@[toc]

摘要

根据文字生成图像，是近几年大模型领域比较热门的研究。我这篇文章主要记录如何使用百度的文心大模型实现文字生成图像。

PaddleHub能力简介

PaddleHub旨在为开发者提供丰富的、高质量的、直接可用的预训练模型

• 【模型种类丰富】: 涵盖大模型、CV、NLP、Audio、Video、工业应用主流六大品类的 360+ 预训练模型，全部开源下载，离线可运行
• 【超低使用门槛】：无需深度学习背景、无需数据与训练过程，可快速使用AI模型
• 【一键模型快速预测】：通过一行命令行或者极简的Python API实现模型调用，可快速体验模型效果
• 【一键模型转服务化】：一行命令，搭建深度学习模型API服务化部署能力
• 【十行代码迁移学习】：十行代码完成图片分类、文本分类的迁移学习任务
• 【跨平台兼容性】：可运行于Linux、Windows、MacOS等多种操作系统

文心ERNIE-ViLG介绍

文心ERNIE-ViLG参数规模达到100亿，是目前为止全球最大规模中文跨模态生成模型，在文本生成图像、图像描述等跨模态生成任务上效果全球领先，在图文生成领域MS-COCO、COCO-CN、AIC-ICC等数据集上取得最好效果。你可以输入一段文本描述以及生成风格，模型就会根据输入的内容自动创作出符合要求的图像。

目前ERNIE-ViLG的文心大模型API已经登入PaddleHub，只需通过4行代码就能实现强大的图文生成能力! 你可以输入一段文本描述以及生成风格，模型就会根据输入的内容自动创作出符合要求的图像。
例如：

配置环境

1、安装PaddlePaddle
链接：https://www.paddlepaddle.org.cn/

如果只是为了体验图文生成的功能，可以安装CPU版本。

conda install paddlepaddle==2.3.2 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/

更详细的安装步骤：https://www.paddlepaddle.org.cn/documentation/docs/zh/install/conda/windows-conda.html#anchor-0
2、安装PaddleHub

pip install --upgrade paddlehub
pip install docarray

模型加载推理

新建个python脚本，插入下面的代码即可生成图像。

import paddlehub as hub
from docarray import DocumentArray,Document

erniv_vilg_module=hub.Module(name='ernie_vilg')

result=erniv_vilg_module.generate_image(text_prompts='香山，天鹅，亭子，古风，枫叶，概念艺术',style='水彩',output_dir='./output')

DocumentArray([Document().load_pil_image_to_datauri(image) for image in result[:6]]).plot_image_sprites()

参数：

• text_prompts(str): 输入的语句，描述想要生成的图像的内容。
• style(Optional[str]): 生成图像的风格，当前支持’油画’,‘水彩’,‘粉笔画’,‘卡通’,‘儿童画’,‘蜡笔画’。
  还有一些其他风格也是支持的，比如：
  二次元、浮世绘、蒸汽波艺术、low poly、像素风格、概念艺术、未来主义、赛博朋克、写实风格、洛丽塔风格、巴洛克风格、超现实主义等。
• topk(Optional[int]): 保存前多少张图，最多保存10张。
• output_dir(Optional[str]): 保存输出图像的目录，默认为"ernievilg_output"。

返回

• images(List(PIL.Image)): 返回生成的所有图像列表，PIL的Image格式。

Prompt 设计原则

Prompt:简单原则:清楚地陈述 除了公式之外，也有一些简单的prompt设计原则分享给大家

这里的第一条原则是 要清楚的陈述

例如我们如果是简单的输入 风景的话，往往模型不知道我们想要的风景是什么样子的

我们要去尽量的幻想我们风景的样子，然后变成语言描述

例如我想想的是日落时，海边的风景

那我就构造了prompt

进一步的，我想风格化我的图像，所以我在结尾的部分，增加了 胶片感来让图片的色彩更加好看一些

但是云彩的细节丢失了一些

进一步的我再增加天边巨大云朵这一个细节，让我的图片朝着我想要的样子靠的更进一步
详见：https://wenxin.baidu.com/wenxin/docs#Ol7ece95m
下面举几个例子：

1、火焰，凤凰，少女，未来感，高清，3d， 精致面容，cg感，古风，唯美，毛发细致，全身立绘

result=erniv_vilg_module.generate_image(text_prompts='火焰，凤凰，少女，未来感，高清，3d， 精致面容，cg感，古风，唯美，毛发细致，全身立绘',style='古风',output_dir='./output')

输出结果：

2、巨狼，飘雪，蓝色大片烟雾，毛发细致，烟雾缭绕，高清，3d，cg感，侧面照

result=erniv_vilg_module.generate_image(text_prompts='巨狼，飘雪，蓝色大片烟雾，毛发细致，烟雾缭绕，高清，3d，cg感，侧面照',style='写实风格',output_dir='./output')

如果不想安装环境也可以在百度的网站上体验，链接：
https://wenxin.baidu.com/moduleApi/ernieVilg