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”。
百度技术委员会主席 吴华
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。
文心ERNIE-ViLG API （https://wenxin.baidu.com/moduleApi/ernieVilg）
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。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
