藝術(shù)二維碼最近這段時(shí)間，從推特到 Reddit，外網(wǎng)都在討論一種 AI 繪畫的新玩法，即有人把 AI 繪畫和二維碼相結(jié)合，生成了一組頗為自然的創(chuàng)意二維碼。

也就是說(shuō)，在國(guó)外瘋傳的這組創(chuàng)意二維碼，好像并不是國(guó)外老哥折騰出來(lái)的，畢竟用到了谷歌翻譯。

順藤摸瓜找了找，我發(fā)現(xiàn)這次引領(lǐng)風(fēng)騷的，是國(guó)內(nèi)四位學(xué)生的階段性成果，分別是來(lái)自中國(guó)傳媒大學(xué)的倪豪（大四）和陳柏宇（大四）、王照涵（研一），和來(lái)自北京航空航天大學(xué)的陳智勇（大四）。

這四位同學(xué)明顯是把 Stable Diffusion 的模型玩明白了，不僅在畢業(yè)前折騰出了多個(gè)經(jīng)典的 Lora 模型，更是訓(xùn)練出了比如用于控制光影的多個(gè) ControNet 模型。

地址：https://aigc./index.html

其中就有專精制作創(chuàng)意二維碼的 ControlNet 模型，但可惜的是，截止到寫這篇文章，這四位同學(xué)還未放出這個(gè)未完工的二維碼模型。

但沒(méi)關(guān)系，既然知道這條路能走通，我們自己也可以 DIY 出創(chuàng)意二維碼，這是我研究了一天后制作的創(chuàng)意二維碼，有二次元的：

大家不妨掃掃看，這些二維碼是絕對(duì)能掃出來(lái)的，雖然細(xì)節(jié)上還有優(yōu)化的地方，但毫無(wú)疑問(wèn)，在二維碼 ControlNet 模型發(fā)布前，我們自己也可以動(dòng)手制作創(chuàng)意二維碼了。

在折騰的過(guò)程中踩了不少坑，感興趣的小伙伴可以接著往下看。

用到的其實(shí)是 Stable Diffusion 的圖生圖功能，不過(guò)在這個(gè)過(guò)程中，不僅需要用到生圖必備的 Prompt，更需要 ControlNet 的幫助。

整體研究下來(lái)，大致需要兩步。

第一步

第一步肯定是需要準(zhǔn)備好二維碼了，是的，小小二維碼其實(shí)也有不少需要注意的地方，這里我們需要用到二維碼生成器。

以倪、陳兩位同學(xué)很早之前搭建的一個(gè)參數(shù)化二維碼生成器為例，地址如下。

qrbtf.com

二維碼掃出來(lái)的內(nèi)容，具體到今天的教程，指的是 URL 鏈接。

第一個(gè)注意的點(diǎn)來(lái)了，URL 越長(zhǎng)，二維碼信息點(diǎn)就會(huì)越多，進(jìn)而導(dǎo)致二維碼的圖片復(fù)雜度就越大。

大家想想也好理解，越復(fù)雜的二維碼，在 AI 生圖的過(guò)程中，就越容易出問(wèn)題，所以對(duì)于這一串 URL 鏈接來(lái)說(shuō)，自然越短越好。

這里的建議是，盡可能的精簡(jiǎn)鏈接，把不影響訪問(wèn)的字符給刪掉，如果 URL 鏈接實(shí)在是太長(zhǎng)，比如超過(guò) 40 個(gè)字符左右，可以考慮用短鏈轉(zhuǎn)換工具把長(zhǎng)鏈轉(zhuǎn)換成短鏈。

在精簡(jiǎn) URL 的過(guò)程中，第二個(gè)注意的點(diǎn)來(lái)了，想讓掃出來(lái)的二維碼能夠自動(dòng)跳轉(zhuǎn)，「https://」這種協(xié)議是不能夠刪的，否則就無(wú)法自動(dòng)跳轉(zhuǎn)。

至于二維碼的樣式，選擇最最基本的就好。

樣式雖然確定了，但參數(shù)需要調(diào)整，最關(guān)鍵的是「容錯(cuò)率」這個(gè)參數(shù)，直接拉到 30% 最高。

這里稍微解釋一下，二維碼容錯(cuò)率，是指二維碼被遮擋后仍能被掃出來(lái)時(shí)，最大的遮擋面積。

你想啊，容錯(cuò)率越大，能遮擋的面積越多，那 DIY 出來(lái)的二維碼就越好看，至此，我們就得到了一個(gè)符合標(biāo)準(zhǔn)的二維碼。

