01
__
AIGC与商业设计
首先,我们需要讨论下商业设计的定义。商业设计和艺术设计有着本质的区别,商业设计是以商业目标为最高优先级去完成的一系列设计行为,迎合大众的需求、认知与喜好,从而助力商业目标达成。而艺术设计则更在意的是设计的美学意义、内容形式的创新性与设计理念所指向的设计表现力,或者更强调对于新设计趋势的探索。 举一个大家更有体感的例子:我们知道电影也有商业电影和艺术电影。艺术电影着重艺术性,以特定观众为观影对象而非普罗大众,有严肃沉重的刻板印象。商业电影则以院线收入为最高优先级,大众喜欢什么就拍什么,用简单易懂的情节、刺激的画面、爆笑的段子、狗血的剧情牢牢抓住大众的眼球。如漫威英雄系列,尽管内容千篇一律缺乏营养,但丝毫不影响这类商业电影的成功。 回来商业设计,通过以上的对比,我们知道商业设计对美学表现、概念创新等艺术要求相对更低。那么AIGC是否适合商业设计呢?我们可以进一步,站在不同的角度去分析AIGC在商业设计中的应用的可能性。01. 站在设计受众角度:AIGC的标准化设计可以满足80%的大众需求
在设计界和艺术界有很多不认可AI的声音,认为AI的产出没有灵魂,其大都是站在艺术从业者的角度来看的。如果站在大众用户的角度,我们调查发现,一般人是分辨不出AI创作和人类创作的区别的。同时,我们知道AIGC生图的原理,是基于对大量人类已有的数据集进行深度学习后形成的风格迁移能力。虽不能真正产生原创的艺术风格,但恰好商业设计对风格形式的创新要求也相对较低,也就使得AIGC和商业设计的契合度非常的高。我们认为未来80%的商业设计需求,都可以由AIGC介入完成。02. 站在设计需求方的角度:AIGC相当于便宜且高效的设计服务者
AIGC相关技术成熟之后,将会使设计需求方在需要设计服务时,有了第二个选择 —— AI。特别是一些初创企业,不再需要花费高昂的薪资,去聘请一个设计师。目前市面上已经有了一些类似的产品,如阿里的鹿班、稿定设计、Canva等等。尽管这些工具现阶段主要还是人工设计的模板通过算法进行排列组合。而如果这些工具日后能被AI赋能,可以自行生产素材,低廉的价格加上高效的产出,将会更加被需求市场所接受。可以预见,AIGC将会占领大部分的此类设计市场。03. 从设计市场的角度:AIGC将引发新的设计工作流变革
我们接着把视角再看宏观一些,从设计市场的角度来看。通过上述的分析,随着AI的发展,设计服务的供给量将大幅增加,所以用户的个性化需求将会得到进一步的满足,即设计的需求也将增加。供需同时增加,势必会引发设计产业的深刻变革。以我们曾经经历过的工业革命为例,当一个工业品的供给和需求都大幅增加时,我们观察到的现象是:生产过程从手工制作转向了批量化流水线生产。我们可以猜测设计产出也可能经历同样的变化:传统工作流会因AI介入产生较大的变化,利用AI探索出新工作流,也就是拥抱未来的设计市场。04. 从社会发展的角度:AI设计工具可能会让每个人都可以进行设计
从社会发展的角度,引用陆奇博士的观点,社会发展和进步的拐点,标志性的是一种商品或者劳务的生产成本由边际转向固定。拿到设计上来说,设计成本可能会越来越转变成设计工具的研发成本,例如Adobe的愿景:人人都能获得创造力,使每个人都可以在任何地方创作他们想要的任何内容。再例如Midjourney:致力于探索新的思维方式并扩展人类的想象力。他们的对象都是“每个人”而非“设计师”,也就是说,在整个行业的努力下,很可能以后人们需要设计服务时,设计师人力成本投入会越来越少,而变成直接由AI工具来完成。这些设计的生产成本也就转化为了提供AI工具的公司固定成本。02
__
现阶段设计师应如何利用AI
长期,我们谁也无法预知AI将会给世界带来具体什么样的变化。但短期内,我们可以保持对AI的关注和学习,在这个赛道上具备先发优势。好迎接未来可能会发展的变革。我们认为,AI目前给商业运营设计的赋能点在于:
01. 设计提效
02. 能力扩展
03. 信息处理
这三点,实际上也都对应了我们日常工作中的一些痛点。下面我们会结合实际案例,分享一下我们在实际工作中是如何利用AI的。01. 设计提效
