玩轉 AI 繪圖新高度：字節跳動 USO 模型，風格與主體從此不再二選一

AI 繪圖又迎來了重磅消息！字節跳動近期開源了一款名為 USO 的創新 AI 影像生成框架，巧妙地將過往看似對立的「風格驅動」與「主體驅動」兩大任務整合在單一模型中。這代表使用者未來在創作時，無需再為保留清晰的人物特徵或渲染獨特的藝術風格而苦惱。USO 的出現，讓兩者兼得成為可能，大幅提升了 AI 繪圖的自由度與精準度。

你有沒有過這樣的經驗？想用 AI 畫一張有著特定朋友樣貌，但風格卻是梵谷油畫的作品，結果生成出來的圖片，要么朋友的臉變了樣，要么就是風格渲染得「四不像」。這種在「忠於原樣」和「追求風格」之間的拉扯，一直是許多 AI 繪圖愛好者心中的痛。

不過，這個困擾創作者已久的問題，現在有了新的解答。字節跳動的研究團隊推出並開源了名為 USO (Unified Style and Subject-Driven Generation) 的統一生成框架，直接挑戰了這個「魚與熊掌不可兼得」的難題。

簡單來說，USO 就像一位技藝高超的畫家，既能精準捕捉模特兒的神韻，又能隨心所欲地切換各種繪畫風格。

為什麼這項技術如此重要？風格與主體的百年之爭

在過去的 AI 影像生成領域，大家習慣將「風格驅動」和「主體驅動」視為兩條平行線。

• 風格驅動 (Style-driven)： 專注於學習並複製特定藝術風格的紋理、筆觸和色彩，例如將一張普通照片變成賽博龐克風格。但缺點是，原始圖片中的主體（比如人臉）細節很容易在風格化的過程中失真。
• 主體驅動 (Subject-driven)： 則是以保持主體（例如某個人物、寵物或物品）的一致性為首要目標，確保無論背景如何變換，主體特徵都清晰可辨。但在這種模式下，要融入強烈的藝術風格就顯得力不從心。

這兩者之間的矛盾，源於模型難以判斷哪些特徵屬於「內容」，哪些又屬於「風格」。而 USO 的核心理念，正是要打破這道牆，讓模型學會聰明地「解構」與「重組」。

揭秘 USO 的幕後魔法：解耦與獎勵學習

那麼，USO 究竟是如何辦到的？研究人員提出了幾個關鍵性的創新方法：

1. 大規模「三元組」資料集： 首先，他們建立了一個龐大的資料庫，裡面包含了「內容圖片」、「風格圖片」以及「風格化後的内容圖片」這樣的三件套組合。 這就像是給 AI 提供了無數個學習範例，讓它對照學習內容與風格結合的奧秘。

2. 解耦學習機制 (Disentangled Learning)： 這是 USO 的核心技術。透過精巧的演算法設計，模型被訓練去分辨一張圖片中的哪些部分是關於「主體內容」（如人物的五官、服裝輪廓），哪些是關於「風格特徵」（如筆觸、色調）。 透過「風格對齊」與「內容-風格解耦」兩種互補的訓練方式，USO 能夠將這兩者漂亮地分開。

3. 風格獎勵學習 (Style Reward-Learning)： 為了讓生成效果更上一層樓，團隊還引入了一種類似於「品味導師」的機制。 這個機制會評估生成圖片的風格相似度，並給予模型獎勵或指引，不斷提升其對風格的掌握能力。

值得一提的是，USO 模型是基於 FLUX.1-dev 這個強大的基礎模型進行微調的，並提供了 LoRA 權重，讓有技術能力的開發者可以更靈活地應用與客製化。

四種玩法，釋放你的無限創意

USO 不僅僅是一個技術概念，它還提供了四種非常實用的推理模式，幾乎涵蓋了所有主流的 AI 繪圖需求：

• 精準主體控制： 上傳一張人物照片，你可以用文字指令（prompt）讓他出現在任何場景，同時完美保留臉部特徵，生成效果媲美寫真照。
• 靈活風格遷移： 只需要一張風格參考圖，無論是吉卜力的動畫感、復古漫畫風還是水彩畫的朦朧美，都能一鍵應用到你的照片上，同時保持原始佈局。
• IP-風格混合創作： 這是最令人興奮的模式。你可以同時上傳一張「主體圖」（例如你的寵物狗）和一張「風格圖」（例如星空油畫），USO 便能生成一張你的狗狗在星空下奔跑的奇幻畫作。
• 多風格融合生成： 還在猶豫要用哪種風格嗎？USO 甚至支援同時參考多張風格圖片，創造出獨一無二的混合藝術效果（此功能目前仍在測試中）。

親身體驗 USO 的魅力

說了這麼多，不如親自動手試試看！字節跳動非常貼心地在知名的 AI 開發者社群 Hugging Face 上提供了 USO 的線上試玩 Demo。 你不需要懂程式碼，只要上傳圖片、輸入簡單的指令，就能立即體驗這項先進技術帶來的創作樂趣。

線上體驗傳送門： USO Hugging Face Demo

對於有興趣深入研究的開發者，USO 的完整程式碼和模型權重也都在 GitHub 上開源，可以自由下載使用。

結語：AI 創作的下一個里程碑

USO 模型的出現，不僅僅是解決了一個技術難題，它更象徵著 AI 影像生成正在朝向更精細、更自由、也更懂創作者需求的方向發展。 過去那種需要反覆「抽卡」、靠運氣才能得到滿意結果的時代正在過去。未來，AI 將成為更聽話、更強大的創作夥伴，幫助我們將腦海中的每一個奇思妙想，都精準地化為現實。