不過(guò)需要注意的是，導(dǎo)出記得選「JPG」格式，原因是 PNG 格式背景是透明的，無(wú)法用在 SD 的后續(xù)操作。

第二步

準(zhǔn)備好了二維碼，直接導(dǎo)出 SD 圖生圖里，提示詞按需求寫即可，沒(méi)有什么特別需要注意的。

這里需要注意的是兩個(gè)參數(shù)——提示詞相關(guān)性和重繪幅度。

因?yàn)槟阆氚。覀兪窃诙S碼這個(gè)基礎(chǔ)上去生圖，生成的內(nèi)容全都交給了提示詞，所以「提示詞相關(guān)性」這個(gè)參數(shù)適當(dāng)調(diào)大，建議 8-11 不等。

至于「重繪幅度」，放在這個(gè)場(chǎng)景下，就是重繪幅度越大，越不像二維碼，但重繪幅度過(guò)小，又喪失了 DIY 的空間。

所以這個(gè)值最好把持在 07-0.9 之間，判斷的依據(jù)是，最好生成的圖片像二維碼，但掃不出來(lái)，比如 0.75 這個(gè)樣子（可以再稍微高一點(diǎn)）。

對(duì)于不同的提示詞，不同的二維碼，「重繪幅度」這個(gè)參數(shù)是動(dòng)態(tài)調(diào)整的，不要迷信，建議大家試一試再說(shuō)。

但注意，此時(shí)生成的圖片是掃不出來(lái)的，原因很好理解，DIY 部分的面積已經(jīng)超過(guò)了二維碼的容錯(cuò)率。

我們需要控制圖片的生成，讓二維碼的信息點(diǎn)暴露出來(lái)，怎么搞？上 ControlNet。

具體是指 Tile 控制模型。

至于用來(lái)控制的圖片，用二維碼即可，記得勾選「啟用」。

在默認(rèn)參數(shù)下，權(quán)重、開始控制步數(shù)、結(jié)束控制步數(shù)都不變，我們用 ControlNet 生成的新圖片，必是二維碼原圖，重繪幅度調(diào)成 1 都沒(méi)用。

原因就是，你讓 Tile 這個(gè)控制模型從頭到尾全過(guò)程參與了生成，所以圖片自然生成了它該有的樣子。

怎么改？先動(dòng)開始控制步數(shù)，0 意味著 ControlNet 從頭介入控制，數(shù)越大，介入的越晚，建議大家從 0.25 開始嘗試，這是我手動(dòng)生成近 500 張圖后得出的結(jié)論。

這個(gè)值低了，DIY 的部分會(huì)隱藏在二維碼下。

這個(gè)值高了，又會(huì)超過(guò)容錯(cuò)率，臨界值甚至是小數(shù)點(diǎn)后三位。

以我這個(gè)提示詞和二維碼，0.285 得到的就是一張能掃出來(lái)的 DIY 二維碼了。 

如果總結(jié)成調(diào)參數(shù)的方法論——

先調(diào)整「權(quán)重」和「開始控制步數(shù)」，讓 DIY 的部分從二維碼中浮出來(lái)，并能掃出結(jié)果；如果覺(jué)得 DIY 部分和二維碼融合的不夠自然，再去調(diào)整「結(jié)束控制步數(shù)」，讓提前結(jié)束控制，參數(shù)建議 0.9 左右。

至此，我們就能 DIY 出屬于自己的特色二維碼了，我這里還有很多成功的二維碼：

至于你說(shuō)怎么做出更有個(gè)性的二維碼？比如下面這種讓圖片更自然，更完整。

其中的奧秘，就是再開一個(gè) ControlNet，用 Lineart 控制模型，或者 OpenPose 控制模型對(duì)生成的內(nèi)容進(jìn)一步把關(guān)。

不過(guò)當(dāng)你開啟第二個(gè)，甚至第三個(gè) ControlNet 時(shí)，前面的參數(shù)就要對(duì)應(yīng)調(diào)整了，多跑幾遍，相信你也能拿捏。

其實(shí)關(guān)于這個(gè)創(chuàng)意二維碼，還有很多可以鉆研的地方，限于時(shí)間（坐電腦前一天了，老腰快廢了）這里我并沒(méi)有測(cè)試。

比如利用 PS 的填充 AI，或者局部重繪，讓二維碼更好的融入圖片；比如改變尺寸，包括不限于 ControlNet 中圖片尺寸，會(huì)對(duì)構(gòu)圖帶來(lái)什么影響等等。

但無(wú)論如何，這條路是能走通的，何況文章一開頭，引領(lǐng)這一波風(fēng)騷的那些四位同學(xué)，還搞了個(gè)專門針對(duì)二維碼的 ControlNet 控制模型。

雖然暫時(shí)還沒(méi)有放出，但相信以后制作這種創(chuàng)意二維碼會(huì)越來(lái)越容易。

如果你想體驗(yàn)制作這樣的創(chuàng)意二維碼，但又用不來(lái) Stable Diffusion 去 DIY，別急，國(guó)外已經(jīng)有人把這事給商業(yè)化了，加入 Discord 即可免費(fèi)體驗(yàn)。