漫画拖更将成历史？首部AI图文小说问世：一小时画一页

编辑：LRS

来源：新智元

导读：不会画画也能当艺术家！用心讲故事，让AI做你的画手！

去年11月首播的《英雄联盟：双城之战》让各位老召唤师直呼爷青回，主题曲《孤勇者》也成了小学生的新暗号。

《双城之战》由中、美、法三国开发制作，内容包含7000多个镜头和上万个手绘原画，但制作耗费了六年时间，小学生都等成了大学生。

随着DALL-E 2等图像生成神器的上线，设计师或许不必再从头开始绘制，只需要在草稿上进行修改即可。

更重要的是，要是你也想通过漫画讲述「自己的故事」，即便完全不懂绘画，你也能圆梦！

最近在Midjourney官方的Discord服务器上，网友KrisKashtanova发布了几页用Midjourney（类似于DALL-E 2的程序）制作的漫画小说Zarya of the Dawn，瞬间引发了激烈的讨论，很快就登上了AI项目的热榜。

云盘地址：https://drive.google.com/drive/folders/1bm8xHxYKlrYDd8BGa5tbu9esg8CLwN5Y

引起热议的原因并非是内容精彩（毕竟只有17页），而是作者提供了一种全新的方式来利用基于文本的图像生成模型，让每个人都有用图文讲述自己故事的机会！Zarya of the Dawn也是首部AI生成的图文小说（graphic novel）。

而且作者还解决了诸多生成上的技术问题，例如主人公的一致性问题等。

作者Kristina Kashtanova出生和成长于俄罗斯北高加索地区，在纽约居住。她拥有软件工程背景，在计算机图形领域拥有十年工作经验。离开软件行业后，成为了一名记者和专业摄影师。目前从事用户体验和运动设计相关的工作。

用AI讲图文故事

Kristina在学习使用Cinema4D 开发3D时萌生了一个想法，即通过图像来讲述故事，内容是关于一个人访问不同的世界来理解她的情绪和感受。

从2021年开始，Kristina陆陆续续做了一些内容，但这件事非常耗时，并且对于新手来说也很难。由于空闲时间非常有限，所以进展很慢。

直到AI加入战场，Kristina只需要1个小时就能完成一整页的图文小说，再使用Comic Life 3为图片添加文本和分格即可，在工作日的下班时间也能轻松完成，整个过程「轻松加愉快」。

Kristina选择了一个关于始于纽约市未来的不同世界的故事，因为作者住在纽约，她觉得用科幻来想象身边的地点很有趣。

在Zarya of the Dawn发布的10天里，大约有1000个人受到启发，开始利用Midjouney创建自己的故事。

不过一个关键问题是，基于文本来生成图像的人物形象在不同的生成中可能会有所变化，要是主人公的形象换来换去的，那读者难免理不清头绪。

刚开始Kristina选择用名人的名字作为提示文本，这也是最简单的方法，作者选用的公众人物为美国女演员Zendaya，但这种行为实际上已经违反了AI道德准则，在未经授权的情况下生成人脸，所以Kristina只能放弃这个方案。

第二种方法则是使用MetaHuman自己捏脸，并把该形象传入到Midjourney

小说中的第一个自设计主角为Kristina的祖母Raya，作者也是用这种方式表达怀念。

Kristina将MetaHuman的截图喂给MidJourney，并生成不同表情的彩色铅笔草图。MJ在处理表情方面做的不是特别好，但MetaHuman可以生成一个有表情的角色作为源图像。

目前Midjourney仍然有一些限制，比如不能很好地处理画面中的多人场景或指定人物的动作，这对小说创作来说是很必要的。虽然有一些方法可以绕过该机制，但并不能保证一定成功，而且会花费很多时间。

这也是AI绘制漫画下一步要解决的主要问题。

Midjouney还有一个历史功能，可以根据想象和使用的词，然后以某种相同方式产生图像，这也是为什么漫画中的环境和风格是一致的。

当然，Kristina肯定不是唯一想出这个主意的人，Elvis Deane也是Midjourney用户，正在创作他的第一部图文小说。

Elvis 有20多年的漫画创作经验，但还是被AI创作漫画的能力给惊艳到了，直接开通了MidJourney的会员继续生成图像。

在解决主角一致性上，Elvis同样使用知名演员来友情客串。

整个过程十分顺利，仅花费几个小时生成了几百张图像后，就获得了一个完整的故事，Elvis自述：这是我一生中最令人惊奇的创作时光之一。用AI创作真是太舒服了。

在接下来的两周时间里，Elvis慢慢开始生成更多图像并进行测试，他认为整个创作过程更像是「即兴表演」，AI模型会对你提的任何要求返回一个结果，然后你再根据这个结果进行反馈，不断修正，直到图像达到满意的效果，只不过AI并不能完全理解人类的语言。

比如你说，「我希望这个角色出现在书架前的书店里」，生成的图像有时候主角的头会在书架上，有时她的头会漂浮在某个地方，有时两个头会出现在同一个镜头里，尽管提示文本已经描述得很清晰了，但生成结果完全是不可预测的，大概率也不是你想要的。

更困难的是指定角色的行为，比如说某个角色被杀了，或者主角从反派手中逃走，MidJourney几乎不可能返回结果；再比如输入「跑步」命令时，角色的一条腿可能会离开地面，但更多的情况是站在原地；最最困难的是「躲避」动作，不论作者如何尝试，总是得不到想要的结果。

总的来说，Elvis对短时间内创作的漫画小说还算满意，在goats发布到reddit上后，网友的反应也都是惊叹。不过也有一位网友表达了悲观情绪：作为刚入行的漫画书作家，我想知道自己未来是不是要失业了？

在AI图像生成器的讨论中，另一个重要问题就是版权。根据 Midjourney 的服务协议，输入prompt的人享有生成图像的版权，但对于prompt版权的归属却没有定论。

毕竟掌握了prompt的人，也就掌握了图像，尤其是现在已经有交易软件开始贩卖文本prompt。

再比如，Elvis使用知名演员作为主角是否会影响到版权？

虽然目前主流艺术界对于使用AI工具生成漫画的态度都是「你做得不错，但你不是艺术家」。

毋庸置疑，图像生成很好用，但也要警惕：艺术家的核心是思想和创造力，否则工具反而会限制作品的表现力。

新赛道已开

8月16日，亚马逊上架了一本特别的童书，售价8.99美元，特别之处在于所有内容都是由AI生成的。

免费电子书：https://drive.google.com/file/d/1ho-pAC_U_TVPLYn_FoPFEJVJHXhsubEe/view

书的图片通过DALL-E制作，内容为经典的敲门笑话，帮助儿童学习各种蔬菜的单词。

敲门笑话的笑点通常为双关语，由两人对答组成，例如

甲：Knock, knock!（敲门，咚咚咚！）

乙：Who's there?（何人？）

甲：Doctor.（博士）

乙：Doctor Who?（哪个博士？/ 何博士？）

甲：How did you know?!（你怎么知道？！）

该书目前已经收获了三个五星好评（不知道是否为亲戚朋友），都表示「小孩子很爱这些笑话」，内容很有意思。

不过这本书的篇幅不长，只包含六个变化的场景，作者表示生成不断变化的场景、对内容进行替换、DALL-E的语义理解上仍然存在缺陷。

参考资料：

https://robotspaint.com/the-first-ai-generated-graphic-novels-are-here-2545/