西班牙数字图形巨头 Freepik 近日推出了其最新的文本到图像生成模型“F Lite”，旨在成为 Midjourney 等因版权问题而备受争议的生成器的合法且安全的替代品。
F Lite 拥有约100亿个参数，其独特之处在于完全基于 Freepik 自身商业授权的图像库进行训练。Freepik 声称，这使其成为首个完全依赖“工作安全”内容进行训练的如此规模的公开模型。
这款模型是 Freepik 与人工智能初创公司 Fal.ai 合作开发的成果。训练过程耗时两个多月，使用了64块 Nvidia H100GPU 和约8000万张 Freepik 内部数据集的图像。
Freepik 对照片提示“单反相机拍摄的照片，一个红胡子男人在雨中跳舞”的诠释，带有一种复古、早期人工智能的感觉。| 图片:THE DECODER 出品的 F Lite
通过推出 F Lite，Freepik 加入了日益壮大的基于合法审查数据的图像生成器阵营，其中包括 Adobe、Getty Images 和 Shutterstock 等公司的产品。在 OpenAI 和 Midjourney 等公司因使用抓取自开放互联网的图像而面临多起诉讼的背景下，版权安全的训练数据集正变得越来越重要。
与一些竞争对手不同，Freepik 将 F Lite 定位为一个开放的替代方案，供开发者在其基础上进行进一步开发。该模型已在 GitHub 上开源，但运行它需要至少24GB VRAM 的 GPU。此外，Hugging Face 上也提供了一个演示版本供用户试用。
在《Midjourney》中，同样的提示会产生一幅艺术感十足、照片般逼真的图像，几乎看不出是人工智能生成的。| 图片:THE DECODER 提示的《Midjourney》
Freepik 指出，F Lite 在生成插图和矢量风格的作品方面表现出色，这可能得益于其来自 Freepik 自身目录的训练数据。然而，在处理照片级逼真的图像时，该模型仍显不足，例如皮肤纹理或织物等细节常常缺失，并且在处理复杂的解剖结构场景时可能会出现明显的错误。由于该模型主要基于较长的描述性文本进行训练，因此在处理简短提示时也存在一定的困难，并且在图像中准确渲染文本仍然是一个挑战。
Freepik 将这些局限性归因于其训练数据集的大小和所使用的计算量，并强调扩散模型的著名缩放定律——随着数据量和训练时间的增加，图像质量和细节将显著提高。
Freepik 是一家总部位于西班牙的公司，专注于为设计师、企业和创意专业人士提供授权的数字图形资源，包括矢量图形、照片、插图、图标和演示模板。除了付费订阅服务外，Freepik 还提供部分免费内容。此次推出 F Lite，标志着 Freepik 在其核心库存媒体业务之外，进一步拓展至人工智能工具领域。