AIGC爆火，想象力几何？百度吴华：让个体创作者成为“独立”制作人

1月6日讯（杨晶佳）过去一年，AIGC（即人工智能自主生成内容）迎来爆发元年，从绘画到建模、从写作文到敲代码，各类AIGC工具纷纷涌现，用户只需输入关键词就能在几分钟甚至几秒钟内得到一幅精美画作、一篇翔实论文，水平惊人。

眼看传统内容生产模式即将被颠覆，不少打工人似乎也迎来职业危机，例如2022年8月，由AI绘图软件创作的《太空歌剧院》拿下美国科罗拉多州新兴数字艺术家竞赛一等奖，此后，有关AIGC工具是否会跟人类“抢饭碗”的相关争议层出不穷。

百度技术委员会主席吴华

围绕上述争议，1月5日，在百度“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表示，其实AI技术革新会对行业发展起到正向促进作用，比如摄影技术的出现曾对传统绘画行业产生冲击，机器翻译诞生时也曾引发是否会替代人工翻译的讨论，但实际上，摄影技术本身后来发展成了一个新的艺术方向，而人工翻译则在机器的帮助下提高了效率。

据介绍，目前百度已经推出了文心ERNIE3.0Zeus、ERNIE-ViLG2.0等大模型，基于此，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。

此外，据吴华透露，在1月10日即将召开的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。

“大模型的进步，让我们在文字、图像、视频等创作领域全面感受到了AI技术的魅力。如果你掌握了这项内容创作能力，那你几乎可以完成一部影片的许多重要工作，成为天才鬼才创作者。再配上自己设计的虚拟人演员，那你就可以成为一个真正的‘独立’制作人、真正的‘独立导演’。”吴华表示。

ERNIE3.0Zeus，会写故事的“天才编剧”

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。因此，2022年也被看做是AIGC发展的元年。

在此前的发言中，百度创始人、董事长兼首席执行官李彦宏也曾指出，“过去一年间，人工智能无论是在技术层面还是在商业应用层面，都有了巨大的进展，有些甚至是方向性的改变。”而在诸多被提及的方向性改变中，AIGC成为了被重点提及的对象。

2022年5月，百度发布了融合任务相关知识的千亿大模型ERNIE3.0Zeus。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ERNIE3.0Zeus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，ERNIE3.0Zeus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，ERNIE3.0Zeus也会写剧本。吴华指出，事实上有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ERNIE3.0Zeus生成故事，然后再经过合并整理最终写出整部剧。

吴华指出，文心ERNIE3.0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。

从“插画”到生成“视频”，AIGC让创作更高效

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。而借助百度文心ERNIE-ViLG2.0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-ViLG2.0。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。

在权威公开数据集MS-COCO上，目前ERNIE-ViLG2.0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-ViLG2.0相对DALL-E2和StableDiffusion同样取得了较大的优势。

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。

整体来看，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，正如吴华所言，AIGC正让个体创作者成为真正的“独立”制作人。

关注同花顺财经（ths518），获取更多机会