✨我是怎樣踏入生成式 AI 世界的？
一切開始於 2022 年中生成式 AI 剛開始爆發的時期。那時我在社群上看到朋友用 Midjourney 和 Stable Diffusion 生成的圖像作品，還收到朋友提供的 Midjourney 邀請碼。這一次嘗試，讓我正式踏進了 AI 圈子。
Midjourney 操作簡單，只需在 Discord 輸入 /imagine 加上描述，即可在一分鐘內產出高品質圖像。它的邀請碼制度與社群獎勵機制也促進了知識交流與使用動力，加上社群用戶不斷分享成果，形成一股強大風潮。
🚀從 Midjourney 到 Stable Diffusion
雖然 Midjourney 容易上手，但無法脫離 Discord 使用，對開發來說較不方便。後來我開始探索 Stable Diffusion 的開源生態，發現它具備高自由度與可控性，可以搭配各種插件與本地部署，甚至支援伺服器應用，非常適合技術開發與商用專案。
為此我也搭建了 Stable Diffusion WebUI 並學會使用 ComfyUI，從圖像提詞、模型選擇到節點式流程設計，逐步建立自己的 AI 生成工作流。
🔮創作與學習並行：將 AI 技術融入我的專案中
我在攻讀數碼媒體學位期間，也在一間新創公司擔任技術設計師。這段時間，我開始把生成式 AI 應用在實際項目中，邊做邊學、邊試邊改，以下是幾個作品：
結合 Stable Diffusion + ChatGPT + Azure Voice 打造互動式占卜體驗，使用者可透過語音或文字提問，占卜師會根據水晶球影像解答。圖像經由 API 發送至 GPU 伺服器進行生成，語音則由 Azure TTS 配音解說。
📽️ 介紹影片：連結
我設計了 6 位風格各異的虛擬女友，並利用 Stable Diffusion 提詞生成角色圖像。當時為了保持人物外觀一致，我自創了詞庫 magic-cat 來幫助我鎖定髮型與穿著細節。
其中一位角色 Hana 在 Poe 上每月有超過 2000 名使用者互動，還有人特地來詢問 prompt 寫法，讓我頗有成就感。
🧠 推薦閱讀：magic-cat 提詞庫、Poe 連結
在 Avatech 公司開發的 Y-DIR 項目中，我運用 ControlNet 穩定生成角色面部位置，並串接 Live2D 與 Blender 動畫系統，角色可自然地眨眼與對嘴。
後期改以 ComfyUI 重構流程，大幅提升團隊協作與開發彈性。
📽️ 範例影片：連結
使用 Kohya's GUI 訓練個人 LoRA 模型
記錄聲音訓練過程，實驗變聲與歌唱模型
開發 Discord 機器人，輸入 prompt 即可生成圖像
💬 小結：AI 技術給我什麼？
從一開始的好奇，到現在能獨立設計 AI 系統與角色模型，我深刻體會到「實作就是最好的學習方式」。生成式 AI 不只是工具，更是一種創作方式與未來語言。希望我的這段旅程，也能啟發你開始屬於自己的 AI 創作之路！
沒有留言:
張貼留言