ION:手把手教你用 AIGC 賦能 Web3 項目_AIGPT

簡述

近期“AI+Web3”的熱度上升，相關概念Token也迎來了一波漲幅，由于很多加密圈的朋友并不是非常了解AIGC，這可能會導致投資失誤或者錯過潛在的機會。我從去年1月份開始關注AIGC，親身經歷了2022年AIGC技術和產業的高速發展，今天我就跟大家簡單解讀一下現在AIGC的發展格局、AI+Web3項目的現狀以及如何使用AIGC工具創作Web3資產。

AIGC

AI模型分類

從模型功能上區分，目前AIGC主要涉及文字、圖片、音樂和視頻的生成。

文字

文字模型現象級應用當屬OpenAI的ChatGPT，續寫文字、創作故事、寫代碼、修BUG、寫詩、做表......你所有能想象到的與文字相關的內容它都可以做。它可以極大程度上減少人的工作量，使用得當將會是文字工作者的利器。現在媒體平臺上很多文章都是用AI寫的，這一領域有很多潛在的機會，解決實際問題，創造新的工作流，打造商業閉環是我們這些使用工具的人需要去考慮的事情。

ChatGPT可以幫助開發人員完成大量的代碼編寫工作，還可以查找修改錯誤，當然它有可能出錯，在使用中需要留意，盡信書不如無書。

此外，各類建議、策劃、編撰等文字工作是它最擅長的，對于文字工作者來說，ChatGPT絕對是超強的輔助工具。

但是ChatGPT不是萬能的，你可以將其定義為一個什么都懂一些的“全才”，但它卻不是精通一切的“專家”。對于某些比較專業的知識，它的回答可能會出錯，這包括但不限于編程細節、密碼學、數學、歷史等領域，所以在使用ChatGPT的時候最好對內容再復核一遍，以免出現嚴重錯誤，在最近的版本更新中，ChatGPT很多錯誤點已經得到了修正，隨著模型的逐步完善，未來的想象力是無限的。

圖片

AI生成圖片是AIGC領域發展最快的賽道，2021年最火的技術還是生成對抗網絡，但是它距離產品化還有很長的距離；到了2022年初，DiscoDiffusion橫空出世引發了第一波AIGC爆點，DiscoDiffusion擅長對場景的刻畫，出圖場面恢弘大氣，但是畫面不夠清晰，作圖速度慢，要以10分鐘計數；4月份，OpenAI的DALLE2上線，7月份Midjourney開放公測，使用Discord端作畫，1分鐘之內可以同時出4張圖，藝術性超高，在11月份發布V4版本后進一步穩固了自己最強AI作畫工具的地位；8月份，StableDiffusion正式發布，作圖速度縮短至10秒之內，圖片細節、清晰度都有極大的提升，并且奉行開源主義，所有代碼都開源，這也誕生了龐大的社區，是之后世界范圍內AIGC流行的火種，包括后面基于StableDiffusion訓練的專門生成二次元圖像的NovalAI。

Lido與預言機Pyth Network達成合作，以提升stETH支持產品的流動性:6月29日消息，Lido與Jump Trading旗下預言機項目Pyth Network達成合作，旨在將實時、無需許可的stETH價格數據提供給20多條區塊鏈網絡。

本次合作提升了stETH支持產品的可訪問性和流動性，激發了DeFi創新，并吸引尋求了解stETH的用戶。[2023/6/29 22:09:00]

如今AI作圖領域呈現Midjourney+StableDiffusion的雙巨頭局勢，DiscoDiffusion和DALLE2在技術更新上已經離開了第一梯隊，其余產品大多都是基于StableDiffusion的開源框架調整的。

音樂&視頻

AI生成音樂和視頻是一個發展相對較慢的賽道，至今還沒有現象級應用，市場上存在的產品均不太成熟，其在技術難度上比生成圖片和文字要大，但是已經有很多公司準備在2023年攻克這個難題，或許我們馬上就能看到比較成熟的視頻和音樂生成平臺。下面我挑選幾個相對優秀的產品簡單介紹一下。

