近来，生成式AI（AIGC）正如火如荼地展开。扩散模型在图像的生成上正在超越GANs，成为文本生成最先进的模型。通过该模型，文本在生成图片、视频、音频，以及分子设计等“一键生成”的技术上都开始应用。
在国外，OpenAI、Meta和谷歌等厂商正在不断发布最新研发成果。国内科技公司华为、阿里、商汤等也纷纷涌入这一领域。
对于中文世界的创作者来说，如果应用Dall·E 2等国外工具，将会面临的难题是：思考英文Prompts准确表达的绞尽脑汁，翻译软件词不达意的尴尬，精细构思的 Prompts 在画面生成中找不到一丝痕迹，亦或面对文化误解中的“中国风”哭笑不得……
日前，智源研究院大模型研究团队开源最新双语AltDiffusion模型，为中文世界带来专业级AI文图创作的强劲动力：支持精细长中文 Prompts 高级创作；无需文化转译，从原汁原味中国话直达形神兼备中国画；且在绘画水平上达到低门槛中英对齐原版 Stable Diffusion 级震撼视效，可以说是讲中文的世界级 AI 绘画高手。
创新模型 AltCLIP 为这一工作的基石，为原 CLIP 模型补齐更强的跨语言三大能力。AltDiffusion 和 AltCLIP 模型均为多语言模型，中英双语为第一阶段工作，代码与模型已开源。
AltDiffusion
https://github.com/FlagAI-Open/FlagAI/tree/master/examples/AltDiffusion
AltCLIP
https://github.com/FlagAI-Open/FlagAI/examples/AltCLIP
HuggingFace space试玩地址：
https://huggingface.co/spaces/BAAI/bilingual_stable_diffusion
技术报告
AltCLIP: Altering the Language Encoder in CLIP for Extended Language Capabilities
https://arxiv.org/abs/2211.06679
长Prompt精细绘画 + 原生中国风，满足中文AI创作高手的高需求
得益于以 AltCLIP 为基础的强大中英双语言对齐能力，AltDiffusion 达到近似于 Stable Diffusion 程度的视效水平，尤其具备更懂中国话、更善中国画的独特优势，非常值得专业级中文AI文图创作者期待。
AltDiffusion基于Stable Diffusion，通过将原来Stable Diffusion中的CLIP替换成AltCLIP，并且用中英文图文对对模型进行进一步的训练得到。得益于 AltCLIP 强大的语言对齐能力，AltDiffusion 的生成效果在英文上与 Stable Diffusion 很接近，在中英文双语的表现上也体现了一致性。如“戴帽子小狗”的同义中英文Prompts 输入AltDiffusion后，生成画面效果基本对齐，一致性极高：在对“男孩”的画面增加描述词为“中国男孩“之后，在原小男孩形象基础上，精准调整成典型“中国”孩子，在语言控制生成中展现出极佳语言理解能力和精准的生成表达结果。
特别值得一提的是 AltDiffusion 的生态打通能力：所有支持Stable Diffusion的工具如Stable Diffusion WebUI，DreamBooth等都可应用在我们的中英双语 Diffusion 模型上,为中文AI创作提供了丰富选择。
Stable Diffusion WebUI 一个优秀的文图生成、文图编辑的网页工具；当我们把北大夜景图霍格沃茨（prompt: Hogwarts）化，瞬间即可呈现梦幻的魔法世界。直通霍格沃茨
DreamBooth通过少量样本对模型进行调试以生成特定的风格的工具；通过这一工具，在AltDiffusion上利用少量中文图片即可生成特定风格，比如“大闹天宫”风格。充分利用社区Stable Prompts BookPrompts 对于生成模型非常重要，社区用户通过大量 prompts 尝试，积累出丰富的生成效果案例。这些宝贵的 prompts 经验，对于 AltDiffusion 用户几乎全都适用！此外，还可以通过混合中英文方式去搭配一些神奇的风格和元素，或继续挖掘对AltDiffusion适用的中文Prompts。方便中文创作者微调开源的AltDiffusion提供了中文生成模型的一个基础，大家可以在这个基础上用更多特定领域的中文数据进行模型微调，方便中文创作者表达。
以首个双语 AltCLIP 为基石
值得一提的是，这种对齐方法对训练多语言多模态表征模型的门槛大大降低，相对于重新去做中文或者英文的图文对预训练，只需约 1% 的计算资源与图文对数据。
在全面CLIP benchmark中取得了和英文原版一致效果，在一些检索类数据集上如Flicker-30K上超过了原版。
Flicker-30K上表现效果超过原版CLIP。
中文ImageNet上zero-shot结果最优。
*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。
发布文章
