[控场AI]
· 4 分钟阅读· 2,239 字

AI图像编辑史太混乱?他把整个创作过程搬上了无限画布

AI图像编辑史太混乱?他把整个创作过程搬上了无限画布

DREAMMMER 用对话加无限画布为 AI 生图建立谱系追踪,解决版本与提示词追溯难题。

DREAMMMER 针对 AI 生图过程像玩老虎机、难以追溯版本的问题,提出把聊天放在左侧、无限画布放在右侧的交互方式。每一次请求、提示词、渲染结果和修改都以卡片挂在来源节点上,形成可追溯的谱系:搜索连到提示词,提示词连到渲染,修改版本挂在被改图下方。用户可用自然语言迭代,由智能体转成英文提示词并自动或手动选模型,还能在同一对话内从静态图直接生成短视频。背景移除、照片修复等一键工具的结果仍回到聊天窗口继续精修。新账户赠送 50 积分,失败任务退回积分。作者仍在迭代画布布局与模型自动选择,并征集反馈。

当AI图像工具变成老虎机

用AI生成图片的过程,很多时候像在玩老虎机:输入一句话,出来四张图,挑一张,再输入一遍。二十分钟后,下载文件夹里塞满了 final_v3_really_final.png,而你根本想不起来哪张图是用哪句提示词生成的。

这个痛点催生了一个名为 DREAMMMER 的产品。它的思路不是做"更好的提示词输入框",而是把聊天放在左侧,把一张无限画布放在右侧,每一次请求、提示词、渲染结果和修改版本,都以卡片的形式挂在它所源自的那个节点上。

AI图像编辑画布工作区示意

核心问题:AI生图缺少"血缘关系"

做产品图或社交缩略图的人很少能一次成型。先调光线,再改裁剪,然后决定把瓶子放在石头上而不是桌面上。每一次调整都是一次全新的生成,而大多数工具把它们当作互不相关的独立任务来处理。

作者想要的是一种谱系追踪能力:悬停在一张早期渲染图上,就能直接从那张图分叉出去——编辑它、移除背景、放大分辨率,或者把图片附带给智能体继续对话——同时不丢失到达这一步的完整路径。

画布正是为此设计的。搜索连到提示词,提示词连到渲染结果,修改版本挂在被修改的那张图下方。十轮迭代之后,你依然能看清每张图是怎么来的。

谱系追踪在计算机与信息管理领域通常称为 lineage tracking 或 provenance tracking,指系统记录每个对象从何而来、经过哪些变换的全链路信息。在数据工程中,它用于追溯一张表的字段到底由哪些原始表经过哪些 SQL 变换生成;在机器学习里,它记录某个模型版本由哪些数据、超参和代码训练而成。对 AI 生图而言,谱系追踪意味着每个渲染结果都携带指向其父节点的引用,父节点可能是上一张图、某条提示词或智能体的一轮回复。这样做的价值在于可复现与可回溯:你可以沿链路找到某次改动之前的版本,而不必依赖文件名或记忆。实现上通常以有向无环图存储,节点是资产或操作,边表示派生关系,这也是画布类产品普遍采用的数据结构。

一次典型的使用流程

作者描述自己的实际操作路径:

  1. 用大白话描述想法,不需要写一段 Midjourney 长篇小说
  2. 智能体将其转化为详细的英文提示词并自动选择模型(Auto 模式),也可以手动锁定某个模型
  3. 继续用自然语言迭代:光线冷一点、画面简洁些、产品标签保持不变
  4. 静态图满意后,有时直接在同一段对话里要求生成一段短视频,而不是导出文件再跳到另一个应用

最后一步带来的意外感甚至超过了画布本身——从图像到微动效,不用在别处重建上下文。

文中的 Auto 模式 指系统根据用户请求自动挑选生成模型,而不是由用户手动指定。图像生成领域模型众多,各自擅长的风格与任务不同:有的偏向写实摄影质感,有的擅长插画与动漫,有的对文字排版或产品一致性更稳定。Auto 模式的常见实现方式是让一个较小的语言模型先解析用户意图与约束,再依据预设规则或评分把请求路由到最合适的模型,并在参数上做相应调整。它的优势是降低选择成本,劣势是当某类任务需要特定模型才能得到理想效果时,自动选择可能给出偏差结果,因此成熟产品通常同时保留手动切换入口。这与文中提到的折中方案一致。

一键工具依然有位置

并非所有操作都需要对话。有时候只是想把背景去掉或修复一张老照片。这些功能被放在独立工具页面:上传、选工具、拿结果。真正有用的地方在于,结果仍然会在聊天窗口中打开,可以继续用智能体精修,而不是从头再来。

积分机制

新账户赠送 50 个免费积分。消耗量取决于所选模型和参数设置(分辨率、视频长度等)。如果生成失败,该任务消耗的积分会退回。具体费率公开在定价页面上,避免用户在生成过程中猜测余额。

尚未解决的设计难题

画布类产品的交互设计很难做好。节点太多就像一盘意大利面,自动布局太激进又让人觉得失去了控制权。作者正在迭代吸附对齐、连线路径以及聊天/画布的分割方式——用户可以拖动分隔条,也可以将图区域全屏。

另一个问题是模型自动选择:Auto 模式大多数时候够用,但某些任务需要特定模型才能出那个"对的味道"。同时提供 Auto 和手动模型菜单是目前找到的折中方案。

画布类产品的自动布局指系统在不破坏用户心智模型的前提下,自动计算节点位置以避免重叠和连线混乱。常见思路包括力导向布局、分层布局和增量式吸附:新节点出现时先尝试邻近空闲区域,再把已有节点小幅推开,而不是整图重排。难点在于控制感与整洁度天然冲突——重排越激进,图越干净,但用户刚记住的位置被改掉,空间记忆失效,反而更难找回某张图。折中方案通常是只做局部推挤或吸附对齐,提供手动锁定位置,并在用户主动触发时才执行全局整理。因此这类产品的交互往往需要多轮迭代才能达到可用状态。

适合谁尝试

如果你已经在 Midjourney、Flux 和各种视频工具之间反复横跳,并且厌倦了每次都重新解释同一份创意简报,那么"对话 + 历史画布"这个组合可能值得关注。作者也在征集反馈:什么能让这种工作方式足够可信,以至于你愿意在一个客户项目里从头做到尾?

使用方式:用 Google 账号登录即可。浏览模板和公开作品集不需要账号,但创建内容需要登录,以便对话记录和积分绑定到个人账户。

#AI图像编辑#无限画布#AI生图工具#DREAMMMER#提示词管理#AI工作流#图像版本追踪
分享:

相关推荐