ai绘图模式内部绘图「Midjourney地位不稳？AI绘图又一黑马出现，附4款产品一手实测」

声明:本文来自于微信公众号量子位 | 公众号 QbitAI，作者:一水，授权转载发布。

AI圈，再次开卷图像生成。

一连串进展扎堆:

8月21日，Ideogram正式推出2.0版本，声称文本渲染能力更强。

没错，就是那个成立于去年8月，由谷歌AI绘画4大牛集体离职创业的项目，曾获得过一众AI大佬投资。

此番Ideogram还公开叫板Flux，官方自信表示其人类评估明显优于Flux Pro。

要知道，Flux由Stable Diffusion原班人马打造，最近正在因生成以假乱真的TED演讲“照片”而走红各大网络。

除此之外，一周前，谷歌正式放出了Imagen3，在官方评估中，号称表现优于DALL-E3、Midjourney v6、Stable Diffusion3等一众绘图模型。

或许是受刺激了（doge），Midjourney竟然也转性了，在8月22日直接向所有用户推出了免费网页版。

这下有好戏看了!

既然大家都宣称自己很强，那我们不妨把大家拉到一桌，来搞个面对面PK。

谁是最强绘图AI?

先请出咱们的4位参赛选手（全部使用网页版）:

• 1号选手:Ideogram2.0。每天免费有10积分，1积分可以生成4张图，每天最多生成40张图;

• 2号选手:Flux.1。黑森林官方在Hugging Chat提供了免费demo（选FLUX.1Schnell版本）;

• 3号选手:Imagen3。在Image FX上可以免费无限次使用;

• 4号选手:Midjourney。免费试用期一共只有生成25张图的机会;

下面正式进入比赛环节。

黑猴子全翻车了

一上来，为了检验这些国外AI是否理解中文提示词，咱们也来蹭一波当今顶流黑猴子的热度。

prompt:游戏角色，一只猴子，身披盔甲，头戴凤羽金冠，手上拿着一根金箍棒，站在一座悬崖之上。

不出意外，意外发生了……

相信大家一眼都被3号的大红叉给吸引了。没错，同一提示词下，只有3号Imagen3拒绝了生成请求。

看到这儿，第一反应是我们的提示词是不是触发了版权保护。于是先删掉了提示词中的“游戏角色”，结果还是提醒无法生成。

难道是谷歌Imagen3不支持中文?于是又随机换了一个更简单的提示词，这下倒是有图了。

只不过结果一整个大错误，而且换了多个中文提示词，最终都是一些毫不相关的纹路图。

看来谷歌Imagen3确实对中文提示词不ok。

3号落榜之后，再看其他几位，也只有1号Ideogram2.0表现最佳。

2号倒还能看出国漫的影子，4号Midjourney则完全放飞自我了~（主打一个毫不相干）

最后还是要表扬下Ideogram2.0，精准命中了所有关键元素。

虽然不是本人心中想要的东西（想要黑神话），但提示词还原度确实没毛病。

是真人还是AI?傻傻分不清楚

接下来进入各位选手的舒适区——人像生成。

遥想当年，Midjourney以一张天台情侣合照火爆网络;眼下，Flux更是以一组TED演讲图风靡全网……

究竟谁更胜一筹?答案马上揭晓。

prompt:A young man with auburn hair， wearing a checkered shirt in teal and cream， captured with a50mm lens for a vintage look. Rich colors， sharp focus， and a touch of retro charm.

一位红褐色头发的年轻男性，身着蓝绿色奶油色方格衬衫，用50mm镜头捕捉复古风格。色彩丰富，焦点清晰，带有一丝复古魅力。

先单看2号和4号，很明显，Midjourney赢了!

从细节上看，2号Flux.1稍有偏差，衣服颜色多了两种，这在一水的蓝绿格子衬衫中尤为突出。

另外，一上来我们还发现了Imagen3独有的一个小亮点:在生成开始前圈出关键词。

借着它完成的工作，我们正好可以检验几位选手对关键元素（蓝绿色方格衬衫、50mm镜头等）的还原程度。

可以看到，整体上几位选手表现都不错（除了2号），还原度较高且都看向了镜头。

而且，要不是这些都是本人亲自用AI生成的，还真无法一下子辨认与真人的区别。（汗颜）

最后悄咪咪说一句，4号选手Midjourney颜值最高。

老大难:图片显示文字

成功骗过了所有人之后，是时候让AI吃点苦头了——

给图片加文字。

这事儿一直都是个老大难，也成了检验AI生图水平的标准之一。

话不多说，直接让几位选手制作一块精美的广告牌。请各位看官老爷自行带入甲方爸爸角色。

prompt:A horizontal brass sign reading ‘Festive Season’ in a stylish script， encircled by pine and holly on a dark wood backdrop， with a close-up focus on the golden lettering.

一块水平黄铜标牌，上面以时尚手写体写着’Festive Season’，周围环绕着松枝和冬青，背景是深色木材，特写镜头聚焦于金色字体。

一眼扫过，是不是都还不错，好像都高度还原了提示词?

