Nové drama.

Unstable Diffusion je skupina lidí, kteří dotrénovávají SD modely primárně se zaměřením na erotiku/porno, ale sekundárně s cílem celkově vylepšit fotorealismus nových verzí Stable Diffusion a kompenzovat obecné nedostatky způsobené cenzurou trénovacího datasetu.

Protože to stojí čas a peníze, po čase spustili Pateron, kde je fanoušci podporovali. A když nabrali dost zkušeností na nějakou větší práci, spustili Kickstarter s cílem zvýšit výpočetní kapacitu a zrychlit a zkvalitnit výstupy. S tím, že výsledné modely budou zveřejněné jako open-source. Během pár dní vybrali přes 50k dolarů, což bylo víc než požadovali. Motivace je jasná: když nejsme závislí na korporátních penězích, můžeme dělat kroky které vedou k vylepšení kvality modelu, ale jsou trochu kontroverzní.

Mezitím "Concept Art Association", což je navzdory názvu poměrně malá skupina anti-AI umělců, začala aktivně brojit proti AI na twitteru a spustila GoFundMe, ve kterém už vybrali přes 160k dolarů. Za ty chtějí platit full-time lobbistu, který se bude ve Washingtonu snažit protlačovat zákony omezující použití a vývoj AI. Následně pomocí twitter aktivismu a masového reportování (na základě převážně lživých důvodů) způsobili odstranění Unstable Diffusion nejdřív z Kickstarteru a pak i z Pateronu.

Unstable Diffusion v tuto chvíli vybírá peníze přímo přes Stripe a doufá že je nevykopnou a nebudou muset přejít na krypto.

---------------

Umělce kteří se AI cítí ohroženi celkem chápu. Trochu chápu i ty, kterým se nelíbí, že někdo trénuje AI na jejich tvorbě.

Potíž je v tom, že tady je velká část anti-AI argumentace normální lež. Tvrdí třeba, že AI = databáze miliard obrázků, ve kterých se vyhledává a z jejich kusů se poskládá nový obrázek. Nebo že trénování na copyrightem chráněných dílech je ilegální.
Dalším častým argumentem je klasické think of the children, potenciál na tvorbu dětského a nekonsensuálního porna.

Ironické mi přijde to, že ve výsledku malí nezávislí umělci bojují za práva korporací a vyšší státní kontrolu a brojí proti jednomu konkrétnímu nástroji, který (zatím) jako jediný může svobodně používat kdokoliv jakkoliv. Příznivci Stable Diffusion o nich občas hovoří jako o ludditech, což kromě toho že to je zveličené má ještě jeden nedostatek - luddité protestovali mimo jiné proto, že nové stroje nevlastnili oni ale někdo jiný, takže z nich nemohli profitovat. Velká část lidí protestujících proti AI naopak bojuje proti tomu jednomu nástroji, který sami využívat zadarmo mohou.

S takovým přístupem u mě jakákoliv empatie rychle vyprchala.

//tady nějaké tipy

10 Tips for Adding Text to AI-Generated Images
https://www.youtube.com/watch?v=_6q5FQIRzAs

MATT: tohle je taky hodne cool, stable diffusion umi evidentne generovat i spektrogramy, ktere se pak jednoduse daji prevest na hudbu :)

Riffusion
https://www.riffusion.com/about

QWWERTY: nejspíš rovnou ten cyberpunk :) co zkusit negativní prompt (character, face, figure)

už jste generovali písničky? ;))
Melobytes AI song genarator [Melobytes.com]
https://melobytes.com/en/app/ai_melobytes_song

A ať jenom nekecám, tak tady je tapeta snímků z neexistujících surrealistických filmů :).
V promptech je to vždycky kombinace Švankmajer + jeden až tři další umělci, generuju 768x768 obrázky a pak je najednou nebo na dvakrát rozšiřuju pomocí outpaintingu, případně inpaintingem upravuju/odstraňuju detaily. Základní obrázek ve 2.1, na out/inpainting je zdá se mi pořád lepší model v1.5 ve verzi specializované na inpainting.

Vyšla už i verze 2.1 Stable Diffusion, která má taky z trénovacího datasetu odstraněné NSFW obrázky, ale to omezení je mnohem míň drastické než u 2.0, kde to bylo navržené vyloženě blbě. Testoval jsem to a na prdel jsem si z toho nesednul - v něčem je to určitě lepší, plus to má opět i 768x768 px verzi (takže se dají dělat větší obrázky s méně zdvojovacími artefakty), ale kvůli změně CLIP části to některé věci podobně jako ve 2.0 dělá hůř, některé umělce to hůř chápe (a nemyslím Rutkowskiho) a tak. Je potřeba prompty vymýšlet jinak. Na druhou stranu se mi méně často stává, že to nějakou část promptu ignoruje, a to i u negative prompts.

Lidi říkají, že se na 2.1 mnohem lépe vytvářejí embeddings, tj. lépe se neuronka učí nové věci pomocí textual inversion. Nevýhoda embeddings je, že textual inversion myslím pořád potřebuje víc VRAM, zatímco někdo psal že nejnovější verze Dreambooth potřebují jen 6 GB. Výhoda je, že embeddingy jsou malé (stovky kilobajtů) a dají se kombinovat.

----

Ta cenzura je na prd, ale po hraní si s ChatGPT jsem rád, že máme aspoň tohle - model zcenzurovaný ale otevřený a trénovatelný.

ChatGPT je nepochopitelně dobrá (uzavřená) technologie která podle mě povede ke společenským změnám srovnatelným s dostupností generování obrázků nebo větším, ale defaultní nastavení sluníčkovosti je na takové úrovni, že když jí zadáte "napiš krátkou povídku ve stylu Bukowskiho", dostanete pozitivní příběh s ponaučením na jeden a půl normostrany, o alkoholikovi kterému náhodná žena v baru poradila ať se stane spisovatelem, že každý v sobě máme něco dobrého, a on díky tomu svůj život otočil o 180 stupňů a byl šťastný a veselý až do smrti. Dostat zní z hlediska kreativity něco fakt zajímavýho, divnýho, drsnýho, surovýho, nechutnýho nebo jinak vybočujícího je skoro nemožný. Představa internetu (i dalších médií) zahlcenýho takhle vyčištěným a "bezpečným" contentem je fakt hrozná.