宠物领域如何做好抖音账号

但看着多位大咖凭借爱宠就能获取百万粉丝而眼红，而宠物出演还不用发工资，也难怪那么多人都想要跻身于此。

那么宠物领域的抖音账号该如何做呢？萌宠号又该如何变现呢？

萌宠账号无非是视频要拍得好，要有播放量，只要播放量好变现自然容易。

比如下面这个常见的例子：

一、萌宠主角

主角 一只宠物（金毛/哈士奇皆可），活跃度偏高的为宜，演技不好没关系，可以多拍摄一些镜头进行剪辑，真人出镜拍摄或者独自拍摄宠物都可以。

二、文案创意

自己不能独自撰写文案，可以参考同领域动物作者的优秀作品，或者在网上浏览一些可以改编的段子或者笑话等内容。

有位网友写创意内容选择和人类生活相结合，比如遛狗上街搭讪美女，宠物独自在家的举动，宠物的生活常识，如何训练宠物，给宠物加入一些场景故事。

初期场景搭建、

比如主人牵宠物上街，宠物的台词加字幕配音：{我是金毛，肚子有点饿，陪主人逛街买零食，主人怎么不走了，主人在看前方漂亮的妹子。铲屎官还不敢上前搭讪，看来只能我帮你了｝

宠物镜头:主人牵着宠物在马路街道或者商城小区等场地，溜达，遇到女主角后停住脚步，台词：这个妹子好漂亮，能成为我女友多好呢｝初期场景构筑完毕，进行女主角带入。

中期带入角色

女主镜头：拿着装有水果的袋子在路边或者公园，商城小区等场景休息。拍摄镜头尽可能突出女孩的魅力。

剧情反转，金毛猜透主人心思，为了主人脱单，挣脱绳子跑到女孩身边咬烂水果袋子。或者跑到女孩身边，女孩被吓到扔掉水果袋子。金毛向男主人回眸一望。台词字幕，铲屎官，我只能帮你到这里，如何脱单就看你了｝

后期场景收尾

男主人一边责怪金毛，一边帮助女孩捡水果，赔礼道歉，聊金毛如何调皮，以此为话题和女孩搭讪，视频可以用邀请喝茶或者留联系方式，一起逛街，一起遛宠物等等为结尾。体现出宠物的睿智和机灵，配音和字幕需要把宠物的情绪和思想表达到淋漓尽致，剪辑适当加入氛围音乐，比如宠物开心时加入欢快的轻音乐，难过时加入忧伤，视频色调调暗。

三、拍摄技巧

场景尽量选择人少的小区，客厅，等人少的地方，防止宠物室外伤人或者丢失的情况出现。

镜头可以跟踪拍摄，尽量不要固定机位。不容易跟踪宠物的面部表情等。

或者人为直接干预宠物的肢体行动，拍摄时可以规避拍摄到人物。

四、剪辑特效大家好

宠物出现不配合等情况，为了拍到可用的素材会浪费很多时间，拍摄后可以保存一些特写镜头，方便后期素材再次使用。节省大量的拍摄时间。

可以构思很多创意，加入不同的故事情节，放开自己的脑洞和想象力吧。

以上只是一个案例，抖音拍摄宠物无非就是插入剧情，配些文字加配音。做好后就用橱窗功能添加你要卖的产品，也可在视频当中插入广告，就是你要卖的产品要出现在视频里面。

每秒最高1w+使用量

量子位 | 公众号 QbitAI

「AI绘画」是2022年抖音上最火的一款特效玩法，用户只要输入一张图片，AI就会根据图片生成一张动漫风格的图片。

由于生成的图片效果带有一定的“盲盒”属性 ，画风精致唯美中又带着些许的蠢萌和无厘头，一经上线就激发了广大用户的参与热情，抖音单日投稿量最高达724w，还衍生了“如何驯服AI”、“谁来为我发声”等讨论分享。

据抖音「AI绘画」特效主页显示，已经有2758.3万用户使用过这款特效。

作为抖音SSS级的大爆款特效，「AI绘画」的峰值QPS（每秒请求量）也高达1.4w的惊人水平，如何保证用户的实时体验，对技术链路提出了极高的挑战，抖音又是怎样做到的呢？

