智東西（公眾號：zhidxcom）
作者 |? 陳駿達
編輯 |? 漠影
農歷新年將至，各大互聯網平臺紛紛上線了春節營銷活動。除了集“五福”、集卡等經典玩法之外，今年也有不少與AI結合的新玩法出現，百度搜索就推出了“AI拜年”活動。
現在，只需要在百度搜索“祝福語”，再點擊“做賀卡”，按照自己的需求調整文案后，選擇“創意照片”，就能定制各種腦洞大開、趣味十足的新年祝福卡片。
比如，你可以將自己的證件照上傳，制作成一張在天壇前的專屬的拜年海報。
在文心一言4.0中，你還可以將家里的寵物照上傳，生成一張年味兒十足的“萌寵賀歲圖”。
可以看到，AI不僅理解并準確呈現了文字提示詞中涉及的“福字”、“農家院”等文化元素，還將用戶上傳的寵物照、人像自然地融合進生成結果，生成效果與實際照片的契合度也很高。
這一生成效果得益于百度研發的iRAG（檢索增強的文生圖技術）。這項技術給大模型裝上了一個億級的“視覺外掛知識庫”，在生成圖片時根據提示詞等信息給大模型查找相關圖片資源，作為參考數據，進而提升圖像生成的準確性，還可降低制作成本。
接下來，就讓我們來看看，這一充滿節日氛圍的AI營銷背后，究竟蘊藏著什么樣的技術實力？
一、大模型深入理解中華文化，精準生成名勝古跡與文化元素
在文心4.0中，我們進一步體驗了“AI拜年”背后強大的生圖能力。讓人最眼前一亮的是，它展現出了對各種文化要素的精確理解。
例如，用戶可以讓文心4.0生成一幅“天壇雪景圖”，要求體現藍瓦屋頂和精美木結構的建筑風格，以及雪后靜謐的氛圍。
僅需等上幾秒，文心4.0就完成了圖像的生成。圖像內容與天壇的實際形象基本符合，準確度較高。
而當其它的生圖模型接到這一任務時，卻出現了較為明顯的幻覺問題。下圖左側的ideogram-v2將天壇的層數生成錯了，而右側的imagen-3.0生成的天壇與周邊建筑和景觀的比例不符合實際情況。
同樣的，我們還能讓文心4.0生成一幅“春節廟會”的場景，并指定其體現紅燈籠、舞龍舞獅、糖畫等傳統元素。
對于中國傳統的民俗藝術，文心4.0也能準確把握到其風格特點。這副剪紙畫從顏色到風格上，都符合中國傳統審美。
相同的提示詞到了其它生圖模型上，生成的風格完全不符合預期。左側的結果雖然嘗試還原傳統剪紙藝術，但魚的線條顯得生硬，缺乏靈動感。而右側的畫面則過于現代，顏色選擇也失去了剪紙藝術的精髓。
除此之外，AI拜年功能和文心4.0都支持圖生圖的定制化玩法，可玩性很強，用戶幾乎可以將任意照片上傳，生成專屬的圖像。
將這只高冷的雪鸮交給文心4.0，它就能讓雪鸮穿上年味十足的服飾。
用戶也能把自己隨手拍的白塔，搬到江南水鄉。文心的融合結果毫無違和感，白塔的細節全都得到保留。
二、iRAG給大模型加裝知識庫，無縫銜接現實世界
上方案例中，文心4.0在生圖任務中實現的高準確性、幾乎無幻覺的表現，與背后百度自研的iRAG技術密不可分。
傳統文生圖模型在生成圖像時，往往依賴于模型自身的生成能力和有限的訓練數據，缺乏對特定文化元素和現實細節的精準把握，很容易生成不符合事實或邏輯的圖像，也無法覆蓋豐富的現實世界和多樣化的場景需求。
百度則將已經在文字生成領域經受住可行性驗證的RAG（檢索增強生成）技術，引入圖像領域，發展出iRAG技術，顯著提升生成內容的可靠性和準確性。
