[aipingce]1月5日消息，2022年以来，随着谷歌、百度、Meta、微软等国内外企业先后推出自己的AI绘画模型或者平台，AIGC这一新型内容创作形式，获得了越来越多的关注。 在今年7月的百度世界大会上，百度创始人李彦宏曾表示：“AIGC或许将颠覆现有内容生产模式，实现以‘十分之一的成本’，以百倍千倍的生产速度，去生成AI原创内容。” 事实上，百度正通过AI大模型的能力，来实现李彦宏畅想的这一图景。 在今天的百度“AIGC智能创作新风尚”媒体沟通会上，百度技术委员会主席吴华就分享了百度AIGC内容生成能力背后的技术原理，并针对目前火热的“智能创作”介绍了百度打造的三位能力超群的“天才创作者”。
吴华指出，熟练掌握AIGC，创作者将能够更加轻松、高效、快乐地创作，甚至一个人就可以完成编剧、美术创作及后期剪辑等内容创作全流程工作，成为天才创作者。 吴华眼中这三位能力超群的百度“天才创作者”都身怀哪些绝技呢？作为人类创作者，要如何借助“天才”的能力，来丰富、提效自身创作？ 天才编剧：文心 ERNIE 3.0 Zeus 2022年5月，百度发布了融合任务相关知识的千亿大模型ERNIE 3.0 Zeus。该模型能够从丰富多样的无标注数据中学习，同时在学习过程中融入知识图谱指导模型学习世界知识和语言知识，进而提升学习的效率。此外，该模型还能从摘要、对联、翻译、分类、阅读理解等百余种不同形式的任务中学习知识，通过对通用知识和专门知识的学习来提升模型泛化能力，使得ERNIE 3.0 Zeus能够做到多种语言理解和生成任务，成为名副其实的“通才”。
例如，输入一篇论文，ERNIE 3.0 Zeus可以立刻自动生成摘要；输入一个题目，它可以瞬间写出上百篇作文，而且作文还可以结合语境，写出不同的风格，甚至是诸如诗歌、小说等不同的体裁内容。 同样的，ERNIE 3.0 Zeus也会写剧本。 吴华指出，很多电视剧的剧本并不是由一位编剧单独完成的，而是由一位总编剧制定总纲，再制定每一集的大概内容，再交给多位编剧分别写每集的具体对话、详细故事。因此，如果一个人能编制一部电视剧的总纲，他便可以把每一集的要求交给ERNIE 3.0 Zeus生成故事，然后再经过合并整理最终写出整部剧。 吴华介绍，文心 ERNIE 3.0 系列模型已经在几十类自然语言理解和生成公开权威任务，以及零样本、小样本学习任务上处于世界领先水平。此外，它还发布了业界首个开放的千亿参数中文生成API，供各行各业开发者到文心大模型官网上调用、学习。  目前，普通用户可以通过百度飞桨旸谷社区在线体验 ERNIE 3.0 Zeus 的文本理解和文本创作能力，同时，ERNIE 3.0 Zeus 也提供 API 体验调用入口，供开发者使用。 天才画师：文心 ERNIE-ViLG 2.0 在编剧的工作完成后，场景和画面的美术创作，以及视频内容的产出和后期剪辑，是影视创作中必不可少的关键环节。借助百度文心ERNIE-ViLG 2.0以及VIMER-TCIR等模型工具，创作者可以逐步完成他想要实现的目标。 2022年10月，百度发布了业界首个知识增强的AI作画大模型 ERNIE-ViLG 2.0。它能根据一句话或者一段描述文本，生成一幅精美的画作。吴华介绍指出，为提高文本生成图像的准确性，百度在AI预训练学习过程中创新性地提出了知识增强的扩散模型，实现了精准的细粒度语义控制；同时通过引入混合降噪专家网络，对图像生成不同阶段对模型、计算性能要求的不同，使用不同网络进行了针对性地建模和优化，进而提升了图像生成的质量。 吴华指出，在实际应用场景下，只需要输入一段文字，ERNIE-ViLG就可以快速理解这段文字所表达的含义和场景，然后根据这个理解，几十秒内就可以生成媲美人类作画水平的图像，而且可以同时生成数百张风格各异的画作，比如写实、意象、中国风、二次元等等。它甚至可以生成现实世界中没有创造性的图像，比如穿西装的齐天大圣、街边撸串儿的熊猫，让人们天马行空的想象力得到精准的可视化呈现。  文心 ERNIE-ViLG 2.0 可广泛应用于工业设计、动漫设计、游戏制作、摄影艺术等场景，激发设计者创作灵感，提升内容生产的效率。
据介绍，在权威公开数据集 MS-COCO 上，目前ERNIE-ViLG 2.0已经刷新 SOTA 效果，性能远远超过了国际上的同类技术；而在图文相关性和图像保真度两个维度的人工评估上，ERNIE-ViLG 2.0 相对 DALL-E 2 和 Stable Diffusion 同样取得了较大的优势。  目前，面向普通用户，百度以文心ERNIE-ViLG 2.0大模型为底座推出了“文心一格”产品，用户只需输入一段自己的创想文字，并选择期望的画作风格，即刻可以生成创意精美的画作。
天才剪辑：VIMER-TCIR多任务大模型 由于人类眼睛的特殊生理结构，如果所看画面的帧率高于60Hz时，就会认为是连贯的，这也造就了早期电影胶片是一格一格拍摄出来，然后再快速播放的情况。而AI生成的图像，在经过帧率的调控之后，也将进一步生成视频。 据吴华介绍，在视觉内容生成方面，百度在文生图扩散模型的基础上加入时序建模，使得模型能根据文本或者图像生成新的视频。创作者可以根据用户提供的一段描述文本，或者一幅图像，自动地生成高清、流畅的视频。 此外，通过百度研发的VIMER-TCIR多任务大模型，还可以实现对生成视频的修复和编辑，通过画质提升、边缘锐化等方式增强视频的清晰度，达到全方位提升视频编辑效率和观感体验。据悉，TCIR模型已在去噪、增强、去模糊等多个任务领域达到SOTA结果，并在AIM2022压缩图像超分竞赛中，以大幅度领先优势取得冠军。 目前，VIMER-TCIR多任务大模型也已经在老电影修复等场景实现落地，大幅提升了效率，每天单机可修复视频28.5万帧，解决了绝大部分画面的修复问题。 吴华强调，一系列AIGC生产工具的出现，大幅度提高了音视频等内容创作者的工作效率。AIGC正让个体创作者成为真正的“独立”制作人。 另据吴华透露，即将于1月10日召开的 2022百度Create大会上，百度还将推出更多的AIGC工具产品并对相关技术进行讲解。 |