带着这样的疑问，我们和「AI绘画」背后的项目团队——抖音特效、字节跳动智能创作团队聊了聊。

经过特别训练的动漫风模型

抖音特效对AI技术有过很多应用实践，2021年的「漫画脸」特效也是一款上线3天千万投稿的爆款，使用的是GAN技术。

这一次，抖音的「AI绘画」使用了时下最火的多模态生成技术。

这是由文本生成图片/视频/3D等跨模态的生成技术，具体地说，是通过大规模数据的训练，仅通过文字或少量其他低成本的信息引导，可控地生成任意场景的图片/视频/3D等内容，在AIGC等方向有极大的潜在应用价值。

据了解，随着DALL·E的问世，2021年初字节跳动智能创作团队就开始了相关技术的跟进和规划，今年8月底Stable Diffusion发布后，抖音特效团队很快启动了「AI绘画」这个项目。

Stable Diffusion是一个文本生成图像的多模态生成模型，相比于GAN，Stable Diffusion的多样性和风格化会更强，变化的形式也更丰富，同一个模型可以做很多不同的风格。后者对性能和计算资源要求大幅下降，其自身开源的属性，还可以进行各种fine tune，调用和修改。

△基础模型架构

Stable Diffusion的逻辑是，用一个图像对应一个文本标注的形式去训练模型，一个“文本+图像”组成一个数据对，先对其中的图像通过高斯分布进行加噪，加完噪声之后，再训练一个网络去对它进行去噪，让模型可以根据噪声再还原出一个新的图像。

为了能够使用文字控制模型生成的内容，Stable Diffusion使用了预训练的CLIP模型来引导生成结果。

CLIP模型使用了大量的文字和图片对训练，能够衡量任意图片和文本之间的相关性。在前向生成图片的过程中，模型除了要去噪以外， 要让图片在CLIP的文本特征引导下去生成。这样在不断生成过程中，输出结果就会越来越接近给定的文字描述。

抖音「AI绘画」是采用图片生成图片的策略，首先对图片进行加噪，然后再用训练好的文生图模型在文本的引导下去噪。

△图片生成图片的逻辑过程

作为技术支持方，字节跳动智能创作团队在Stable Diffusion开源模型的基础上，构建了数据量达十亿规模的数据集，训练出两个模型，一个是通用型的模型Diffusion Model，可以生成如油画、水墨画风格的图片；另外一个是动漫风格的Diffusion Model模型。

△通用模型Diffusion Model生成的图像风格

△动漫风格的Diffusion Model模型生成的图像风格

漫画风格模型是采用“漫画图像+文本”的数据对进行训练。为了让动漫风格模型生成的效果更好更丰富，字节跳动智能创作团队在动漫风格模型优化训练的数据集里特别加入了赛博朋克和像素风等不同风格的数据。

抖音特效在动漫风格上有过比较丰富的探索，观测了此前用户对不同风格的反馈，抖音「AI绘画」此次选用的就是精致漫画风的动漫风格。

在算法侧调优的字节跳动智能创作团队为抖音特效产品侧提供了文本的接口prompt，方便产品侧对效果进行进一步的微调，通过输入文字，让生成的图片效果更加贴近于期望中的样子——风格化程度“不会特别萌、跟原图有一定相似度，但又不会特别写实”。

模型还同时采用正向、负向文本引导生成的策略。除了描述生成图像内容、风格的正向条件外，还通过负向引导词（negative prompt）优化模型生成结果。通过在生成效果、生成内容等方面进行约束，可有效提升模型在图像细节上的生成质量， 并大大降低生成图像涵盖暴力、色情等敏感内容的风险。

抖音「AI绘画」还针对不同场景对风格效果进行了优化。

基于图像理解基础能力，对用户图像进行场景分类，如人像、宠物、后置场景等，对包含人像的场景，进一步对性别、人数、年龄等属性进行检测。对于不同的细分场景，均有多组优化的风格效果作为候选。在模型选择上，90%的人像及50%的后置场景使用漫画模型，其他则使用包含艺术风格的通常模型。 部分场景还以一定概率出现彩蛋效果，如人像性别反转等效果。