AI生成音樂最常見的玩法是用戶輸入一段文字或者一張圖片，模型根據內容輸出一段音樂，對應的產品可以關注Riffusion，它除了實現以上功能外還能在不同風格輸入之間自然轉換。

AI生成視頻可以體驗產品QuickVid，它可以在很短的時間內根據文字描述生成一段流暢的視頻，你還可以選擇不同使用場景下的視頻風格，視頻質量較高，與人為剪輯的效果差別不大。

AIGC+Web3玩法

AIGC可以助力Web3項目更快更好的完成文字和圖片的設計工作，這在NFT和GameFi項目中應用最為廣泛，但是這也需要一定的技巧，使用恰當的Prompt使AIGC輸出可用的圖片，并使用ChatGPT完成項目文案相關工作，描述詞的使用有很多講究，成為一名AI藝術家需要很多的前期學習，為了讓大家快速完成需求，下面我簡單說幾種使用AIGC輸出Web3可用圖像的方法。

Sui生態DEX Cetus Launchpad已超募220%:5月8日消息，構建在Sui與Aptos生態的DEX與集中流動性協議Cetus Launchpad已超募220%，本次IDO硬頂為800,000枚SUI，每枚CETUS售價為0.04SUI，向市場供應Token總量的2%，募集的70%SUI將用作初始流動性，30%SUI用作xCETUS質押獎勵。[2023/5/8 14:50:17]

特殊Prompt

有一些特殊的Prompt可以控制模型輸出特定風格的圖片，這些圖片可以直接拿來作為NFT或者GameFi內素材使用，版權屬于創作者自己。下面我使用StableDiffusion做一些示范。直接復制我下面的描述詞，自己定義括號中的內容。

塑料雕像

注：只需要改變括號中的內容就可以得到相同類型的圖片，示例文字順序=圖片順序，圖片內角色依次為Yoda、Superman、ironMan、MaiShiranui、shark、batman、Bumblebee和wizard。你可以嘗試所有其他可能性。

Funkypopfigurine,madeofplastic,productstudioshot,onawhitebackground,diffusedlighting,centered

這類圖片直接發一個NFT項目綽綽有余，每個都是1/1，你只需要告訴AI想要什么。

模塊建筑

這段描述詞中的temple可以改也可以不改，都可以做出不錯的效果圖。

Tinycuteisometrictemple,softsmoothlighting,softcolors,softcolors,100mmlens,3dblenderrender,trendingonpolycount,modularconstructivism,blueblackground,physicallybasedrendering,centered

這類圖片可以構建一個土地NFT項目或者游戲中的建筑。

3D矢量風格動物

StaFi 為 EVM 兼容鏈推出新的流動性質押衍生品解決方案:4月7日消息，DeFi 協議 StaFi 在社區發起提案，為 EVM 兼容鏈推出新的流動性質押衍生品（LSD）解決方案，rToken 將直接在目標鏈上發行，增強其安全性與可組合性。在新的 EVM LSD 方案中，rToken Relay 將直接部署到目標合約層，使其能夠直接執行操作。該方案的主要特點是 rToken 將直接發行在目標鏈上，用戶在獲得 rToken 時無需進行跨鏈通信，并且在給定相同的代幣標準的情況下，可以輕松地將 rToken 集成到目標鏈上的 DeFi 中。[2023/4/7 13:50:39]

通過改變粗體內容，生成不同的矢量動物形象

kawaiilowpolypandacharacter,3disometricrender,whitebackground,ambientocclusion,unityengi

3D游戲風格房間

可改變粗體內容，生成不同的房間

Tinycuteisometriclivingroominacutawaybox,softsmoothlighting,softcolors,purpleandbluecolorscheme,softcolors,100mmlens,3dblenderrender

