本文仅代表个人工作流总结&行业思考，较为粗糙，并无阐述过多技术点；如有其他想法欢迎交流
有部分科普性质文字，同专业同学可以只看45
导读
1不同aigc软件效果图
2原理阐述&软件选择
3aigc工业化到底是什么
4举个例子
5不同业务的要求下ai能够介入的程度，对设备及人员的要求
6我所看到的盈利方向
7ai对于我个人的影响
01
不同aigc软件效果图
目前aigc的主流软件有midjourney和stablediffition
我用mj生成的产出图
我用sd生成的产出图
可以明显看出，mj的生产图精细度更高，画面更细腻；sd则质量稍差一些
二者根本区别在于，sd的底层框架是开源的，而mj是闭源的
02
原理阐述&软件选择
开源的本质含义是——我可以自由的选择这项技术的任何节点，自我改造成适应我业务的模式；所以大多数情况下，适合介入工业化的软件都会是sd而不是mj
03
aigc工业化到底是什么
与业务美术风格（画风）一致的前提下，ai可以根据项目的具体需求，快速大量出图解决需求or提高解决需求的效率；使人工成本降低，生产力提高。
美术要求越低越少量越大的业务，aigc可用价值随之增高
具体落地的核心点只有两个
1可以训练出与项目画风一致的大模型
2可以结合软件快速完成多种多样的个性化需求
04
举个例子
Aigc会如何介入？
1找到画风一致的素材图70-100张左右
2打tag
3测试数据分批试跑直至找到风格最接近且稳定的lora（目前不太推荐loha，乘积参数变量太大）
结合软件快速完成多种多样的个性化需求
文生图
1将需求转化为关键词
2适当调整并输入
3选图
4我认为这张不错
这套文生图的方法流更多是做一个大方向的快速出具，给需求方更多的选择后靠设计师自行迭代完善，不过也可以用于需求方给美术出具参考图的环节
图生图
1需求方并没有那么确定自己的想法，那么画师前期可以多尝试一些草图，确认大方向
2利用插件controlnet介入，拒绝不稳定生成
Controlnet集合多个处理器如canny线稿检测openpose姿势检测等，将其他图片的内部信息检测后可应用到自己的图片创作中来
将草图导入controlnet让后启动了hed处理器（我个人觉得这个处理器比较全面，所以喜欢用这个)
3设计师高强度介入，反复叠图修改
4这张相对是比较想要的感觉
这样一张图基本可以达到最终效果的80%，他的设计在画师和ai的不断修正中已经基本确定，欠缺的是细节的调整和补充；这样的工作流是更合适想法偏多一些磨合更多的需求当中。
不同业务侧需求不同
结合需求和ai介入程度自行打造管线即可，例如在某画风确定且有大量美术素材的游戏项目中，想利用ai节省美宣成本；那他的管线可以是
固定角色lora＋场景lora＋画风lora或画风大模型
搭配文生图or图生图任意工作流
05
不同业务的要求下ai能够介入的程度
对设备及人员的要求
所有业务对于ai介入的底层逻辑思路其实都是一致的
想法越多对于内容的确定性越强的时候，ai的介入程度就会变得越低
Ai无法顶替设计师，他始终是作为工具的辅助性存在，文娱内容向的产品重要的从来都是内容；而内容作为感性产物始终需要人为感应市场和他人的诉求后做出选择和决定，要求越高那么美术皮下的内容和想法就越重要，ai的介入程度就越低，否则反之
买量向产品大众市场高迭代向产品，不管是品牌还是游戏ai介入应该都是笔划算的买卖；此类业务中，Ai没有办法做到90分但可以达到70分，只要保证模型稳定需求清晰，可以提升20%甚至30%的前期美术效率
但对于偏高品质要求高想法的业务中，ai对于uiux插画原画平面设计师等工种更多是局部流程的改善，整体提升效果偏弱
Aigc目前对于设备的要求尚可，sd本地部署基本需要2080的显卡及以上；云端部署对于中小业务来说是不错的选择
Ai的多应用方向
Ui字体都是可以被做成模型的应用方向
06
我所看到的盈利方向
sd直接盈利很难，不过拿来封包做应用就应该没那么难；尤其是做成妙鸭相机的甜品级应用（用户诉求不高量大单一），或是tob的业务应用（封包管线）
更多的是一种将需求转化为可应用的能力让他盈利
07
其实笔者作为一名画师，在刚接触ai时是极度焦虑的，甚至认为自己会失业，想要转变职业走向去逃避ai；但在一次次学习尝试和摸索中，我发觉Ai的出现让画面做精美的难度的确比之前大大降低，同时市场对画面故事性，情感性，风格特殊性的要求也会大幅度增加
我画的每一张画都不是画，是一个内容的一部分；单一精美的画面没有用，但如果是一百张精美连在一起的画面伴随着一个个故事设定玩法模型动画；她就成了新内容的开始
那内容的内核对于我来说究竟是什么呢？
就好像蜘蛛侠平行宇宙一样，不管在那个宇宙里，他是黑色还是白色，人类还是动物；画风在怎么变化
只要他被一个蜘蛛咬了一口，爬到高楼之上；那他就是蜘蛛侠