AI让画师、摄影师失业并非危言耸听,而是已成事实
最近发现不少小伙伴都对科技周边很感兴趣,所以今天继续给大家介绍科技周边相关的知识,本文《AI让画师、摄影师失业并非危言耸听,而是已成事实》主要内容涉及到等等知识点,希望能帮到你!当然如果阅读本文时存在不同想法,可以在评论中表达,但是请勿使用过激的措辞~
此前在2022年下半年,随着Midjourney、Stable Diffusion、NovelAI等一大批高性能AI绘画工具的出现,让大家第一次在消费级领域看到了人工智能的效用。全球的画家和摄影师很快开始讨论人工智能对绘画和摄影的影响。
在经历了一波又一波讨论后,如今业界逐步形成了这样的共识,那就是AI在这些领域的作用可能只是“辅助”、而非“代替”,AI还只是一个被驱动的工具。然而,近日一份来自海外研究团队Stock Performer公布的数据,却给出了一个让几乎每一位画师、摄影师肝胆欲裂的结论,那就是与人类创作的图像相比,AI生成的图像在Adobe Stock上赚到的钱其实更多。
Adobe Stock是Adobe旗下的一个免版税图片库,它提供了数百万高品质的免版税专业照片、视频、插图和矢量图形,以供设计人员和企业来构建他们的创意项目。作为全球第二大图片库,Adobe Stock也是在关于AI版权存在争议的情况下,为数不多正式接受AI生成图片的图库。

为此,Adobe Stock也设定了一个相对严密的规则,那就是要求在提交相关内容前,用户必须遵守AI工具的使用条款,拥有相应生成内容的商业版权,而不能提交描绘真实地点、可识别第三方资产(例如LOGO)或真实人物(除非有授权)的作品,并且必须明确在标题中使用“生成式AI”或“AI”等字样,来进行标识。
根据Stock Performer公布的数据显示,他们在分析了Adobe Stock从2022年到现在的数据后发现,AI生成作品的每次下载收入(RPD)是非人工智能来源的1.59倍,来自AI生成的图像每月平均收入(RPI/m)则是非人工智能途径的4.5倍,其中前者为0.17美元,后者是0.0375美元。

其实这一数字就已经很能说明问题了,毕竟这是用户拿真金白银给出的结果,也证明了现阶段AI生成的内容已经可以满足部分用户的需求了。
所以,只能说外界可能低估了AI技术进步的速度。此前在去年秋季,Midjourney、Stable Diffusion还需要反复调校才能获得一张可堪一用的图片。AI绘画彼时的痛点,是使用的关键词生成不了用户想要的画面,然而随着不久前一款名为“ControlNet”AI绘画插件的出现,这个痛点被完美解决。
据悉,ControlNet的绘画模式是先让用户输入一张参考图,然后根据这张图按一定的模式预处理出一张新图,之后再由AI根据这两幅图绘制出成品。
在半年前,手部一直是无法克服的AI绘图难题,但仅过了半年时间,这一问题便得到了解决。事实上,AIGC取代画师、摄影师,AI技术的进步还仅仅是次要因素,真正的原因是“劣币驱逐良币”,即水平相对更低的AI创作内容挤压了高水平人类创作者的生存空间。
那么画师、摄影师为什么能成为一种职业呢?靠的显然就是人无我有,毕竟画画和拍照都是有门槛的一门技能。
因为用户需要却没有能力实现所需的东西,从而造就了画师议价的空间。但问题是,现在有了Stable Diffusion、NovelAI、DALL-E,有了ControlNet和各种Lora,用户发现只需要需求告诉AI需求,它就能给出相应的图像。尽管AIGC的水平有限,但只要多做几次就可以凑出勉强可用的作品。
这些作品在真正的画师、摄影师看来虽然质量一般,但他们的议价权却是被AI削弱了,AIGC的“客制化+低成本”这一双重优势实在太有力。有句话说得好,乙方最讨厌甲方什么都不懂还瞎指挥,但乙方的议价权其实恰恰来源于甲方什么都不懂。所以现在的情况,就是AI成为了部分甲方的“备胎”。
而一个行业从朝阳变成夕阳,最关键的因素之一就是没钱挣了。AI“扼杀”一个行业并不是指AI达到了中高端从业者的水平,而是在性价比上超越了低端从业者的那一刻。因为低端从业者被AI挤出去后,中端从业者就只能拿到以前低端水平的价码,毕竟AI的成本相较之下可就太低了。

而AI对于绘画、摄影行业的冲击,其实并非一瞬间的事情,而是一个缓慢的过程,就正如短视频降维打击了图文内容一样。
今天关于《AI让画师、摄影师失业并非危言耸听,而是已成事实》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于AI,摄影师,画师的内容请关注golang学习网公众号!
为什么我的Go程序无法正确使用Viper库?
- 上一篇
- 为什么我的Go程序无法正确使用Viper库?
- 下一篇
- Web 端实时防挡脸弹幕(基于机器学习)
-
- 科技周边 · 人工智能 | 1天前 |
- Tokenizer padding_side 影响批量生成的对齐
- 206浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | python · 人工智能 · 数据迭代 Hugging Face Datasets streaming IterableDataset 大语料
- Datasets streaming 读取大语料的迭代方式
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | python · Transformers generate 停止条件 批量输出
- Transformers generate 的停止条件与批量输出
- 133浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · LoRa 显存优化 bitsandbytes QLoRA 4-bit量化
- bitsandbytes 量化模型配合 LoRA 训练的显存边界
- 249浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · LoRa PEFT load_adapter set_adapter 适配器切换
- PEFT LoRA 适配器按任务切换的加载方案
- 268浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 | 人工智能 · LoRa PEFT merge_and_unload 适配器合并
- PEFT 适配器合并后为什么输出会变化
- 221浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 |
- Tokenizer 左填充和右填充应该怎么选
- 399浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 |
- Safetensors 为什么支持按需读取权重切片
- 258浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 |
- MLflow Model Alias 怎么替代固定版本号部署
- 360浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 | 索引优化 · 向量数据库 · 向量检索 FAISS Index Factory IVF PQ
- FAISS Index Factory 字符串怎么组合索引结构
- 100浏览 收藏
-
- 科技周边 · 人工智能 | 2天前 |
- 知识库切片重叠率怎么影响检索结果
- 268浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 271次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 324次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 314次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 288次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 105次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
