423
8只要上传一张照片，无需等待，我的脸立刻进入瞬息全宇宙。开源工具InstantID出现，让AI写真进入了新高度，一张脸可以实时出现在任意提示词描绘的场景里，LeCun都忍不住转发互动。回顾过去一年，写真是AI领域为数不多产品化成功的方向，无论技术怎么卷，好像我们还是最先关心自己的脸。
本期除了关注InstantID年轻开发者背后的故事外，也抛出了以下问题：AI人像的产品潜力是否还没挖掘完，哪些要素让这些算法团队在竞相厮杀？期待和听众们一起头脑风暴，欢迎分享任何想法。
本期人物
- 王浩帆：InstantID通讯作者，小红书AIGC算法工程师
- 归藏：AIGC知名KOL，Catjourney主理人，大厂产品设计师
- 宙宙Jo：热爱图像和开源，建设Diffuseum中，前AI投资
时间线
- 00:46 浩帆和InstantX小组
- 03:59 归藏和他正在做的Catjourney
- 05:19 InstantID是什么：更高效、更自由的固定人像生成
- 07:30 两位嘉宾为什么会各自关注人像这个问题
- 10:36 InstantID 项目开发的历程
- 11:06 人脸固定的技术原理，最巧妙的设计是Controlnet的输入
- 14:02 社区应用和归藏的测评结果
- 19:02 用户的关注点：相似度、真实性、审美、生成成功率
- 22:28 现有市面产品，换脸 VS InstantID
- 23:58 AI写真产品化的潜力，是否有独立团队的空间
- 35:25 Stable Diffusion社区近期变动，生态迁移的痛点
- 41:55 InstantID开源的正负反馈，缺乏长期激励
- 44:11 SD社区成就了年轻开发者崭露头角的第一步
- 46:57 SD3是否如期开源，模型继任者是否会易位
- 50:04 对开源项目长期激励的机制讨论
相关链接
- InstantID：instantid.github.io
- 归藏的AI周刊：op7418.zhubai.love
- CatJourney：catjourney.life
- X社区中的InstantID用户案例展示：twitter.com
twitter.com
联系我们
Diffuseum 是一个对生成式图像、开源人工智能感兴趣的社区，这档播客记录我们关注的一线开发者的故事。
- X: jojodecayz
- WeChat: Jozhangsh
- 公众号：Latent Cat
- latentbox.com
