没有发现真正有想象力的产品。这段时间受到关注的项目大都是很久之前的老项目，所以只能看作是版块轮动带动了它们，长线来看没有好的标的。如果后面出现基于新AI技术做的产品或许可以关注。
目前很多Crypto大佬，像CZ、Vitalik都对AI技术产生了兴趣，所以对于AI+Web3之后的发展，我个人认为还是值得期待的。
总结
综合来看，目前AIGC在Web3的应用还处于非常初级的阶段。现阶段利用好AI工具可以对项目的设计、开发、运营工作提供极大的便利，下一阶段肯定会出现更多优秀的产品，我们要做的就是学习、使用、分析、发现，比大部分人多走一步，不错过AIWeb3这趟车。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。