通過以上案例我們可以看到，AIGC可以在圖片設計上輔助甚至取代畫師，你可以創造出獨一無二的藝術風格、角色，而不需要掌握繪畫的技巧，這是生產力的極大進步。

模型訓練

以上工作流使用的是開源的StableDiffusion通用模型，它無法生成模型素材中不存在的東西，比如你無法讓它生成一只無聊猿，模型本身也不知道什么是無聊猿，所以它存在局限性和時效性。為了解決以上提到的問題，我們可以訓練自己的模型，將需要的素材都放進去，從而使模型輸出內容符合我們的預期，這在NFT二創、擴展，GameFi輔助設計等方面都有很大的應用潛力。

展示幾張我訓練的無聊猿模型二創成圖效果，從左到右分別是蝙蝠俠風格，黏土風格，畢加索抽象風格和黃金材質：

當前灰度信托總持倉量達192.66億美元:金色財經報道，鏈上數據顯示，當前灰度總持倉量達192.66億美元，主流幣種信托溢價率如下：BTC，-44.55%；ETH，-53.78%；ETC，-68%；LTC,-46.84%；BCH，-23.64%。[2023/3/5 12:43:14]

當然也可以控制生成與原本項目圖片相似度極高的圖片，下列四張圖片有兩張原圖，兩張用無聊猿模型生成的圖，幾乎很難分辨，你可以猜一下，后面我會揭曉答案。

模型訓練原理很簡單，用自己提供的圖片訓練出一個專屬模型，但是讓普通人從零開始訓練一個AIGC模型是很困難的，好在StableDiffusion給我們提供了一些比較簡單的模型訓練方法。

現在常用的技術方案有三種：Fine-Tuning、DreamBooth、Textual-Inversion

特性解釋：

Fine-Tuning--模型訓練、原生框架

優點：功能最全，效果最好，prompt控制精確，是優質精細模型的統一技術方案

缺點：訓練復雜，硬件要求高，訓練時間長，訓練圖片需要標記詞

DreamBooth--模型訓練、簡易框架、添加特殊標識符

優點：訓練簡單、速度快、硬件要求相對低、不需要精確的圖片標記詞，能較好地生成不同風格的圖片，開放模型最常用方案

缺點：受限于的表示方式，訓練SD模型中不存在的類效果會差一些，整體出圖質量低于Fine-Tune，模型文件：2-4G

Textual-Inversion--新定義特征向量，不改變模型本身

優點：需要圖片數量少：3-5張，訓練文件小：幾十KB

缺點：對于原SD中不存在的創新的物體、畫風等出圖效果不好，暫無商業用例

綜合考慮成本與難度，新手推薦使用DreamBooth訓練自己的模型，這里我給大家找了一個最簡單的Colab版本，它可以使用谷歌免費的服務器訓練模型并生成圖片，前期需要處理的素材也最少。

訓練模型之前，你需要訓練使用的準備圖片，初次嘗試最好在10張左右，尺寸512*512，如果圖片尺寸不合適可以使用BIRME等工具調整。

波卡生態身份協議Litentry已上線Litentry平行鏈區塊瀏覽器:金色財經消息，波卡生態身份協議Litentry已上線Litentry平行鏈區塊瀏覽器，用戶可查看Kusama和波卡平行鏈相關數據。[2022/9/8 13:15:35]

打開上面的鏈接，也就是：https://colab.research.google.com/github/TheLastBen/fast-stable-diffusion/blob/main/fast-DreamBooth.ipynb

主頁顯示如下，這是一個即時更新的頁面，它不會保存你的更改，你可以直接在這個頁面使用，或者點擊“文件”選擇“在云端硬盤中保存一份副本”，打開副本頁，這個頁面會保存你的所有更改。

