NovelAI

定义

NovelAI是一项基于云端的软件即服务（SaaS）订阅制产品，由Anlatan公司运营，功能分为AI辅助故事写作和文本到图像生成两部分^[1]。用户输入一段文字或关键词后，服务由服务器端的AI模型生成后续文本或对应图像^[3]。其名称来源于最初以小说写作为主的定位，图像生成功能则是后来扩展出来的^[4]。

故事写作部分围绕文本续写展开：用户写出开头，AI预测并输出后续段落，用户可对任意位置进行修改和重试^[5]。图像生成部分接受标签式或自然语言提示词，输出动漫风格的插画^[4]。

原理

NovelAI的文本功能由大语言模型驱动。服务初期使用的是对EleutherAI开源模型进行微调得到的Calliope与Sigurd，此后陆续加入自研与外部模型，如自研的Clio、Kayra，以及基于Meta的Llama 3 70B微调的Erato^[6][7]。这些模型在文学性语料上训练，输出的是散文式续写而非问答内容^[8]。模型按token计量记忆容量，上下文窗口决定AI能记住多少前文，不同订阅等级的窗口大小不同^[5]。

图像功能以扩散模型为核心，即通过逐步去除随机噪声生成图像。早期模型是对源码可用的Stable Diffusion的微调版本，训练数据取自Danbooru图库，规模约530万张图片，训练使用了配备8张NVIDIA A100 GPU、1TB内存的计算节点^[1]。后续的V4、V4.5系列改为自研架构，并以Danbooru标签体系作为提示词基础^[4]。扩散模型的去噪过程可示意为：

$x_t \xrightarrow{\epsilon_\theta(x_t,t)} x_{t-1} \xrightarrow{\cdots} x_0$

其中 $x_t$ 为第 $t$ 步的含噪图像，$x_0$ 为最终输出。采样步数、提示词引导强度、随机种子等参数共同决定结果，同一提示词在不同种子下会得到不同画面^[9]。

发展历程

2021年4月28日，Anlatan正式上线NovelAI；同年6月15日发布测试版^[6]。此后该公司依次放出基于GPT-Neo-2.7B微调的Calliope、基于GPT-J-6B微调的Sigurd，以及Euterpe、Krake等文本模型^[6]。2022年10月3日，图像生成功能正式上线，初期包含动漫与兽人风格的多个版本^[4]。

2022年10月6日，Anlatan报告其代码仓库遭到未授权访问，图像生成模型与训练代码外泄，文本模型未受影响^[3]。2023年5月与7月，公司先后发布自研的Clio与Kayra文本模型^[4]。2023年11月16日，图像模型迭代至NovelAI Diffusion Anime V3^[4]。2024年9月，基于Llama 3 70B微调的Erato向高级订阅用户开放^[10]。图像模型此后继续更新至V4与V4.5系列^[4]。2024年8月23日，公司将早期泄露的V1图像模型权重按照CreativeML Open RAIL-M与CC BY-NC-SA 4.0双许可公开^[4]。

应用

在文本侧，服务用于小说草稿续写、角色扮演对话与长文本世界观管理。用户可用Memory固定核心设定，用Lorebook保存人物、地点、组织等条目，关键词出现时相关条目会被自动注入上下文^[11]。另有文字冒险模式，将线性叙事改为选项驱动的互动形式^[11]。

在图像侧，主要用于动漫风格的角色立绘、场景插画和封面图生成^[12]。功能包括以现有图像为基础生成新图的图生图、只重绘蒙版区域的内补、提取参考图风格特征的Vibe Transfer，以及线稿化、去背景、上色等编辑工具^[4]。V4与V4.5模型支持在一张图中分别设定多个角色的提示词与画布位置^[9]。此外服务还提供文本转语音功能，可将生成文本朗读出来^[11]。

局限

服务为付费订阅制，免费试用额度有限，正式使用需按月付费^[13]。图像生成消耗服务内货币Anlas，不同订阅等级每月补充的额度不同，超出部分需另行购买^[13]。模型输出受采样步数与像素预算限制，高分辨率或更多步数会带来更高的算力消耗^[9]。

在能力上，NovelAI仅能使用自身提供的模型，用户无法像部分本地部署方案那样加载其他模型或LoRA^[4]。图像模型对写实风格的生成效果不及动漫风格^[12]。长文本创作中，随着篇幅增长，模型仍可能丢失情节细节，需要用户手动维护记忆与设定条目^[11]。有评论指出其续写式交互对新手存在学习门槛，输出也可能出现重复。

训练数据来源也带来争议：图像模型的部分训练素材取自未经原作者授权的转载图片，Danbooru官方曾声明与NovelAI没有关联，既不支持也不认可其做法^[6]。相关讨论多集中于生成内容的权利归属与训练数据的合法边界，而非服务本身的技术实现^[1]。

另需注意上下文窗口按订阅等级划分，长篇作品可能需要更主动的记忆管理，这是使用方式上的限制而非模型缺陷^[11]。

参见

• Stable Diffusion —— NovelAI早期图像模型即在其基础之上微调而来

• 扩散模型 —— 图像生成功能所依赖的技术原理

• 大语言模型 —— 文本续写功能所依赖的技术基础

• Danbooru —— 图像模型训练数据的主要来源图库

• Anlatan —— 运营NovelAI的公司