设计提效是指,利用AI在设计工作流中的各个环节赋能,提升设计效率。例如脑暴、创意设定、执行、素材沉淀等等。下面列举一些实际的案例。1.1 快速发散创意 · 设计提效:
1.2 快速产出设定 · 设计提效:
STEP1:总结业务给的词
可作为主体物的关键词:丘比特、礼物盒 可作为辅助元素的关键词:玫瑰花、爱心、气球STEP2:开始尝试“拆盲盒”
以“丘比特”为例,通过Midjourney生成想要风格的对应元素:如一个小孩,丘比特,挥动翅膀飞翔在天空中射箭。STEP3:快速拼合元素
由于只是设定阶段,快速合成大感觉即可。细节不好的地方,可以用多张图取长补短来合成。多版设定展示:
1.3 长图视觉设计提效 · 设计提效:
案例一 《美好生活指南》:
脑海里构建对画面的大致想法。例如一个女孩微笑着张开双手,3D风格。并不做具体动作细节的要求,生成合适的即可。后期再抠图处理加排版,也可以再借助AI生成一些装饰素材,如:花、天空等,来丰富画面。设计方案展示: ** **
案例二 《快手服饰焕新计划》:
脑海里构建对画面的大致想法。例如一个年轻时尚的女性,坐在购物车里,插画风格。输入相应的关键词,一次性让AI多生成一些,有可能同一句关键词给到的是完全不同风格的画面,选择一个合适的即可。设计方案展示:
1.4 高效执行视觉专题设计 · 设计赋能与提效
STEP1:
搜集风格参考,确定画面的表现风格,构思画面需要的元素。STEP2:
利用AI单独生成画图所需元素。STEP3:
组合生成的元素,通过PS后期处理。STEP4:
增加元素排版和气氛元素。1.5 批量化模版设计 · 设计提效
设计思路:在B端行业应用中,有很多抽象的概念:例如营销、转化、投放、审核等等等,这种概念我们很难找到一个所有用户共识的图形来表示。所以这种场景下的图形设计更多的是体现的专业感,突出文字内容辅助信息传达,不需要表达某个固定的语义。因此可以利用AI大批量产出几何或者图形纹理感的背景,以达到系列性和一致性的目的。
设计应用展示:
02. 能力扩展
以上介绍了一些在设定、执行等阶段利用AI的提效案例,同时利用AI也可以极大的扩展每个人的能力边界。例如:擅长插画的同学可以独立完成3D类的视觉,甚至可以跨设计职能,完成一些以往需要开发介入才能完成的工作。2.1 3D技能扩展 · 能力扩展
需求背景:为快手商业化“磁力引擎”的logo演绎来设计海报,磁力引擎是快手科技旗下综合的数字化营销服务平台,因此未来科技感为本次设计风格。
STEP1:
根据既定的设计风格,选择相关的模型。STEP2:
关键词描述:书写关键词时可参考lora模型效果图中生成图的关键词,再根据自己实际情况进行增加与删减,这样会比较省心省力。STEP3:
Controlnet设置:主要使用了lineart、depth、scribble这三个模式,可以根据生成效果多做组合搭配。STEP4:
采样器推荐使用:euler a、DPM++2M Karras、DPM++SDE Karras。STEP5:
生效成果:不同模型不同lora在某个细节表现上都会有优势的地方,同样参数同样模型下前后生成的效果也可能不一样。选择一个较满意的效果作为基础图,尝试切换其他lora继续生成,择优合成到基础图中。STEP6:
PS后期&排版2.2 利用AI生成B端视觉设计 · 能力扩展
STEP1:
前期构思:根据业务需求,构思画面,这里在设计前期,设计师希望得到的画面是:一本打开的书,上面悬浮着一个指南针,画面整体是蓝白色,科技感,高级感,简约大方。STEP2:
因公司内部有其他的B端设计图,需要保持风格的统一性。可以将多张设计图作为图片关键词,垫图输入给MidJourney。STEP3:
输入关键词不断尝试,期间可以尝试更换关键词调整自己想要的效果。也可以继续将生成的图作为垫图,继续生成新的图,反复如此,生成最符合自身预期的图像。B端风格常用材质关键词:
frosted glass(磨砂玻璃)、blue frosted glass white acrylic material(蓝色半透明玻璃亚克力材质)、Ultra strong glass texture(超强玻璃质感), refracted light(折射光线), semi transparent(半透明)Sense of technology(科技感),calculator art(计算器艺术),3D style(3D风格),isometric 3D(等距3D),studio light(工作室光)STEP4:
