庭审笔记04 | ai文生图案（下）
前言
如前文，针对AI文生图案，笔者就庭审内容进行了总结陈述。
通过初步上手SD软件，并查阅相关文章。就SD软件文生图功能的实现和影响图片因素的要点进行总结，陈列如下。
针对文生图SD软件，以及庭审中探讨的问题，笔者进行一些个人的观点发散。相关内容均为个人现时当下的见解，不作任何参考意义。
相关短语
SD：Stable Diffusion
Prompt：提示词，也称咒语
模型：放置于文件夹内，供SD软件调用，由基本数据模型投喂不同素材训练得到的成品
AI图片：SD软件文生图产出的图片
一、制作同一杯咖啡
1、复刻AI图片
理论上，AI图片存在完全还原的可能性：当安装环境一致、挑选模型、咒语、界面参数一致时，任何人启动SD软件，都会生成同样的AI图片。
以相机拍照而言，可以类比这样的场景，当一个相机在风景前，已预设三脚架、角度、参数，你我所需要执行的没有不同，先后按下快门。
或者以做咖啡来类比，同一咖啡机，放入咖啡豆、设定磨豆程度、调整好温度、时间，按下启动，制作出同一杯咖啡。
2、模型是一个黑盒
各类已成型的打包模型，依据前期投喂素材的不同，决定了产出图片的风格。
不同模型，如果操作者初次接触，即便在相同咒语的启动下，其呈现出的产出结果，依然是不可控的。
所以无论SD软件产出的AI图片，距离操作人员心目中实际的场景如何，操作人员依然需要对咒语进行进一步微调，以达到咒语、模型和产出AI图片的强绑定性。
即言之，包装好的模型，可被视为一个黑盒，需要通过调试咒语，反复摸索测试，最终得到稳定的产出和效果。
如此，可固定为一条可稳定输出的咒语。
3、低价的咒语
AI文生图案中，被告提到，通过网络平台，可以以非常低廉价格，轻易获得大量咒语和教程。为此，笔者在某平台上，以极低的价格，购入了相关咒语。
购买商品后，卖家提供了一条网盘链接，链接文件夹内，以excel文档形式，囊括总结了大量SD咒语，表格中，不仅囊括了示意图、关键词、反向关键词、采样方法、采样次数、随机种子等。同时还附加了NovelAI、Midjourney相关类似资料。
不需要懂得任何原理，JUST USE IT。
而根据笔者的尝试，可能是未启用lora插件，选择韩国模特模型的原因，在其他参数输入一致时，产出的AI图片，画风与示意图完全不同。
但可以看出，SD软件在已选定模型的基础下，依然很好的诠释了咒语。
批量的低价咒语，在模型中划出了一个虚拟的边界，为操作者生成AI图片指明了参考方向。
4、咒语的不可版权性
庭审争议焦点，即讨论AI图片，是否构成著作权法下的作品。
首先，从可复制性角度，SD文生图图片，生成为常见的图片格式，符合以有形形式复制的要求。
其次，独创性方面。通过梳理SD生成图片的流程，操作者在其中的参与，一共有三处，分别是：
模型的选择
咒语（Prompt提示词）、界面参数的输入
对生成图片的挑选
模型的选择、界面参数的输入，操作者对已生成图片的挑选，均不具独创性讨论空间。
探讨的点，需回到咒语。
如前所述，咒语+模型=AI图片。
咒语由以下内容组成：
一系列控制参数
正向、反向提示词
此处的参数，指代简单的数值调配，比如迭代步数、采样方法、分辨率等，均由操作人手动勾选。
正向、反向关键词，为单个关键词输入，或者可以称之为标签化。加上Prompt提示语法，调整部分关键词的权重，最终构成一个关键词词组。通过关键词词组，可以构建出，一个简单的画面场景。
以其他博主调试咒语文章举例：
中文场景：一个女孩，银色长发，紫色眼瞳，眼镜，口红，黄色职业装，纤细的身材, 走路，街道背景，看着屏幕
加上场景权重等描绘，构成正面提示词Prompt：
