AI画画，百度文心的小桥流水人家 | ERNIE-ViLG

上一篇讲了一种“通过文字生成图片” 的AI算法。只要提供充分具体的描述，AI就能帮你生成对应的图片，听起来是不是挺棒的？

今天我们就来看看实际的效果，以及人人皆可学会的操作方法。

考虑到本土化的问题，先上国产算法–ERNIE-ViLG。该算法由百度推出，号称全球最大规模中文跨模态生成模型。下面我用颇具中国特色的描述“小桥流水人家” 来进行创作，看看结果如何！

各位看官，感觉如何？我不太懂画，但是也能看出来有那么点意思。这水平应该能超过很多人了吧。

我很喜欢这首马致远的这种《天净沙·秋思》。既然说了一句，就把其余的也写一下吧。

看它表现还不错，我又诗兴大发，来了句“对酒当歌，人生几何！”  没想到…

酒有了，几何也有了，只是这画风这流派我有点欣赏不来了。看到这画，我当即就喊了一声“牛逼” 。

然后我就得到了这样一张图片！幸好他理解的重点在牛，而不是… 否则盯着图看，显得我有点变态。

既然我们前面都说到了诗歌，那么就避不开诗仙李白了。接下来我让文心画个李白吧，为了增加挑战性，特地制定了“赛博朋克”风格。

嗯。这一张表现也还不错。李白和赛博朋克的意思都有了。

这一张就很离谱，赛博朋克到位，李白不知道是哪一个！！！好了好了，不皮了，要更多效果可以看官网的文心画作集。

今天的重点是说一说怎么把这个东西玩起来。

方法一：使用网页版

为了让大家都能轻松的体验到新技术，百度文心推出了”ERNIE-ViLG 文生图” 网页版。只要打开官方提供的网址（见文末），即可直接使用。不需要安装任何东西，也不需要高配的电脑。只要会打字点击按钮就好了。

官方网页如上，只需要输入描述，选择风格，点击立即生成。等待几十秒钟，就可以生成6张图片。这些图片全部由同一个语句生成，但是具体内容会有差异。这一种特性，可以保证作品的独特性。就像德国哲学家莱布尼茨说的:“世上没有两片完全相同的树叶。

方法二：调用API

如果你是开发者，你也可以调用他们的API，然后开发自己的网站，APP，客户端。

点击右上角可以获取到API key和Secret Key。点击代码调用可以看到shell命令和Python代码。

Shell命令：

#ERNIE-ViLG API包含两个接口，一个是提交请求接口，一个是查询结果接口

#创建预测任务
curl -i -k 'https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernievilg/v1/txt2img?access_token=${access_token}' --data-urlencode 'text=萨尔瓦多·达利描绘古代文明的超现实主义梦幻油画,写实风格' --data-urlencode 'style=油画'

#查询任务
curl -i -k 'https://wenxin.baidu.com/moduleApi/portal/api/rest/1.0/ernievilg/v1/getImg?access_token=${access_token}' --，data-urlencode 'taskId=${task_id}' 

命令行分两个命令，一个是创建任务，一个是查询任务。创建任务需要token，描述，类型。token根据AK和SK生成。查询任务需要任务ID。

Python代码：

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_to_image import TextToImage
wenxin_api.ak = "iVSSngHASzTci4eQ7YVHPbGsVIkU0S7E"
wenxin_api.sk = "AeP0Wny3AKzrBPndufQEmP9jADodH39K"
input_dict = {
    "text": "萨尔瓦多·达利描绘古代文明的超现实主义梦幻油画,写实风格",
    "style": "油画"
}
rst = TextToImage.create(**input_dict)
print(rst)

Python代码是直接把AK和SK写在了代码里面。把文本和风格放到了一个字典里。使用代码前记得先安装官方提供的weixin-api包。

方法三：通过PaddleHub

Paddlehub基于飞浆，飞浆是百度自己研究的深度学习框架。所以要使用Paddlehub需要先安装飞浆，然后安装paddlehub。然后运行下方代码。

import paddlehub as hub 
module = hub.Module(name="ernie_vilg")
results = module.generate_image(text_prompts=["李白，赛博朋克"])

三行代码轻松搞定。除了百度自己的模型之外，通过修改name参数，还可以使用另外两种模型disco_diffusion_ernievil_base 和stable_diffusion。不过这两种类型，在window平台上似乎有一些问题。

基于Paddlehub 还可以快速启动一个服务，提供API接入功能。

服务端启动服务：

hub serving start -m ernie_vilg

客户端发起请求：

import requests
import json
import cv2
import base64
from io import BytesIO
from PIL import Image
​
# 发送HTTP请求
data = {'text_prompts': '巨大的白色城堡'}
headers = {"Content-type": "application/json"}
url = "http://127.0.0.1:8866/predict/ernie_vilg"
r = requests.post(url=url, headers=headers, data=json.dumps(data))
​
# 获取返回结果
for i, result in enumerate(r.json()["results"]):
  image = Image.open(BytesIO(base64.b64decode(result)))
  image.save('result_{}.png'.format(i))

请求成功后会在请求方的电脑上生成图片。什么轮子都给你准备好了，用起来确实方便。而且使用Paddlehub来实现会比网页版快一些。

我一直以为Paddlehub上的ernie_vilg 应该属于离线版本，模型应该下载到了本地，其实并不是。虽然它努力装成这样，本质是在后台偷偷调用API 。。。。哈哈哈。这就比较坑了！

我是怎么发现的呢？因为我尝试生成涩图。然后被警告有敏感词… 本地模型居然有敏感词过滤？我难以置信，看了一下源代码，原来和网页版一样，调用的文心API … 。

所以不管壳怎么样，文心的本质都是调用API。你想要无法无天搞艺术（ghs）是不可能滴。为了更大的自由度，作品更加“国际化” ， 接下来的文章将会介绍disco_diffusion和stable_diffusion。

这两个项目已经被外国朋友玩出花了，可玩性非常高，可以自定义参，顺便探索一下没有敏感词的世界。

相关链接

文心：https://wenxin.baidu.com/moduleApi/ernieVilg

AIStudio ：https://aistudio.baidu.com/aistudio/projectdetail/4445016

Hugging Face：https://huggingface.co/spaces/PaddlePaddle/ERNIE-ViLG

提示技巧：https://wenxin.baidu.com/wenxin/docs#Ol7ece95m