近日，大模型創(chuàng)業(yè)公司階躍星辰在其開放平臺體驗中心，正式上線了圖像生成大模型 Step-1X，注冊即可體驗。（指路鏈接：https://platform.stepfun.com/console-tools?model=step-1x-medium）

事實上，這款大模型之前已經(jīng)備受期待。在 7 月份舉行的 2024 世界人工智能大會上，階躍星辰一口氣發(fā)布了萬億參數(shù)語言大模型 Step-2、多模態(tài)大模型 Step-1.5V 和圖像生成大模型 Step-1X 三款大模型，并且跟上海電影夢幻聯(lián)動，基于經(jīng)典 IP《大鬧天宮》開發(fā)了 H5 互動體驗“測測你是哪路神仙”。據(jù)了解，《大鬧天宮》可用于訓練的數(shù)據(jù)資源稀缺，但 Step-1X 圖像生成大模型只用了極其少量的數(shù)據(jù)，就實現(xiàn)了質(zhì)量可觀的生成效果。

 

 Step-1X 重點打磨了深度語義對齊能力和細節(jié)生成能力，采用全鏈路自研的 DiT（Diffusion Models with transformer）模型架構(gòu)，能深度理解復雜指令下的含義，比如多主體和復雜場景背后的邏輯關(guān)系、情感和文化內(nèi)涵。Step-1X 還支持高達 2000 個字符的圖片生成指令，能讓圖文精準匹配，靈活滿足廣告創(chuàng)意、游戲美術(shù)、影視制作、產(chǎn)品設(shè)計、教育輔助等不同場景下的創(chuàng)作需求。另外，Step-1X 針對中國元素和文化進行了深度優(yōu)化，在處理中國風內(nèi)容時具有獨特優(yōu)勢，能更好地演繹出背后的文化精髓。

Step-1X 發(fā)布后，不少用戶已經(jīng)率先玩起了創(chuàng)意，從大家的體驗圖中我們也觀察到了這款大模型在不同創(chuàng)作場景下的生成效果：

 

詩畫創(chuàng)作

讓大模型為古詩詞配圖，挑戰(zhàn)在于是否能精準理解古詩中描繪的象征性事物，并捕捉和抒發(fā)出詩詞背后的意境和詩人蘊含其中的情感。

 

“疏影橫斜水清淺，暗香浮動月黃昏”，圖片描繪出了梅花照水，在月光下暗香浮動的唯美和靜謐。

 

“采菊東籬下，悠然見南山”，有縱深感的繪畫視角與“遠遠看到南山”的含義相應和，明朗柔和的用色體現(xiàn)出了陶淵明詩詞背后豁達開闊的心境。

 

“浪跡江湖白發(fā)新，浮云一片是吾身”，Step-1X 用國風動漫風進行了刻畫，設(shè)計了一個背對畫面的人物，站在高處遠眺壯闊的云海，去表達浪跡江湖的恣意灑脫。

 

故事繪本

越來越多作家開始用 AI 寫小說、配插圖，也有用戶通過給 Step-1X 描述劇情，創(chuàng)作屬于自己的故事繪本。比如：

故事：女孩的神秘探險

1. 一個未來的水下城市中，女孩戴著透明頭罩，穿梭在閃爍著藍綠色光芒的隧道里。她周圍是高聳的珊瑚建筑和游弋的海洋生物。頭罩內(nèi)的智能系統(tǒng)實時分析環(huán)境，她的任務(wù)是探索這片充滿未知的海底世界以及體驗深海帶來的神秘與孤獨感。

 

2. 一個未來的水下城市中，女孩戴著透明頭罩，穿著黑藍色的高科技質(zhì)感的潛水服，她四肢修長，在海里像一個優(yōu)美的美人魚。她發(fā)現(xiàn)海底世界邊緣某處閃著耀眼的金光，似乎是一處寶藏，她向?qū)毑氐姆较蛴稳?。遠景鏡頭。

 

 3. 一個未來的水下城市中，在水下城市的最深處，美麗的女孩戴著透明頭罩，穿著黑藍色的高科技質(zhì)感的潛水服，她發(fā)現(xiàn)了海底的寶藏，寶藏放在一個破舊的箱子里金光閃閃，寶藏后面隱藏著一只兇猛的巨獸。

 

古風人物

Step-1X 在生成古代人物時，對富有歷史感的服飾體現(xiàn)出了像素極的把握，比如在這幅鳳冠霞帔的女子畫面中，飾品上的紋路都清晰可見。

 

