重大通报“微乐斗地主必赢神器”（详细开挂教程）-知乎

【央视新闻客户端)

The following article is from 元住民 Pro Author 瑗瑗子

本文仅代表个人工作流总结 & 行业思考，较为粗糙，并无阐述过多技术点。如有其他想法欢迎交流。

有部分科普性质文字，同专业同学可以只看第 4 和第 5 部分。

5. 不同业务要求下 AI 能够介入的程度，对设备及人员的要求

不同 AIGC 软件效果图

目前 AIGC 的主流软件有 midjourney 和 stable diffition。

可以明显看出，mj 的生产图精细度更高，画面更细腻；sd 则质量稍差一些。二者根本区别在于，sd 的底层框架是开源的，而 mj 是闭源的。

原理阐述 & 软件选择

开源的本质含义是——我可以自由的选择这项技术的任何节点，自我改造成适应我业务的模式；所以大多数情况下，适合介入工业化的软件都会是 sd 而不是 mj。

AIGC 工业化到底是什么

与业务美术风格（画风）一致的前提下，AI 可以根据项目的具体需求，快速大量出图解决需求 or 提高解决需求的效率；使人工成本降低，生产力提高。

美术要求越低越少、量越大的业务，AIGC 可用价值就越高。

2. 可以结合软件快速完成多种多样的个性化需求。

我个人在工作和个人创作中针对 AI 跑了很多条工作流想去节约自己的时间和提升效率，基于时间和隐私问题我就不再这里展开讲述，只是拿出基本的思路拆解给大家举个小例子。

某小业务的画风来源于一名叫 rinotina 的韩国画师，现有数字人 / 角色需求如图。

3. 测试数据分批试跑 直至找到风格最接近且稳定的 lora。（目前不太推荐 loha，乘积参数变量太大）

这里我推荐我个人的两种工作流，：一种是面对想法少时间赶的文生图法，第二种是想法偏多的图生图法。同理，想法越多，设计师介入程度越高。

可以看到这张图还存在诸多的细节问题，但已经可以基本满足 60% 需求了。从生成到选图，花费时间在 3h 左右。剩下的细节设计调整，就需要靠设计师手动调整，并与需求方强交接。

这套文生图的方法流更多是做一个大方向的快速出具，给需求方更多选择后，靠设计师自行迭代完善。不过也可以用于需求方给美术出具参考图的环节。

1. 如果需求方并没有那么确定自己的想法，那么画师前期可以多尝试一些草图，确认大方向。

2. 利用插件 controlnet 介入，拒绝不稳定生成。

Controlnet 集合多个处理器，如 canny 线稿检测、openpose 姿势检测等，将其他图片的内部信息检测后可应用到自己的图片创作中来。

将草图导入 controlnet，让后启动了 hed 处理器。（我个人觉得这个处理器比较全面，所以喜欢用这个 )

这样一张图基本可以达到最终效果的 80%，它的设计在画师和 AI 的不断修正中已经基本确定，欠缺的是细节的调整和补充。这样的工作流，更适合想法偏多、磨合更多的需求当中。

结合需求和 AI 介入程度，自行打造管线即可。例如，在某画风确定且有大量美术素材的游戏项目中，想利用 AI 节省美宣成本，那管线可以是：

固定角色 lora＋场景 lora＋画风 lora 或画风大模型，搭配文生图 or 图生图任意工作流。

不同业务要求下 AI 能够介入的程度，

对设备及人员的要求

所有业务对于 AI 介入的底层逻辑思路，其实都是一致的。

想法越多、对于内容的确定性越强，AI 的介入程度就会变得越低。

AI 无法顶替设计师，它始终是作为工具的助赢性存在。文娱内容向的产品，重要的从来都是内容，而内容作为感性产物，始终需要设计师人为感应市场和他人的诉求后，做出选择和决定。要求越高，那么美术皮下的内容和想法就越重要，AI 的介入程度就越低，否则反之。

买量向产品、大众市场高迭代向产品，不管是品牌还是游戏，AI 介入应该都是笔划算的买卖。此类业务中，AI 没有办法做到 90 分，但可以达到 70 分，只要保证模型稳定需求清晰，可以提升 20% 甚至 30% 的前期美术效率。

但在偏高品质、要求高想法的业务中，AI 对于 UI、UX、插画、原画、平面设计等工种来说，更多是提供局部流程上的改善，整体提升效果偏弱。

AIGC 目前对于设备的要求尚可，sd 本地部署基本需要 2080 的显卡及以上，云端部署对于中小业务来说是不错的选择。

而训练同理，Lora 等小模型目前的开源训练包已经非常成熟，主要是分批测试较为花费时间成本；而对于使用者来说，sd 和 mj 的学习成本并不算很高，对于审美和需求磨合能力的要求，远高于对技术能力的要求，基本大多数需求方里 1 至 2 名设计师配合等比技术即可。

UI、字体，都是可以被做成模型的应用方向。

我所看到的盈利方向

我个人认为，想要盈利，目前缺乏的是挖掘 AI 到底能被融入到哪些需求中的洞察力，而不是单一专注于 AI 技术本身。就像我在文章开头说过的，sd 能应用工业化是因为它开源，但开源的技术一般都难以盈利。

sd 直接盈利很难，不过拿来封包做应用应该没那么难。尤其是做成妙鸭相机的甜品级应用（用户诉求不高、量大、单一），或是 to B 的业务应用（封包管线）。

更多是通过一种将需求转化为可应用的能力，来达到盈利目的。

其实笔者作为一名画师，在刚接触 AI 时是极度焦虑的，甚至认为自己会失业，想要转变职业走向去逃避 AI。但在一次次学习尝试和摸索中，我发觉 AI 的出现让画面做精美的难度，的确比之前大大降低。同时，市场对画面故事性、情感性、风格特殊性的要求，也会大幅度增加。

也就是说，大家对于内容的要求增加了，本质变化是，我需要在日后漫长的职业生涯里，学会预判下一步市场会喜欢怎么样的美术，什么创新尺度是观众可以接受的，我做的设计表达出来的内容观众能否第一时间感知到，这些内容是否也能引起他人共鸣……这些成了我的新职业命题。

我画的每一张画都不是画，是一个内容的其中一部分。单一精美的画面没有用，但如果是一百张精美连在一起的画面，伴随着一个个故事、设定、玩法、模型、动画，就成了新内容的开始。

就好像《蜘蛛侠：平行宇宙》一样，在多个宇宙里，蜘蛛侠可以是黑色或白色，人类或动物，画风也会有变化……但只要他被一个蜘蛛咬了一口，爬到高楼之上，那他就是蜘蛛侠。