Lexica.art

定义

Lexica.art是一个面向AI生成图像的检索与生成平台，最初定位为Stable Diffusion生成结果的搜索引擎，用户可按概念、风格或画面描述查找图像，并查看生成该图像所用的提示词^[1]。站内每张图像都附带提示词、随机种子、引导系数(guidance scale)、尺寸与所用模型等元数据，使其同时具备提示词样本库的性质^[4]。

平台对外提供检索接口(API)，按查询词返回50条图像结果，也可以把某张图片的地址作为查询条件进行反向检索，得到视觉上相近的图像与对应提示词^[4]。除检索之外，站内还设有生成入口，可选平台自研的Aperture模型或Stable Diffusion 1.5等模型出图，并支持负面提示词与自定义尺寸^[5]。

原理

Lexica的检索最初依靠数据库的全文匹配，把用户查询与已存提示词的文本比对；2022年9月起改为基于OpenAI CLIP模型的语义检索，为库中每张图像计算图像嵌入向量，查询时在向量索引中做近邻查找，因此可以按画面内容而非字面关键词返回结果^[1]。该向量索引使用FAISS这一近似最近邻检索库提供查询服务，运行在CPU服务器上，嵌入向量的计算则在GPU上完成^[1]。

以图像相似度检索为例，其流程可概括为：对查询图像或查询文本编码为向量，再在库中检索向量距离最近的若干条记录，取出其提示词与参数元数据返回。生成的图像名称与其提示词按一一对应关系入库，因此检索结果既是图片也是可复用的提示词样本^[2]。

生成侧的Aperture属于文生图扩散模型，据开发者说明其机制是在高分辨率照片上训练，从而偏向输出照片质感的图像，并支持分辨率、引导系数、负面提示词等参数调节^[3]。团队还借助站内用户的浏览与偏好行为做两两比较排序，训练美学评分模型用于筛选训练数据，理由是扩散模型的效果主要取决于训练数据的质量。

发展历程

Lexica由Sharif Shameem、Dylan Molina与Subhash Ramesh创办，2022年8月22日上线，时间点在Stability AI公开Stable Diffusion模型权重之后不久^[1]。上线首日站点处理了约5.1万次检索请求，第二天的请求量与图像返回量翻倍，用户规模在十余天内达到100万^[1]。

2022年9月28日，项目公布500万美元种子轮融资，由Daniel Gross领投^[1]。同月检索方式切换为CLIP语义检索，索引规模扩大到1000万张以上图像^[1]。

2022年12月，平台推出自研的Aperture模型，用于生成照片质感的图像，此后在当月下旬更新至v2，2023年4月发布v3^[1]。据创始人2023年5月的说法，当时站点每月处理的图像检索量超过50亿次^[1]。

运营数据此后出现回落。有资料显示，到2024年，该站已不在全球AI图片类网站流量前列，月访问量低于200万，与其2023年12月的数据相比降幅约67%。创始人Sharif Shameem后来加入OpenAI的Labs团队，同时仍以联合创始人身份与Lexica保持关联^[6]。

应用

最常见的用途是提示词学习：使用者检索某类画面，逐条对照图像与其原文提示词，观察特定修饰语对风格、光影与材质的影响，再把提示词改写后用于自己的生成工具^[7]。由于结果附带了种子与引导系数等参数，同一提示词在相同参数下的复现也成为可能^[4]。

在参考素材收集方面，用户可用关键词或参考图搜索相近构图与风格的图像，用于确定创作方向、制作情绪板或寻找配色与画风参照^[8]。站内的生成功能则让检索到提示词的用户直接在同一界面出图，减少在检索页与生成工具之间来回切换^[1]。

开发者可以调用其检索接口，把图像与提示词数据接入第三方绘图插件或应用；已有开源绘图插件将Lexica的检索结果嵌入自身的探索页面，支持复制提示词与按图检索相似图像^[9]。学术与开源社区也曾从站内提取提示词，构建用于提示词生成模型训练的数据集。

局限

检索质量受限于索引数据本身。早期库内图像主要来自Stable Diffusion相关社群的公开分享，提示词与参数是否完整取决于上传者，并非每张图都带有可用的提示词信息，检索结果中会出现只可看图、无法复用的条目^[1]。按语义检索也意味着结果偏向概念相近而非字面精确匹配，需要在文本检索与向量检索之间取舍^[10]。

生成能力方面，Aperture在发布初期仍会出现在手指、面部结构等细部上的失真，放大细看可见与真实照片不符的痕迹，因此更适用于概念探索与风格参考，而非严格意义上的写实摄影替代^[3]。此外，该模型早期未公开架构细节，外部难以判断其训练数据构成与具体微调方式^[3]。

使用权限上存在分级限制：基础免费方案生成的图像仅可用于个人用途且默认公开，商用授权与私密生成需要相应付费档位，可选择的模型版本数量也有限^[5]。

参见

• Stable Diffusion —— Lexica最初索引的图像即由该开源模型生成，检索库的主要内容来源。

• CLIP —— 支撑其语义图像检索的视觉语言模型，用于计算图像嵌入向量。

• 提示词工程 —— Lexica的提示词与参数样本是该领域常用的经验参考材料。

• 文生图模型 —— 平台自研的Aperture属于此类由文字描述生成图像的模型。

• FAISS —— 提供近似最近邻向量检索的库，用于承载其图像索引。