研发Diffusion Model加速算法，节约上万块推理GPU消耗

相比于传统的生成模型(GAN)，扩散模型（Stable Diffusion）的模型体积和计算量更为庞大，AI绘画需要一个耗时繁重的推理过程。

上线到抖音这样一个亿级DAU的平台，对技术服务侧而言，无论是显存的占用，还是从GPU的推理耗时都较高，且面临峰值过万的 QPS 。

如何支持巨大的调用量和复杂的推理，是很大的挑战。

为缓解线上GPU资源消耗，字节跳动智能创作团队研发了Diffusion Model加速算法、采样步数减少算法、高效模型图融合技术、服务端推理部署框架等，并与NVIDIA技术团队协同合作，优化高性能神经网络推理库，对AI绘画模型进行了多个维度上的推理优化。

上述一系列优化方案显著降低推理耗时、显存占用以及加大服务端部署框架的数据吞吐，相对于基准模型QPS提升4倍以上，节约数万块推理GPU消耗，保障道具在抖音平台高峰期的高效稳定运转。

无分类器引导扩散模型最近已被证明在高分辨率图像生成方面非常有效，然而这种模型存在一个缺陷是它们在进行单步图像生成时需要进行两次模型推理，使得图像生成的成本非常昂贵。

为了解决这个问题，字节跳动智能创作团队提出了一种针对无分类器引导扩散模型的蒸馏算法AutoML-GFD(AutoML Guidance-Fusion Distillation)，通过知识蒸馏的方式将条件引导信息和无条件信息进行知识融合，减少了模型在进行单步图像生成时的推理次数和资源需求。

在蒸馏过程中把negative prompt， scale guidance信息蒸馏到模型中，在不改变模型推理输入的情况下达到更佳的效果；在Diffusion Model的训练和采样过程中，利用time-aware采样针对性地优化了重要时间步的效果，相对于基准模型可以进一步降低推理步数；蒸馏算法整体压测提升200%。

在服务端侧，通过模型图融合、 高效CUDA算子、OFFload PreCompute、前后处理算子融合、多线程并发等手段，协同字节跳动自研Lighten推理引擎和Ivory视觉服务框架，解决了多段模型Convert Failed和显存溢出等问题，提升模型推理效率。

△经过算法加速后生成的风格化图片效果

火山引擎机器学习平台将推理速度提升3.47倍，抖音同款智能绘图产品已toB

当前，伴随AIGC的应用日益多元和广泛，用户的痛点也随之浮上水面。

以Stable Diffusion为例，一次完整的预训练大约需要在 128 张 A100 计算卡上运行 25 天，用户付费上百万，高额的研发费用是用户最大的痛点之一。

AIGC 产品演进快速，对性能和资源提出更高要求。

字节跳动旗下的云服务平台火山引擎为此类问题提供了解决方案，推动 AIGC 产业的发展。

火山引擎机器学习平台打造同时支持训练加速与推理加速的自主研发高性能算子库，在全面提升 AI 计算性能的基础上，不断追求节省显存、简单适配，同时支持多款 GPU 卡，为客户带来更多低成本、便捷的部署方案。

在推理场景下，基于 Stable Diffusion 模型的端到端推理速度达到 66.14 it/s，是 PyTorch 推理速度的 3.47 倍，运行时 GPU 显存占用量降低 60%。

在客户 AI 视频创作的 AIGC 推理业务实践中，火山引擎高性能算子库搭载客户的推理模型帮助其推理性能提升一倍，GPU 资源使用量减少一半，可为客户节省 50% 成本。

在训练场景下，使用该高性能算子库可将上文 Stable Diffusion 模型在 128 张 A100 的训练时间从 25 天减少到 15 天，训练性能提升 40%。

由于 AIGC 模型在训练时占用 GPU 显存容量非常大，未经优化时的模型只能运行在最高端的 A100 80GB GPU 卡上。火山引擎高性能算子库通过大量消减中间操作，将运行时 GPU 显存占用量降低 50%，使得大多数模型可从 A100 迁移到成本更低的 V100 或 A30 等 GPU 卡上运行，摆脱特定计算卡的限制，而且不需要做额外的模型转换工作。

以此，以 AIGC 场景为代表，无论是迭代速度，还是单次的训练成本，都有了显著的性能提升和成本节省。

火山引擎还面向企业客户推出了智能绘图产品，省去企业采集数据、训练模型和优化性能的时间和成本，可以快速接入业务，让企业拥有开箱即用、抖音同款的AI绘画能力。

*本文系量子位获授权刊载，观点仅为作者所有。

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态