将MJ生成的图拖入PS中进行后期处理,加入文字信息,一张B端风格的视觉图就完成了。2.3 利用AI开发网页工具 · 能力扩展
STEP1:
给ChatGPT提需求,同时把Airtable网站里的开发者文档直接复制粘贴给ChatGPT让他学习。ChatGPT会返回初版方案。STEP2:
运行生成的代码,通常不会一次成功,需要结合问题,再回问ChatGPT,让他给出解决方案。反复的发现问题解决问题。STEP3:
经过多次对话,基本功能跑通后,则可以提一些更细节的要求,完善页面结构与功能体验。多次对话后。ChatGPT可能会忘记之前的内容,这时候可以复制全部的完整代码发给ChatGPT,并让他返回修改后的完整代码。网站落地效果:
2.4 2D线稿转3D形象 · 设计提效
STEP1:
STEP2:
书写描述关键词,主要作用是让AI理解绘制的主题是什么,也控制生成的主体材质和环境等。STEP3:
controlnet设置,主要作用是限制生成外形和控制生成的颜色,在图生图模式下找到controlnet并选择对应的模型(黑白线稿使用文生图,色块稿使用图生图)。STEP3:模型选择-生成合适的风格
- 根据我们想要的画面风格质感选择合适的大模型和lora模型。相同的大模型搭配不同的lora也会有不一样的效果,这一步需要多尝试。本次ip形象是用在b端官网中,要求形象不要有过多细节干扰,保持整体质感轻盈高级。因此选择了偏哑光画风的Disney Pixar Cartoon大模型搭配blindbox lora模型。
- 模型下载网站推荐:https://civitai.com/(外网) https://www.liblibai.com/(国内网站)
- 采样器推荐使用:euler a、DPM++2M Karras、DPM++SDE Karras
生成效果:
03. 信息处理
除了利用AI做设计,同时它也可以帮助我们收集和传递信息,也可以帮助我们梳理和分析信息。在信息时代,作为一个全能助手,辅助我们更有效的工作。3.1 信息传递 · 信息处理
STEP1:
落地效果: ** **
3.2 信息分析 · 信息处理
STEP1:
准备相关数据(注:因信息敏感问题,无法使用真实案例,以下以国家统计局的人口统计数据举例,仅做思路说明)。STEP2:
询问 AI 该数据所反映的问题。使用大语言模型分析文档的内容,例如ChatGPT开通Plus后,可以解锁上传文档功能的插件。这里用的是一个当前免费的LLM工具 claude.ai,也可以支持pdf、txt、csv等格式的文件上传。STEP3:
可以进一步追问AI,以获得其他的补充信息。例如一些需要分析、总结的结论等。03
__
总结
以上列举了很多我们近在AIGC应用探索中的心得,但是实际上AIGC在设计行业中的应用还处在早期,已经可以给设计带来这么多实质性的提升和变化。那么未来AI还会怎么发展?我们认为大概是3个趋势: 1. 算力的提升带来的效率进一步提升,无论是生图的速度和数量未来都会得到大幅提高。 2. 多模态整合,带来的多媒体的能力提升 ,可以通过语言、文字、图像、视频等同时和AI交互,并且AI也可以产出相应的内容。 3. 各家大厂入局之后,不断打磨带来的体验提升:如对小模型训练的成本会不断降低、产出的控制能力会越来越强,操作会越来越容易。 同时设计师在这个飞速发展的时代,我们认为也需要更重点关注自身能力的提升。认知:保持学习以提升认知,未来发展突飞猛进,认知也需要持续迭代,需要有终身学习的准备。
审美:保持对美的追求,同样的AI工具,决定产出质量的就是审美的高低。
创新力:这里的创新力不是单单视觉表现的创新力。好比工业革命后的水壶创新,不是另一把造型独特的水壶,而是具备自动烧水功能、控制温度的水壶、或者可以自动泡咖啡的水壶等等等。设计师需要有更广的视野,而不是局限在视觉层面。
最后,设计与AIGC的争议仍在存在,设计师还是应该保持对设计的热爱和追求,用才华和创造力,为生活创造美。