【Hugging Face】Ep.7 以文生圖的魔幻製圖師(Text To Image)

2023/07/31閱讀時間約 5 分鐘

我們過往介紹了幾個關於文字AI應用的篇章：

但單獨的文字應用似乎不太能滿足千變萬化的應用時代，相信常常我們都有在Line、Facebook看到過梗圖吧！但這些梗圖都非常的陽春，通常在我們給予的背景圖上加註文字，就產生很多的問候圖，非常的呆板，那如果AI能夠理解我們的意圖並繪製出圖片不就更完美了嗎？很幸運的我們搭上了AI發展的時代列車，這樣的技術也越趨成熟，各式各樣的模型也都有高手經過微調放置在網路上開源共享，這個篇章我們就會實際以技術角度來進行使用，並測試看看效果如何。

圖片來源

我們需要哪些素材？

由於目前效果最好的莫過於「stable-diffusion」了，它是2022年發布的深度學習文字到圖像生成模型，因此我們也會以它來進行任務，但此模型對於「中文」的識別來說並不友善 😔 ，那我們能怎麼做呢？

當然可以對該模型進行Fine Tune， But…數據哪裡來？

除了自行Fine Tune之外還有別的思路嗎？當然有！我們在「【Hugging Face】Ep.2 初探新手村, 打造專屬的翻譯官」有介紹了如何搭建一個翻譯官，那這位翻譯官不就能夠幫助我們將中文翻譯成中文了嗎？透過簡單的AI工具庫組合技巧就能夠幫我們完成中文語句產生圖像的任務了，如此一來需要的素材大致如下：

翻譯AI: Helsinki-NLP/opus-mt-zh-en
文字生成圖片AI: runwayml/stable-diffusion-v1-5

怎麼找這些模型呢？

在「【Hugging Face】Ep.3 前往Dataset掏金趣」我們有介紹過HuggingFace平台如何精準的找出我們需要的模型。

安裝套件

!pip install diffusers
!pip install transformers

我們先看看尚未翻譯過的成果

from diffusers import StableDiffusionPipeline
import torch

t2i = StableDiffusionPipeline.from_pretrained('runwayml/stable-diffusion-v1-5')
t2i = t2i.to("cpu")

prompt = "一個在窗戶上的蘋果"
image = t2i(prompt).images[0]  
image

圖片來源

我們期望有蘋果、有窗， But…怎麼會是這樣呢？這是什麼鬼?

仔細看了官方說明文件有指出: 「該模型主要使用英文字幕進行訓練，在其他語言中效果不佳。」

圖片來源

既然如此我們何不搭個翻譯官，幫我們將中文翻譯成英文再讓以文產圖機器人更容易理解呢？

透過翻譯讓AI更理解我們的需求

我們就在產生圖片之前加掛翻譯功能，將我們的中文語句翻譯成英文，再讓Text-to-Image AI理解我們真正的意圖。

翻譯

透過翻譯，讓我們將中文轉換成英文。

from transformers import pipeline
# 使用翻譯任務
translator = pipeline("translation", model='Helsinki-NLP/opus-mt-zh-en') 

t = translator('一個在窗戶上的蘋果')
prompt = t[0]['translation_text']

重新生成圖片

image = t2i(prompt).images[0]  
image

圖片來源

看起來正常多了，有窗、有蘋果，基本上都滿足我們提出的需求。

今天的範例都在這裡「📦huggingface/huggingface_text2image.ipynb」歡迎自行取用。

如何使用請參閱「【Google Colab系列】台股分析預備式： Colab平台與Python如何擦出火花？」。

結語

藉由Hugging Face平台，我們可以親手打造各式各樣的AI機器人，上面也已經有許多前輩分享的模型可供使用，對於我們來說只要站在巨人的肩膀上即可，也期望有朝一日我們也能訓練出對這世界更有幫助的AI模型。

喜歡撰寫文章的你，不妨來了解一下：

Web3.0時代下為創作者、閱讀者打造的專屬共贏平台 - 為什麼要加入？

歡迎加入一起練習寫作，賺取知識！

【Hugging Face】Ep.7 以文生圖的魔幻製圖師(Text To Image)

我們需要哪些素材？

安裝套件

我們先看看尚未翻譯過的成果

透過翻譯讓AI更理解我們的需求

翻譯

重新生成圖片

結語

更多關於【Hugging Face 系列】…