在探索AI生成与艺术创作的交汇点时，我们的团队在可图Kolors-LoRA风格故事挑战赛中，通过AI生成模型、LoRA微调等技术，将技术与创意完美融合，创作出了一部独特的视听作品--《哈利波特与异界魔书》。很荣幸获得了可图Kolors-LoRA风格故事挑战赛决赛一等奖，以下是我们创作过程的详细回顾：
01创作过程
人物模型训练
在人物模型训练方面，我们面临着如何平衡特征明显与自然度的挑战。对于赫敏角色，我们尝试了两种不同的数据集：一种是以“赫敏”为prompt生成的图片，另一种是真人图像。我们发现，前者特征明显但不够自然，后者则相反。
AI生成数据集
真人图像数据集
混合数据集
为了解决这一问题，我们采取了1:1混合数据集的方法，最终训练出的LoRA模型成功地结合了两者的优点，既保留了人物的主要特征，又使姿态看起来更自然。
哈利角色的LoRA模型则完全基于真人剧照，我们尝试将其与冰雪奇缘风格的LoRA模型融合，以期获得更二次元的效果，但由于冰雪奇缘风格模型中有不少人物会影响角色模型稳定性，最终没有采用。
哈利波特数据集
宫崎骏风格模型训练
在风格模型方面，我们从吉卜力官网获取了大量高清原画，经过多次参数调整，最终确定了宫崎骏风格的LoRA模型参数，使得作品风格独特，美学评估更高。值得一提的是，我们的宫崎骏风格模型在初赛中获得了人气top10模型的荣誉。
模型融合
在模型融合阶段，我们在基础的Kolors文生图模型上叠加了角色LoRA和宫崎骏风格LoRA，通过细致的参数调试，找到了最佳的融合效果。
图片生成
在图片生成过程中，我们通过概括性描述和细节调整，不断优化prompt和negative prompt，以确保人物稳定、风格统一、画面和谐。尽管过程中遇到了诸多挑战，但我们通过不懈努力，最终完成了18张故事分镜的创作。
视频生成
在视频生成阶段，我们调研并测试了多种图生视频模型，最终选择了以可灵AI为主的方法。因为使用开源的 ExVideo 生成视频时无法对视频画面进行指导和微调，而可灵AI模型使用3D时空联合注意力机制，支持表情和身体驱动，且能基于其自研的3D面部和身体重建技术，结合背景稳定性和重定向模块，实现表情和身体全驱动技术，我们决定使用快手平台的可灵AI模型，使用图像+Prompt的方式生成视频。取得很不错的效果。
音频生成
结合科大讯飞的语音合成技术，为视频添加了合适的旁白。通过编写python后端程序调用模型WebAPI生成所需音频，在虚拟机环境下使用ffmpeg库处理音频，得到如每段音频的时长等信息。
02心得
此次可图Kolors-LoRA风格故事挑战赛中，我们团队利用AI生成模型，加入采用先进的LoRA技术，训练角色模型，并引入宫崎骏风格的LoRA模型，将两者融合并利用文生图模型，生成宫崎骏风格的哈利波特电影角色。接着通过调整模型参数，实现了人物特征的稳定呈现与自然姿态的完美结合，创作出18张精美的故事分镜。视频生成上，我们采用可灵图生视频模型，以及科大讯飞的语音合成技术，为作品注入了生动的动态表现和旁白。这部作品不仅是一次视听艺术的探索，也是技术与创意的出色融合。通过此次比赛，我们深刻感受到LoRA微调技术、Stable Diffusion等的快速发展和应用，以及AI生成在未来的广阔前景。
点击链接👇，即可跳转作品品牌馆~https://modelscope.cn/brand/view/Kolors
