译者 | 陈峻

审校 | 重楼

众所周知，人工智能（AI）已成为我们生活中不可或缺的一部分，并正在以我们曾经无法想象的方式对人们的创造、学习和交流等方式，产生着深远的影响。其中，最为典型的莫过于我们处理创意设计的方式。例如，业界著名的Anything-v3.0 和 Pastel-mix 模型，都属于能够将文字描述转化为高质量动画风格图像的AI引擎。

通过它们，开发者可以仅凭文字描述，就能生成视频游戏的概念图、以及动画场景的故事板。这显然加快了整个创意的过程，并为游戏、动画甚至虚拟现实等行业的创新，开创了无限的可能性。

目前，Anything-v3.0 和 Pastel-mix在 AIModels.fyi 上的排名分别 233 和 1117。下面，我们将针对这两个模型的独特功能和潜在用途，以及局限性进行比较，以探索哪个AI模型更适合创建日漫元素。

关于 Anything-v3.0 模型

由 cjwbw 创建的Anything-v3.0，是一款非常先进的从文本到图像的AI模型。通过采用稳定的扩散技术，它能够按照文本输入，生成高质量、细节丰富的动漫风格图像，从而达到引人入胜的逼真输出。您可以通过链接--https://www.aimodels.fyi/models/replicate/e62b0e81-a576-4f76-a3c7-0182c5c5c8ec?ref=hackernoon.com了解有关该模型的更多详情。

简单而言，Anything-v3.0 可谓一名AI艺术家。您只需给它一段文字描述，它就能将文字描述转化为具有视觉吸引力的动漫风格图像。显然，这在视频游戏开发、动画和娱乐等领域有着巨大的潜力，毕竟在这些领域，快速生成概念图、故事板或宣传材料可以加快整个创意过程。

了解 Anything-v3.0 模型的输入和输出

• 输入

提示字符串（prompt string）：作为主要输入内容，您可以在这里描述希望人工智能生成的内容。

否定提示字符串（negative_prompt string）：是一些您不想在生成的图像中看到的元素描述。

宽度整数和高度整数（width integer and height integer）：定义输出图像的尺寸。

num_outputs 整数：决定输出图像的数量。

num_inference_steps 整数：定义去噪的步数。

guidance_scale 数：指定无分类器（classifier-free）引导的刻度。

种子（seed）整数：用来生成图像的随机种子。

• 输出

输出是一个由生成图像的 URI 组成的数组。

关于Pastel-mix模型

Pastel-mix 同样是由 cjwbw 创建的，它也是一款高质量的从文本到图像的AI模型。Pastel-mix可以利用潜在的扩散技术，从文字的描述中生成细致的动画风格图像。

从本质上讲，Pastel-mix 的操作与Anything-v3.0比较类似，其主要不同在于：它生成的图像具有独特的粉彩动漫（pastel anime）艺术风格。这种模式可以让动漫行业艺术家和设计师快速将书面概念（written concepts），转化为细致的粉彩动漫插图。

了解 Pastel-mix 模型的输入和输出

• 输入

由于Pastel-mix 的输入与 Anything-v3.0 相同，因此它同样可以对图像生成的过程进行类似的控制。

• 输出

与 Anything-v3.0 类似，Pastel-mix 也会输出一个代表生成图像的 URI 数组。

模型比较

尽管 Anything-v3.0 和 Pastel-mix 都能够将文本转化为动画风格的图像，但它们在美学输出和使用案例上却有所不同。

如上所述，Anything-v3.0 可以生成高质量、细节丰富的动漫风格图像，广泛适用于从游戏到娱乐的各种应用。而且它尤其适合那些需要逼真的动漫风格输出的项目。

另一方面，Pastel-mix 可以被用来专门制作那些具有独特粉彩动漫艺术风格的图像。正是这种独特的美学风格，能够吸引那些追求柔和风格化视觉输出的创作者，尤其适用于动漫行业的角色设计和插图领域。

可见，这两种模型满足不同的需求，具体该如何选择，则取决于项目的特定要求和艺术偏好。

从文本到图像的AI模型的局限性

尽管以 Anything-v3.0 和 Pastel-mix为代表的从文本到图像的AI模型，在根据文本描述生成图像方面已取得了长足进步，但它们也并非没有局限性。在实际使用这些模型时，我们需要注意以下几个方面：

1. 输出质量和准确性：即使是最先进的从文本到图像模型，所生成的图像也不一定总是 100% 准确的。有些文本描述可能过于抽象或复杂，让模型无法准确解读，进而导致生成的图像与用户的意图不完全一致。
2. 语境理解：有时候，人工智能模型在理解和翻译上下文或抽象信息时，可能会遇到困难。尤其是，当给定的文本提示在很大程度上依赖于文化背景或主观解释时，例如在面对“一个胸有成竹的男人”的描述，国外的人工智能可能无法生成符合人类期望的图像。
3. 伦理和隐私问题：与任何人工智能技术一样，我们需要考虑道德相关问题。滥用这些模型创建的欺骗性甚至有害内容，是一个令人焦虑的问题。此外，输入到模型中的任何文本，都有可能被存储、并以用户意想不到的方式使用，从而引发隐私等问题。
4. 资源密集需求：从文本到图像模型往往属于计算密集型，且需要高性能的硬件，如果被广泛使用或用于生成高分辨率的图像的话，它可能会产生大量的成本。
5. 缺乏互动性：目前的模型主要是单向的，即根据初始输入直接生成图像，尚不支持根据输出，进行来回细化或交互式编辑。
6. 依赖训练数据：模型的性能和偏差，在很大程度上取决于其训练数据。如果模型是用一组有限的图像、或有偏差的数据进行训练的，那么其输出结果很可能会反映出相应的局限性和偏差。

无论是出于个人、商业还是研究目的，在使用文本到图像模型时，我们都需要留意这些局限性。虽然人工智能技术仍在不断进步，但是它目前尚无法完全替代人类的创造力和对上下文的理解。

小结

随着人工智能技术在各个领域的不断迭代与增强，它正在彻底改变着许多行业和创意运作模式。得益于Anything-v3.0和Pastel-mix等模型，我们在文本到图像的过程中，只需一句简单的描述性语言，便可将想象中的创意转化为有形的、令人兴奋的视觉效果。

尽管这些模型的能力令人印象深刻，但是它们在理解语境、确保准确性、以及避免潜在道德问题方面并不尽完美。不过，AIModels.fyi 等平台为我们展示了丰富的模型系列，以及可用于不同需求和应用的各种工具。它们能够协助和增强我们在创造性过程方面的巨大潜力。

译者介绍

陈峻（Julian Chen），51CTO社区编辑，具有十多年的IT项目实施经验，善于对内外部资源与风险实施管控，专注传播网络与信息安全知识与经验。

原文标题：Anything-v3 VAE vs Pastel-Mix: Which AI Model is Best for Creating an Anime Character，作者：Mike Young