iRAG技術就仿佛給大模型加裝了一個“視覺外掛知識庫”，讓大模型能更好地理解用戶在指令中提及的“天壇”、“白塔”、“廟會”到底應該是一副怎樣的畫面。
百度搜索收錄了海量特定事物的可信圖片資源，這些資源通過iRAG技術，與文心4.0模型的能力結合，用豐富的參考數據確保生成圖像的真實可靠。
此外，這種生成與檢索結合的技術路徑，也能從多方面節省成本。iRAG讓模型不需要完全依靠自身知識生成圖像，減少了對大規模訓練數據的需求。同時，使用了iRAG技術的圖像生成“命中率”更高，從而減少修正和重新生成的需求，提高了整體效率。
同時，由于外部的數據庫可以實現更為及時的更新，iRAG能讓大模型始終保持對最新信息的敏感性和準確性，進一步提升成本效益和用戶體驗。
這種在準確性、成本效益方面實現的顯著進展，標志著AI生圖從娛樂工具向實用工具的本質轉變。
三、iRAG技術潛力顯現，或將推動AI生圖廣泛落地
自生成式AI浪潮興起后，圖像生成就一直是各大AI玩家發力的重點方向。這一賽道中既有Stable Diffusion這樣的開源模型，也有DALL·E、Imagen等來自巨頭的專有模型。這些模型憑借高度定制化的體驗和解放用戶視覺創意表達的潛力，吸引了不少個人與企業用戶的使用。
然而，在眾多生圖模型落地具體生產場景時，準確性是困擾用戶的關鍵問題。不準確的圖像需要反復修改或重新生成，不僅耗費時間和資源，還會降低生產效率；AI生成的錯誤產品圖片，還可能會影響客戶的購買意愿；更嚴重的是，錯誤或不當的圖像可能損害企業品牌形象，甚至引發法律糾紛，給企業帶來額外的風險。
而iRAG在準確性、成本效益上的優勢，恰好回應了專業用戶使用生圖模型時的種種痛點。這意味著這項技術不僅能應用于“AI拜年”這種娛樂性較強的營銷場景中，還具備影視制作、廣告設計、電子商務等更為廣闊的想象空間。
在去年的百度世界大會上，百度創始人李彥宏便展示了一張大眾汽車飛躍長城的畫面。圖中汽車的細節與真車別無二致，甚至還生成了汽車騰空而起時的煙塵。
過去拍攝這樣一組汽車在特定場景的高質量宣傳海報，成本往往高達一二十萬甚至更多，而現在借助iRAG技術，創作成本幾乎可以忽略不計。
在電子商務場景中，iRAG可以用于提升產品展示的效果和用戶體驗。通過生成高質量、逼真的產品圖像，iRAG能夠幫助商家快速創建吸引眼球的商品展示頁面。
例如，商家上傳一張普通的產品照片，便可利用iRAG生成多場景的產品展示圖，甚至可以根據用戶需求添加節日元素或個性化背景。
iRAG讓商家無需實地拍攝，或是進行復雜的后期工作，也能獲取制作精良的宣傳物料。對中小商家來說，這項技術有望成為提高購買轉化率，帶來更高的流量和銷售額的利器。
在漫畫作品、連續畫本等視覺創意工作中，iRAG在一致性上的優勢，也能將創意人員從繁瑣的工作中解放出來，不必再花費大量時間在重復性的繪制和修改上，而是可以將大部分精力都投入到故事構思、角色塑造和藝術表達等更具創造性的核心環節中。
結語：iRAG技術有望開啟視覺創作新時代
具備低成本、低門檻、高準確性等優勢的iRAG生圖技術，有望為各行各業的視覺創作流程帶來重大變化。
想象一下，賣煎餅的老板也能輕松設計出高級感十足的菜單，小型企業無需依賴專業設計師即可打造品牌形象，教育機構可以快速生成生動的教學素材……
iRAG技術的潛力不僅限于提升效率，更在于讓創意和設計變得觸手可及，賦能每一個普通人和行業從業者。
