在数字艺术创作领域，一场悄然发生的革命正引发广泛关注。北京航空航天大学的研究团队与快手科技可灵团队联合开发出一套名为CoTyle的系统，实现了从数字代码到艺术风格的图像生成技术，为AI绘画工具带来了全新突破。这项研究以论文形式发布，编号为arXiv:2511.10555v3，为学术界和创意产业提供了新的技术路径。
传统AI绘画工具在风格控制方面面临三大难题：风格一致性难以保证，同一描述生成的图像风格差异大；创造性受限，依赖参考图片或预训练模块，难以创造全新风格；风格复制困难，分享特定风格需传输复杂文件或庞大模型。CoTyle通过建立“风格DNA”系统，用数字代码作为风格基因序列，成功解决了这些问题。相同的代码始终生成相同风格，不同代码则产生截然不同的视觉效果，实现了稳定性和多样性的平衡。
研究团队通过对比实验证明，CoTyle在风格一致性上显著优于商业巨头Midjourney，同时在图像质量和文本匹配度方面也表现优异。尽管在风格多样性上略逊一筹，但作为首个开源解决方案，其成绩已令人振奋。更值得关注的是，CoTyle不仅支持数字代码生成，还具备基于参考图片的风格迁移能力，甚至能实现多种风格的平滑融合，创造出独一无二的视觉效果。
CoTyle的核心技术包含三个关键阶段。首先是“学习观察”阶段，系统通过“风格字典”识别和提取图像风格特征。这个包含1024个基本风格元素的字典，通过对比学习方法训练，确保相同风格的图片映射到相似位置，不同风格的图片保持距离。为避免字典“退化”，研究团队引入重建损失函数，平衡风格特征的独特性和与原始图像的联系。
在“学习表达”阶段，系统采用基于扩散变换器的图像生成模型，将风格信息通过文本通道注入，而非传统的视觉通道。这一设计基于对人类风格感知的深刻理解——风格本质上是语义性的，而非纯视觉的。通过文本编码器处理风格信息，系统能更好地理解和表达风格的精髓，生成图像在文本响应和风格保持上表现更优。
“学习创造”阶段是CoTyle最具创新性的部分。系统训练了一个自回归风格生成器，能够创作全新的风格组合。这个生成器的工作原理类似于语言模型，给定起始索引，能预测后续索引，最终组成完整风格序列。每个数字代码作为随机种子，确保相同代码生成相同风格序列，实现了风格的精确控制。
研究团队在分析风格字典时发现，其中存在类似自然语言中“高频词汇”的“高频索引”。这些索引被过度使用，生成图像风格平淡，缺乏特色。为解决这一问题，团队设计了频率抑制策略，通过指数衰减函数降低高频索引的选择概率，促进更具特色的风格元素被选用。实验证明，这一策略显著提升了生成图像的风格多样性。
CoTyle的风格插值功能展现了数字化风格表示的独特优势。通过按比例混合两种风格的索引序列，系统能实现风格的智能融合。研究发现，索引选择顺序对结果影响小，表明CoTyle学到的风格表示具有“顺序无关性”，符合人类对风格的整体性理解。这一功能为艺术家和设计师探索新视觉可能性提供了强大工具。
作为首个能与Midjourney竞争的开源解决方案，CoTyle在多个关键指标上表现优异。在风格一致性测试中，CoTyle显著超越Midjourney，确保相同代码生成的图像风格高度一致。在图像质量和文本-图像对齐度方面，CoTyle也表现出色。尽管风格多样性稍逊，但作为开源项目，CoTyle为学术界和创意社区提供了宝贵的研究基础和应用工具。
CoTyle的技术创新为相关领域提供了新思路。离散风格表示可用于艺术风格分析和研究，帮助艺术史学家探索艺术运动演变规律。在创意产业中，CoTyle的风格控制能力可提高创作效率，为广告、游戏、影视等行业提供高效工具。从技术角度看，CoTyle证明了离散表示在生成模型中的潜力，展示了对比学习在风格特征提取中的有效性，为多模态模型设计提供了新思路。
当前，CoTyle仍面临数据多样性和风格表示精细度等局限。未来研究可考虑扩大训练数据集规模，设计更精细的风格表示方法，提升用户交互体验。CoTyle的核心思路还可扩展到音乐、文本写作、建筑设计等创意生成任务中，带来更多创新突破。在教育领域，CoTyle可帮助艺术教育展示不同艺术风格；在娱乐产业，可为游戏、动画制作提供概念设计工具；在电商和广告行业，可快速生成符合品牌调性的营销素材。
CoTyle选择开源发布，打破了技术垄断，促进了技术的民主化。开源模式为学术研究提供了透明的研究基础，推动了技术标准的建立，激发了更多创新应用。学生和年轻研究者可通过学习CoTyle代码理解先进AI技术实现细节，培养下一代技术人才。对于普通用户，基于CoTyle技术的应用产品将使他们能通过简单数字代码和内容描述，获得特定风格的图像，参与到艺术创作过程中。