但是，一旦拿出甲方爸爸的犀利眼神，这2号可就藏不住了。

注意看，2号Flux.1偷工减料了，单词“Season”少了一个字母“S”。

不过除了2号，其他几位还是不错滴，看来各家AI在文字渲染功能上都下功夫了。

所以接下来就是，萝卜青菜各有所爱，大家凭个人喜好做选择。（私心投给了Midjourney）

对了，1号Ideogram这次型号升级还特意拿“文字渲染”功能做宣传了，大家不妨多试试。

参考麦当劳，整点AI广告

最近，麦当劳请了11个AI美女为薯条疯狂打call，狠狠火了一把~

其实原理也比较简单，无非是用AI生成不同角色宣传薯条的图片，再拼接成一个视频。

没想到效果惊人，仅在推特一个平台，相关视频就获得了近千万浏览量。

掌握财富密码后，咱们正式开干，身为中国人，AI助农高低得走起~

prompt:Against the backdrop of a cyberpunk-style metropolis， a girl is promoting organic agricultural products in her hands.

在赛博朋克风格的都市背景下，一位女孩正宣传着手中的有机农产品。

很好，3号选手再次“摆烂了”。不过这波着实令人费解，提示词既不是中文，也没有明显违禁的地方……

淘汰3号后，1号选手Ideogram2.0带货种类最为丰富，大白菜、西红柿、紫甘蓝等应有尽有。

而且它是唯一一个打出文字招牌来宣传有机食品的，看得出来相当卖力了~

另外，细看还能发现只有1号在尽力模仿真人，而2号和4号则完全走上了二刺猿。

u1s1，如果参考麦麦的广告风格，这一次的短暂生成确实没有达到理想效果。（希望更贴近真实一点）

但是，好在这几个AI工具目前都可以免费用，多来几次也不是不行，重点还是方法论。[doge]

别急着走，其实还有一个更靠谱的搞钱方法——

用AI轻松拿捏棚拍商业宣传海报，省下请摄影师、场地和后期的钱不香嘛。

A sleek lipstick tube gleams against a backdrop of sophistication， highlighting the rich pigment and smooth glide. Evoke luxury with sharp focus and a hint of shimmer.

一支光滑的口红管在精致的背景前闪耀，突显出浓郁的色泽和顺滑的涂抹感。以锐利的焦点和一抹微光唤起奢华感。

考考大家，假如你要给身边某位女性挑一只口红，你会选哪只?（死亡考验来了）

嘿嘿，所以有人选4号了吗?

虽然4号Midjourney看起来灰常高级，但这个黑色可能有点小众了。（慎选）

除了它，接下来表现最好的是3号Imagen3，底下丝绒布料衬托出奢华感，且最重要的是，口红质地很真实。

对比之下，1号和2号都显得有点假，“塑料感”扑面而来。

因此这一局，整体来说3号选手获胜。

小结一下，整体而言4位选手表现都非常不错。中文提示词下，黑马选手Ideogram2.0表现最好。

谁是Ideogram?

今年2月，Ideogram推出了1.0版本，短短半年时间，它再次进化上线了2.0版本。

事实上，Ideogram与谷歌可谓“沾亲带故”。

成立于去年8月，创始团队中前4人都是谷歌文生图研究Imagen论文作者。

CEO Mohammad Norouzi，论文共同一作，他在多伦多大学计算机科学博士就读期间拿到了谷歌ML博士奖学金。

毕业后他加入谷歌大脑工作了7年，职位也一路升至高级研究科学家，主要研究的就是生成模型。

此外，他也是谷歌神经机器翻译团队的原始成员，Hinton团队自监督对比学习框架SimCLR的合著者。

CTO William Chan（陳俊樂），论文共同一作，他先后就读于加拿大滑铁卢大学、卡内基梅隆大学。

他2012年加入谷歌时先做的机器学习广告工程，后转到谷歌大脑作NLP研究。

联合创始人 Jonathan Ho，博士毕业于UC伯克利，曾在OpenAI工作一年，后加入谷歌。

他除了是Imagen论文的核心贡献者，还是去噪扩散模型奠基之作《Denoising Diffusion Probabilistic Models》的一作，这篇论文合著者中的Pieter Abbeel也是Ideogram AI的投资人。

联合创始人 Chitwan Saharia，论文共同一作，本科毕业于孟买理工学院，2019年加入谷歌，在谷歌主要负责领导image-to-image扩散模型的工作。

创始团队中的另外三人，Shayaan Abdullah曾是Twitter的机器学习工程师，于去年4月离职，后加入Ideogram AI。

Jacob Lu为软件工程师，加入Ideogram之前曾在亚马逊等公司任职;Jenny Lei是软件工程实习生，加入Ideogram AI之前曾在谷歌实习。

可以看出，Ideogram由顶级扩散模型研究团队组成，自成立之初便获得了资本青睐。

Ideogram种子轮融资由a16z和Index Ventures领投，金额1650万美元（当时约1.2亿人民币）。

个人投资者中也不乏Andrej Karpathy、强化学习大牛Pieter Abbeel，GitHub联合创始人Tom Preston-Werner等。

另外，今年2月，多方消息传出Ideogram进行了新一轮融资。

据称成功筹集了8000万美元（约57亿人民币）A轮融资，领投方为Andreessen Horowitz，其他参与投资者包括Index Ventures、Redpoint Ventures、Pear VC和SV Angel。

看来有钱、有技术的Ideogram无疑又是AI生图领域的一匹黑马。

卷，继续卷。

Ideogram2.0链接:

https://ideogram.ai/t/explore

Midjourney链接:

https://www.midjourney.com/home

Flux链接:

https://huggingface.co/spaces/black-forest-labs/FLUX.1-schnell

Imagen3链接:

https://aitestkitchen.withgoogle.com/tools/image-fx

参考链接:

[1]https://x.com/ideogram_ai/status/1826277550798278804

[2]https://ideogram.ai/launch

[3]https://x.com/AIandDesign/status/1826277963681370213

—完—