 

現(xiàn)代人物

用 Step-1X 生成現(xiàn)代人物的視覺圖像，對女孩子發(fā)絲、雀斑、唇紋的描繪細致入微，且圖像就定格在水滴滑落的瞬間，有了時間感。

 

 動畫英雄

用 Step-1X 生成動畫英雄人物的形象，Step-1X 交的答卷展現(xiàn)出了幾種對英雄的刻畫方式：耀眼的、眼神堅毅的、在沖突性場景中對抗對手的。

 

 

 

 

 

藝術(shù)畫作

Step-1X 可以為用戶指定的創(chuàng)作元素賦予不同藝術(shù)流派的風格，這背后是文生圖大模型對藝術(shù)家風格的捕捉和理解能力。比如模仿印象派大師莫奈創(chuàng)作的花海，抓住了光影輪廓線模糊化、色彩透明度高的特點，演繹出印象派抒情的畫風。而模仿達利創(chuàng)作的圖片，捕捉了超現(xiàn)實主義荒誕不羈的特色，呈現(xiàn)了一個內(nèi)容魔幻的動物茶話會。

 

 

生動有趣的動物刻畫

在對動物形象的描繪中，Step-1X 呈現(xiàn)出了細膩的畫風，而且動物在刻畫中被賦予了或可愛或威武的人格。

 

 

隱藏玩法

階躍星辰官方公眾號還披露了兩個隱藏玩法，能讓生圖效果獲得加成：

1. 在 Prompt 中融入咒語「令人嘆為觀止的細節(jié)，逼真的畫面」，讓圖片的寫實程度進一步提升。圖片中對古典中國園林的刻畫極致入微，能細致到每片葉子，巴黎街道的長曝光圖片也跟單反相機拍攝效果有的一拼。

 古典中國園林景象

 巴黎街道的長曝光照片

 

2. 用智能助手「躍問」完善 Prompt

階躍星辰開發(fā)的智能助手「躍問」搭載了 Step-1.5V 多模態(tài)大模型，識圖能力 Max。把圖片發(fā)給躍問（yuewen.cn），配以下 Prompt，使用新得到的 Prompt 進行文生圖創(chuàng)作："你是一個文生圖模型的提示詞專家，你善于通過圖片分析內(nèi)容里面的人物形象、環(huán)境、背景、圖片風格、色調(diào)等信息，然后以此為基礎(chǔ)創(chuàng)作文生圖模型的提示詞。" 比如下面兩張圖，基于躍問識圖和 Step-1X 文生圖能力，生成了一張與原圖中人物動作、情感都十分類似的圖片。

原圖

 

Step-1X 生成圖

另外，除了上線圖像生成大模型 Step-1X ，階躍星辰開發(fā)平臺近期還迎來了多項更新，包括：

? 發(fā)布極速版模型 Step-1-flash。Step-1-flash 是一款高性價比模型，可支持的上下文長度為 8k，相對于此前發(fā)布的 Step-1 語言大模型首字延遲降低 25%，輸出速度是 Step-1 的 1.7 倍。

? 開放平臺體驗中心上線，體驗中心具有直觀的用戶界面，無需編寫任何代碼即可體驗階躍星辰旗艦模型。

? 上線了應用開發(fā)指南，根據(jù)開發(fā)者碰到的高頻問題，提供大模型應用開發(fā)的最佳實踐指導和代碼示例。目前已經(jīng)上線了關(guān)于文生圖、 Json Mode、Prompt Engineering、流式輸出、多輪對話、異常處理和 Tool Call 的內(nèi)容。

要迎來 AI 應用的井噴式爆發(fā)，先決條件是底層大模型創(chuàng)新公司能堅持探索技術(shù)邊界，通過生態(tài)開放實現(xiàn)技術(shù)普惠，無限降低開發(fā)者的使用門檻。階躍星辰正在這條路上持續(xù)加碼，除了快速迭代模型產(chǎn)品，階躍星辰也面向 AI 應用開發(fā)者推出了“繁星計劃”，提供免費 tokens、技術(shù)支持、孵化器服務(wù)、行業(yè)資源對接等一系列支持和服務(wù)。

歡迎體驗 Step-1X 文生圖功能，https://platform.stepfun.com/console-tools?model=step-1x-medium

雷峰網(wǎng)(公眾號：雷峰網(wǎng))

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。