多媒体与 3D · 入门
图像生成(Image Generation)
让电脑按你的一段文字描述,直接算出一张原本不存在的图。不会画画也能拿到配图,改起来几分钟一轮,成本比找人约稿低得多。
TL;DR三十秒版本
- 让电脑按你写的一段话,算出一张本来不存在的图。
- 不会画画的人也能拿到配图,改一版只要几十秒。
- 它不一定一次就合你意,来回改词重出是常规节奏。
Overview详细说说
图像生成是把一段文字描述变成一张图的过程。你说“一只戴围巾的柯基在雪地里跑”,它交出一张符合描述的画面;也可以配合参考图,让新图的风格、构图靠近你给的样子。它的结果是从无到有算出来的,不是从素材库里搜出来的。
它有用的地方在于省事。以前要一张配图,要么自己会画,要么花钱找人、还得排队等稿。图像生成把这一步压到几十秒,不满意就改词重来,试错成本极低,等于把昂贵的定制服务变成了随口就能下的订单。
在完整的制作流程里,图像生成常常只是其中一环:先读懂需求,生成封面和配图,再拿去排版、做课件或做成视频。很多任务会一口气生成十几张风格统一的小图,用在漫画、课程页或商品详情里。风格统一是关键,靠同一组描述和参考图来控制,比一张一张单独调要省事得多。
一个常见的误解是以为生成一次就能定稿。实际做法往往是反复改描述、挑结果、再微调,出好几版才选一张。把描述当成和画师沟通的稿子,来回几轮是正常节奏。
另一个容易混的点是把它和文生图当成完全不同的东西。文生图就是图像生成里最主要的一种;除它之外,还有用参考图去改图、在已有图上局部重绘等做法,输入形式不同,本质都是让模型算出新画面。
Myths常见误解
- ✕以为它是在图库里搜图 ✓画面是当场算出来的,所以能出图库里根本没有的东西
- ✕以为生成一次就能定稿 ✓实际往往要改几轮描述、挑好几张,才选出一张能用的
- ✕以为它和文生图是两回事 ✓文生图就是它最常见的一种,只是输入形式不同
In practice你会在哪用到它
- 写文章要配图时,描述一句场景,让它先出几版挑一张
- 做课件需要十几张风格统一的插图,用同一组描述批量生成
- 把草稿描述改得更具体,重出一版再看是否更合意
Summary记住这几点就够了
- 说几句描述,电脑就直接算出一张新图
- 不会画也能拿到风格统一的成套配图,改图成本很低
- 它常是流程中的一环,产出的图还会被继续排版或做成视频
常见问题
图像生成(Image Generation)是什么意思?
让电脑按你写的一段话,算出一张本来不存在的图。不会画画的人也能拿到配图,改一版只要几十秒。它不一定一次就合你意,来回改词重出是常规节奏。
图像生成(Image Generation)一般用在什么地方?
写文章要配图时,描述一句场景,让它先出几版挑一张;做课件需要十几张风格统一的插图,用同一组描述批量生成;把草稿描述改得更具体,重出一版再看是否更合意。
关于图像生成(Image Generation),最容易搞错的是什么?
以为它是在图库里搜图,其实画面是当场算出来的,所以能出图库里根本没有的东西;以为生成一次就能定稿,其实实际往往要改几轮描述、挑好几张,才选出一张能用的。
图像生成(Image Generation)要记住哪几点?
说几句描述,电脑就直接算出一张新图;不会画也能拿到风格统一的成套配图,改图成本很低;它常是流程中的一环,产出的图还会被继续排版或做成视频。
容易踩的坑 生成图是算出来的不是搜出来的,一次不满意很常见,改词重生成是常规操作。
全站第 121 / 186 条 · 全部词条
接着读Related reading
字幕(Subtitle)
视频里叠在画面上、跟着说话内容出现的文字,把听到的话变成能一眼扫过的字。听不清、静音刷手机或看外语视频时都靠它。
分镜(Storyboard)
视频开拍前,把脚本拆成一个个镜头、每个镜头配一张画面草稿的规划动作。它定的是每个镜头拍什么、大概几秒,不是成片效果。
3D 建模(Modeling)
在电脑的三维空间里,把一个物体的立体形状一点点搭出来。有了形状,才能接着做表面材质、打光、渲染和动画。
Three.js(网页 3D 库)
一套让网页直接显示三维画面的 JavaScript 工具库。你不用碰浏览器最底层的图形指令,几行代码就能在网页里放出一个能旋转、会打光的立体场景。
Blender(3D 软件)
一款免费开源的 3D 创作软件,建模、上色、打光、渲染、动画都能在同一个程序里完成。个人和小团队不用花大钱,也能走完整套 3D 流程。
剪映(视频剪辑软件)
国内最常见的视频剪辑软件,手机和电脑都能用,海外版叫 CapCut。拖素材、切时间轴、加字幕、套模板,新手几分钟也能剪出一条能发的视频。