之后我們開始模型訓練，首先點擊第一行的運行按鈕，連接Google云端硬盤，安裝到gdrive。

運行完成后在按鈕前面會出現綠色的對勾，右上角RAM/磁盤也出現綠色對勾，后面每段程序運行完成的標志都是這個小對勾。上一段程序運行結束后，點擊下一段的按鈕繼續運行。

接下來安裝依賴，下載模型

開始正式訓練，首先為你的模型起個名字。

上傳圖片，點擊運行后會出現“選擇文件”按鈕，選定圖片后上傳，我這里選擇了八張CloneX的圖片作為訓練素材，并為它們命名為CloneX1-8，這里對圖片的命名不要與已有單詞相同，它是對你訓練素材的特殊標記。圖片命名方式可以參考下圖。

運行Captions，并跳過Conceptimages

開始訓練，訓練步數設置為圖片數量*100，我是用了八張圖片，這里選擇800，其他參數暫時不需要調整，等后面熟練掌握了模型訓練方法再進行更精準的訓練。

點擊運行，出現以下界面表示訓練開始，等待訓練完成。這里有兩個訓練過程，一個是訓練文字，一個是訓練圖片。

訓練完成后直接運行測試模型，這里不需要調整參數。

程序運行完后會出現一個鏈接，點擊打開到可以作圖的WebUI界面。

WebUI的主頁如下，1處選擇使用的模型，2處輸入描述詞，也就是你對想要輸出圖片的內容，3處輸入負面描述詞，也就是你不想要圖片出現什么內容，3可以空著不填。填寫完描述詞后點擊生成圖片。

因為我們對圖片的標記是CloneX，所以我們生成圖片時前部分要指定主體，這里推薦固定句式“apictureofclonexwith+......”，with后面加對圖片的描述，每個描述詞之間用逗號隔開。

簡單測試，這里輸入提示詞“apictureofclonexwithbeautifulgirl,redhair”，結果應該會出現一個紅色頭發的女生CloneX形象，效果如下圖：

測試2，輸入提示詞：“apictureofclonexwithbeautifulgirl,Longgreenhair,blackcoat,yelloweyes”也就是綠色長發、黑色外套、黃色眼鏡的女CloneX，生成效果如下

從以上兩個簡單測試來看，用10張以內的素材圖片訓練的模型就可以很好的生成想要的圖片，而且這些CloneX是原本不存在的，是你創造了它們！以后喂10張圖給AI，它可以給你10,000張圖，這是生產力質的提升。

我把這個訓練的模型上傳到了Huggingface，有興趣的朋友可以拿去玩，在訓練過程中遇到什么問題也可以聯系我。鏈接：https://huggingface.co/wheart/clonexnft

揭曉答案，無聊猿那四張圖片，前兩張是AI生成的，后面兩張是原圖。

現有AI+Web3項目簡析

隨著AIGC的興起、ChatGPT的爆火、微軟對AI百億投資等事件的鋪墊，Crypto很多AI項目也得到了更多的關注，諸如AGIX之類的AI概念Token都迎來了一波不錯的漲幅。但是就目前這些AI+Web3的項目來看，我并沒有發現真正有想象力的產品。這段時間受到關注的項目大都是很久之前的老項目，所以只能看作是版塊輪動帶動了它們，長線來看沒有好的標的。如果后面出現基于新AI技術做的產品或許可以關注。

目前很多Crypto大佬，像CZ、Vitalik都對AI技術產生了興趣，所以對于AI+Web3之后的發展，我個人認為還是值得期待的。

總結

綜合來看，目前AIGC在Web3的應用還處于非常初級的階段。現階段利用好AI工具可以對項目的設計、開發、運營工作提供極大的便利，下一階段肯定會出現更多優秀的產品，我們要做的就是學習、使用、分析、發現，比大部分人多走一步，不錯過AIWeb3這趟車。

Tags：IGCAIGIONWEBigc幣價格AIGPTMetan Evolutionsweb3域名

FTX