发布日期:2024-03-17 来源: 网络 阅读量( )
天博全新「多模态」生图AI文字渲染暴打Midjourney+DALL·E 3!5亿融资Karpathy都投了Ideogram凭借不输Midjourney的生图能力和遥遥领先的图片中文字渲染能力,获得了包括Jeff Dean和Karpathy在内一众大佬的8000万美元融资,文生图这条离钱最近的AI赛道又加入了一名重量级选手。 文生图领域作为一个跑出「10人团队年收入过亿美金初创公司」的赛道,已经成了AI创业公司掘第一桶金的最佳起点。 包括Jeff Dean和Andrej Karpathy在内的一众硅谷大佬和知名机构都是它的投资人。 而且生成的图片不仅能简单的以平面文字的形式出现在图片之中,还能根据用户的要求,生成自然的悬浮文字,或者是立体的文字。 除了能严格按照作者的要求生成精准的文字,甚至像开头的梗图一样,它能按照图片的设定无中生有的配上契合图片的文字。 Ideogram 1.0 除了能够生成照片级逼真的图像,对于超自然的风格的图片也有很强的表现能力。 Ideogram 1.0还提供了一个名为「Magic Prompt」的功能,可以自动增强、扩展和翻译用户的提示,大大降低用户生成精美的创意图片的门槛天博官方网站。 原提示:创建一个关于猫的有趣的表情包 增强提示: 以一只表情惊讶的波斯猫为主题的备忘录。猫的眼睛睁得大大的,让人觉得它很震惊或很有趣。背景是其他猫咪摆出的各种姿势的彩色拼贴画,主题为 「当你意识到猫咪已经占领互联网时」。整个画面轻松幽默,展现了网上对猫的持久热爱。 提示: 。 增强提示: 一个幽灵、万圣节灯笼和骷髅的恐怖万圣节场景。鬼魂穿着破旧的长袍,漂浮在南瓜之间,而南瓜灯则露出顽皮的笑容。背景中天博官方网站,一个戴着高帽的骷髅站在鬼屋附近。月亮在画面上洒下银色的光辉,气氛既阴森恐怖又充满童趣。 Ideogram 1.0本身也很擅长解释复杂的提示。每个对应的图像准确地反映了其提示的每个细节: 这是一幅迷人的全家福,一个纯色哑光红色球体圣诞礼物栖息在一个蓝色立方体包装的圣诞礼物上,一棵鲜艳的绿色圣诞树矗立在它们身后,树底缠着一块绿布。右边是一只好奇的小狗,左边是一只可爱的猫咪。 一只完全由香脆炸鸡制作而成的公鸡,如电影般逼真。它的身体覆盖着一层金的外壳,淋上番茄酱,羽毛上还点缀着完美烹制的热气腾腾的炸薯条。公鸡的眼睛是由两个又小又圆的番茄酱斑点组成的,它的喙是由一块香脆的鸡皮制作而成的。场景的背景是一家灯光昏暗的复古餐厅,霓虹灯和格子桌布为餐厅增添了和奇特的氛围天博官方网站。 书房里的两个男人。左边的男子站着,身穿长外套和花纹衬衫,手持拐杖。他面容邋遢,留着胡子。右边的男人坐在椅子上,身着正装,手持拐杖。他们身后的墙上挂着一幅装裱好的男子肖像。房间里有华丽的窗帘和铺着地毯的地板,给人一种复古的感觉。 而根据 DALL·E 3 这样的评估标准,人类评估者在提示对齐、图像连贯性、整体偏好和文本渲染质量方面Ideogram 1.0,比 DALL·E 3 和 Midjourney V6还更收到欢迎。 显然,想要在文生图这个领域与现有的竞争者抗衡,挑战堪称天花板的Midjourney V6是避无可避的。 这个测试考验的是AI的想象力,因为在没有任何细节的情况下,图片 AI 要决定加入什么元素以及如何让图片看起来超现实。 Midjourney的全息效果不太清晰,但是画面风格比较一致协调。Ideogram全息效果比较正常,但是整体画面割裂感比较强。 在官方放出的例子中,Midjourney似乎表现要更好一些,图中有更多的细节,风格也更真实一些。但是双方的差异似乎不大。 作者又测了测需要带有文字的logo生成,虽然Ideogram的logo似乎也不能拿来就用,但是它至少符合要求,有明显的文字效果,而Midjourney似乎就完全没有体现出文字内容。 他用这个Logo的提示再次对比了两个工具的生成效果,从创意的角度,似乎Ideogram更好。 而Ideogram强大的文字能力简直是生成梗图的利器,而它强大的文字功能在这里体现得淋漓尽致。