秒画

定义

秒画是商汤科技构建的一个AI图像生成平台，官方英文名为SenseMirage，在商汤内部被视为其「日日新」(SenseNova)大模型体系中的图像生成方向^[1][3]。它同时承担两种角色：一是面向普通用户的在线作图社区，二是面向企业客户的模型与接口服务入口^[2]。与只提供单一自研模型的工具不同，秒画把商汤自研作画模型与第三方社区开源模型放在同一界面下调用，并允许用户训练自己的小型模型^[1]。

原理

秒画的生成能力建立在扩散模型(diffusion model)之上。训练阶段先向图像逐级加入噪声，直至画面接近纯随机噪声；生成阶段则反向运行，在多个时间步上依次预测并扣除噪声，把随机噪声还原为符合文本语义的图片。文字输入由另一套语言模型解析为条件信号，用于约束去噪方向，因此提示词描述得越具体，出图与预期的偏差越小^[4]。

参数化地看，扩散过程可写为对噪声的逐步预测：$x_{t-1} = \sqrt{\alpha_t}\left(x_t - \frac{1-\alpha_t}{\sqrt{1-\bar{\alpha}_t}}\epsilon_\theta(x_t,t,c)\right) + \sigma_t z$，其中 $c$ 为文本条件，$\epsilon_\theta$ 为噪声预测网络。

在基础模型之外，秒画提供ControlNet与LoRA两类附加机制。ControlNet从一张参考图中提取轮廓、景深和构图等信息，作为额外约束参与生成，使输出在结构上贴近参考图^[2]。LoRA则以低秩适配的方式在大模型上追加少量可训练参数，用户上传一组本地图像即可把通用模型调整到特定风格，而不必改动全部权重^[1]。

flowchart LR

A[提示词] --> B[语言理解模块]

C[参考图] --> D[ControlNet 条件提取]

B --> E[扩散模型去噪]

D --> E

F[LoRA 风格权重] --> E

E --> G[生成图像]

G --> H[美学引导与后期调整]

为降低推理开销，秒画在部分版本中采用潜在一致性模型蒸馏与对抗蒸馏，把需要多步迭代的去噪压缩到很少的步数，从而在保持画面质量的同时缩短出图时间^[5]。平台侧还通过模型编译对导入的开源模型做加速，官方给出的对比是本地显卡需约10秒的任务在平台上可缩短到约2秒^[1]。

发展历程

2023年1月，秒画1.0 以商汤自研的8亿参数扩散模型开启内测，早期功能限于输入提示词生成二次元风格图片。同年4月10日，商汤在技术交流日上发布「日日新」大模型体系，秒画作为其中的AI内容创作社区一并亮相，由董事长兼CEO徐立现场演示作画能力，此时版本为基于14亿参数文生图模型的2.0^[1]。

2023年7月，秒画升级至3.0，基模型参数量提高到70亿，并换用新的生成模型架构。同年三季度推出4.0，参数量进入百亿量级，并引入美学系统；与之配套的极速版本借助蒸馏实现约10倍的推理加速^[5]。

2023年8月，秒画内容生成算法通过国家互联网信息办公室的深度合成服务算法备案。10月，平台上线移动端版本，面向个人与企业用户开放服务，同时更新到3.5版本，加入美学引导系统并接入ControlNet^[2]。2024年2月，日日新体系升级，秒画V4 通过混合文本专家与空间感知无分类器引导等调整，在语义理解与画面质感上继续改进^[5]。2024年7月，秒画AIGC大模型Artist v1.0.0 正式版与秒画趣拍发布，前者加强了多语种文本理解，减少了对提示词的反复调整^[4]。

应用

在设计环节，秒画被用于快速产出草图与概念图，缩短从想法到可视方案的周期；在广告营销、影视特效与游戏开发中，它被当作素材与灵感的来源，用于搭建作品原型^[2]。2024年5月，中国美术学院视觉传播学院与商汤团队合作开设AIGC设计研究课程，学生借助秒画的模型训练功能完成以传统戏曲和东方美学为题材的创作^[6]。

品牌营销是另一类典型用法。2024年初，农夫山泉基于秒画文生图模型训练了一个专用小模型，在微信小程序中提供生肖龙形象绘制功能，活动上线不到一个月调用量超过100万次^[5]。面向企业客户，平台开放接口，供终端厂商直接调用模型，也支持按行业需求定制模型^[4]。

局限

生成质量对提示词依赖较强。使用者在描述不够具体时往往需要多轮改写提示词才能得到理想画面，这构成了初学者的学习成本^[7]。即便在行业头部模型中，人体结构、手部指节等细部的错位仍是常见问题，秒画团队也承认此类缺陷只能通过降低出现概率与后期微调来处理，尚不能完全消除^[4]。

功能覆盖并不均等。平台内部分自研基模型不开放LoRA与ControlNet选项，用户若需要使用这两项功能，需切换到支持的模型，或改用导入的开源模型^[8]。此外，定制LoRA需要用户自行准备合规的图像素材，生成速度在平台使用高峰时也可能受到影响^[7]。

在服务形态上，秒画以公有云调用为主，缺少面向需要本地化私有部署与深度定制流程的用户方案^[7]。就技术路径而言，LoRA 微调在把通用模型适配到某一垂类时，也可能削弱模型原有的泛化能力^[1]。

参见

• 扩散模型 —— 秒画图像生成所依据的基础模型框架

• LoRA —— 秒画用于定制个性化风格的轻量微调方法

• ControlNet —— 秒画图生图功能中用于约束构图与姿态的工具

• 文生图 —— 秒画的核心任务形式

• 商汤科技 —— 秒画的开发主体