1girl, silver long hair, purple eyes, glasses, lipstick, yellow business_suit, slim body, walking, street_background, looking at viewer,(masterpiece:1. 4, best quality), unity 8k wallpaper, ultra detailed, beautiful and aesthetic, perfect lighting, detailed background, realistic, solo, perfect detailed face, detailed eyes, highly detailed,
最终得到画面：
我们可以看到，咒语是一串无文学性的机械词组描述，通过短语、词组、权重，描绘操作者脑中的一个画面场景。
编织咒语的目的是帮助SD软件更好更好的理解，控制并输出内容。
但咒语不仅有着输入75token的数量上限，同时部分提示词义之间如有重叠杂糅，均会影响SD软件理解，从而影响AI图片的内容输出。
笔者认为，咒语具有不可版权性。
其一，操作者对于AI图片的生成，在整个生成过程中，其操作空间极为有限，除开有探讨空间的咒语外，未进行额外的有独创性的操作。整个过程更像是实验，按部就班的做咖啡，是一种黑盒摸索和模型干预，而绝非控制。
其二，有探讨空间的咒语，作为一串数据、一种参数，系无文学性的机械词组，不具有独创性。虽然咒语与AI图片有一一对应性，但咒语与AI图片之间，不具有直接的可视关联。
其三，咒语很难，无法同其他常见著作权作品一般，自证创作过程。即便操作人，声称该条咒语为付出反复尝试、辛勤摸索得来，创作者可以提供的，是尝试过程中，遍历多次的生成图片及前述图片创作时间，但最终的AI图片，与前述遍历尝试生成的图片之间，二者不具有创作过程的可溯性。
二、控制的程度
1、SAKO连的探讨
在街霸4时期，日本职业玩家SAKO曾开发出了一套极难的目押连段，必须由角色杀意隆对角色rufus打出。
该连段得益于rufus特殊的受创判定框，以及街霸4系统SA取消的机制，拳脚的气槽控制，因此被视为杀意隆的限定连段，格斗游戏圈也称呼为“SAKO连”。
SAKO通过不断的尝试以及自身对系统的理解，开发出极限的“SAKO连”。
以版权保护的角度审视，SAKO作为街霸4的游戏用户，真的对“SAKO连”享有什么权利么？比如著作权，或者其他方面的保护权利？
答案是否定的。
SAKO在浩如云烟的连段、帧数、气槽选择中，额头流汗般的辛勤尝试，发现了“SAKO连”，而并非发明了“SAKO连”。
所以人们惊呼于该连段的combos、操作难度之高，感叹赞赏并由衷的命名为“SAKO连”。但SAKO本人或者卡普空，均无法限制玩家尝试复原SAKO连。
2、如果文生文
假设，仅是假设，如果SD软件支持文生文。
即利用同样的短语词组，提示词包括人物、背景、性格、时间、地点，生成一篇千余字的短篇或者百余字的诗歌。操作人员是否对该AI短篇和AI诗歌，享有著作权呢？
3、仿生人不会梦见电子羊
AI图片寓意了新的赛道出现，而实体法有着缓慢且稳定的滞后性，抛开哲学领域的讨论时，不必非得为其套上一个著作权法内的符号。
当解释条文慢于现实，当尊重理解到并成为。
审视AI巨变，跟上发展脚步，调整工作节奏，拥抱家庭生活。
参考链接：
秋葉aaaki：【AI绘画】大魔导书：AI 是如何绘画的？Stable Diffusion 原理全解（一）
乐伊ROY：9700字干货！超全面的Stable Diffusion学习指南：文生图篇
乐伊ROY：万字干货！超全面的Stable Diffusion学习指南：模型篇
Ciel哔哔：【Stable Diffusion学习笔记】2.各个模型到底有什么区别？
Lilian Weng：What are Diffusion Models?
杨三季：AI绘画：Stable Diffusion 提示词高阶用法（一）
Tatsumaki Channel：USF4 - Evil Ryu Sako Combo 51 HITS - By Erdem
苹果吃出虫：终极街霸4 杀意隆SAKO连段（带输入）
