# 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。

前文：[庭审笔记04 | ai文生图案（上）](https://datielegal.com/04-ai)

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。

[SD文生图原理](https://app.milanote.com/1QXmx511NQhh8v?p=6yCXjl4Z4Qe)

![](https://cdn.hashnode.com/res/hashnode/image/upload/v1699776928521/b720b34e-7105-4ae4-9a1f-715a9cae8784.png align="center")

![](https://cdn.hashnode.com/res/hashnode/image/upload/v1699776951421/f864a484-02fe-465f-8669-c57e83bc5723.png align="center")

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。

![](https://cdn.hashnode.com/res/hashnode/image/upload/v1699777017973/4c3eaf0f-3490-4667-b947-da442622f57c.jpeg align="center")

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。

![](https://cdn.hashnode.com/res/hashnode/image/upload/v1699777035152/d3f9b741-cfd1-4876-af8e-2db863c5bef5.png align="center")

不需要懂得任何原理，JUST USE IT。

![](https://cdn.hashnode.com/res/hashnode/image/upload/v1699777052298/c1c6ecc5-28f3-4d55-a525-ff8c1638778b.png align="center")

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。

![](https://cdn.hashnode.com/res/hashnode/image/upload/v1699777070928/b9b7af35-f0ba-4ee2-bfea-8be394b63015.jpeg align="center")

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](https://zhuanlan.zhihu.com/p/645769166)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：
> 
> ![](https://cdn.hashnode.com/res/hashnode/image/upload/v1699777249522/6b074746-2fba-4857-b32d-65ae8b8c57be.jpeg align="center")

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。

![](https://cdn.hashnode.com/res/hashnode/image/upload/v1699777342820/2cf09821-1629-4d56-a417-1a79e868f7ed.png align="center")

![](https://cdn.hashnode.com/res/hashnode/image/upload/v1699777342832/5d9c7224-0333-44f7-9b9c-3964cb35ed41.png align="center")

## **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）](https://www.bilibili.com/read/cv21564981/?spm_id_from=333.999.0.0)

乐伊ROY：[9700字干货！超全面的Stable Diffusion学习指南：文生图篇](https://www.uisdc.com/stable-diffusion-guide-3)

乐伊ROY：[万字干货！超全面的Stable Diffusion学习指南：模型篇](https://www.uisdc.com/stable-diffusion-guide-4)

Ciel哔哔：[【Stable Diffusion学习笔记】2.各个模型到底有什么区别？](https://mp.weixin.qq.com/s/1hm1a4Otx0i7kyEgVzCalQ)

Lilian Weng：[What are Diffusion Models?](https://lilianweng.github.io/posts/2021-07-11-diffusion-models/)

杨三季：AI绘画：[Stable Diffusion 提示词高阶用法（一）](https://zhuanlan.zhihu.com/p/645769166)

[SD文生图原理](https://app.milanote.com/1QXmx511NQhh8v?p=6yCXjl4Z4Qe)

Tatsumaki Channel：[USF4 - Evil Ryu Sako Combo 51 HITS - By Erdem](https://www.youtube.com/watch?v=tZYXU-fYwVo&ab_channel=TatsumakiChannel)

苹果吃出虫：[终极街霸4 杀意隆SAKO连段（带输入）](https://www.bilibili.com/video/BV1BN4y1L7aT/?vd_source=45de5d918cd5be59938dd71ffd151007)

![](https://cdn.hashnode.com/res/hashnode/image/upload/v1699777720268/e42d4230-9b88-46b8-a42f-1dec49527169.png align="center")