Tworzenie obrazów za pomocą prostego podpowiedzi tekstowych jest jednym z najbardziej znanych zastosowań generatywnej sztucznej inteligencji, a na rynku dostępnych są dziesiątki generatorów obrazów AI oferujących równie szeroki zakres opcji, funkcji i stylów.
W niecałe dwa lata przeszliśmy od narzędzi takich jak Midjourney, umożliwiających tworzenie ledwo rozpoznawalnych przedstawień człowieka w niskiej rozdzielczości, do fotorealistycznych obrazów o wysokiej rozdzielczości, które ledwo można odróżnić od tych zrobionych aparatem.
Mamy teraz także narzędzia do malowania, spójnego charakteru i skalowania od StabilityAI, dobrze wykorzystywane przez firmy takie jak Leonardo i Nocna Kawiarniaa także tekst na obrazach z OpenAI w DALL-E 3 i Ideogramie, startupie AI stworzonym przez byłych inżynierów Google.
Większość dnia w tygodniu, a nawet w weekendy, spędzam, korzystając z jednego lub większej liczby generatorów obrazów AI, wypychając je do granic możliwości, sprawdzając, co mogą osiągnąć i jak łatwo są z nich korzystać. To najlepsze generatory obrazów AI, do których możesz teraz uzyskać dostęp, a każdy z nich na tej liście ma coś nieco innego lub działa w inny sposób.
Najlepszy ogólnie generator obrazów AI
Leonardo jest w istocie bardzo dobrze wykonanym opakowaniem dla różnych modeli Stable Diffusion, podobnie jak wiele innych w tej samej kategorii, ale idzie o wiele dalej. Dzięki niestandardowym stylom i dopracowanym wersjom modeli, a także innym narzędziom do tworzenia obrazów AI — wyróżnia się na rynku.
Jego zdolność do generowania fotorealistycznych obrazów, dzięki precyzyjnie dostrojonemu modelowi PhotoReal, jest prawie zgodna ze standardami Midjourney i może tworzyć całą gamę stylów dzięki funkcji Elements.
Elementy te stanowią dopracowany model, który można zastosować przed wygenerowaniem i sterować tworzeniem obrazu o szczególnym wyglądzie, takim jak szkic lub rzeźba. Masz także możliwość ustawienia stylu, takiego jak kinowy, kulinarny lub długi czas ekspozycji.
To, co naprawdę wyróżnia Leonardo, to połączenie łatwego w użyciu interfejsu użytkownika z niesamowitą kontrolą. Możesz dodać obrazy referencyjne i ustawić sposób, w jaki sztuczna inteligencja powinna z nich korzystać, kontrolować rozmiar i układ, a nawet dodać przezroczyste tło.
Większość tych funkcji jest dostępna na innych platformach, ale Leonardo ma je wszystkie, a także szereg innych funkcji, takich jak skalowanie obrazu, generowanie obrazu na żywo i jedno z najbardziej kreatywnych narzędzi — możliwość narysowania szkicu i zwrócenia się do AI go w pełnym obrazie.
Najlepszy za fotorealizm
Uparcie siedzę na serwerze Discord, W połowie podróży to jeden z najbardziej prestiżowych i imponujących obecnie dostępnych generatorów obrazów AI. Zawodzi z kilku powodów, w tym łatwości użycia, ale to, co utrudnia korzystanie z niego, sprawia, że jest bardziej imponujący.
Jest szczególnie dobry w tworzeniu fotorealistycznych obrazów, a niektórzy z bardziej utalentowanych użytkowników są w stanie stworzyć zdjęcia, które wyglądają, jakby były prosto z aparatu w telefonie. Midjourney był jednym z pierwszych, który rozwiązał problem z palcami i zawsze miał naprawdę wyglądających ludzi.
Midjourney budzi pewne kontrowersje ze względu na odmowę omówienia źródła danych szkoleniowych. Wielu podejrzewa, że większość z nich pochodzi ze skrobania publicznie dostępnych obrazów, jakie udało im się znaleźć, niezależnie od tego, czy posiadali pozwolenie od ich twórców.
To, co jednak wyróżnia Midjourney, to poziom kontroli nad każdym aspektem generacji. Poleceń parametrycznych można używać do odwoływania się do stylu lub znaku w innych obrazach, a także do całkowitej zmiany wyglądu obrazu.
Najnowsza aktualizacja wersji szóstej oferuje także możliwość dodawania czytelnego tekstu do obrazów i tworzenia hiperrealistycznych obrazów produktów, chociaż nie jest to spójne i zawsze niezawodne.
Najlepsze do tekstu na obrazach
Ideogram to jeden z moich ulubionych generatorów obrazów AI do użytku osobistego. Nie jest najlepszy pod względem zestawu funkcji, ale naprawdę dobrze radzi sobie z podpowiedziami i potrafi dodawać tekst jak żaden inny model. Udało mi się wygenerować pełne plakaty filmowe, ulotki i kartki okolicznościowe z dokładnym tekstem.
Dostęp do niego poprzez cudownie proste okno podpowiedzi z opcją automatycznego ulepszania podpowiedzi w celu uzyskania lepszego obrazu jest zarówno łatwy w użyciu, jak i wydajny.
Chociaż najlepiej nadaje się do dodawania tekstu do obrazów, ma także odrobinę blasku w stylu Midjourney w stylu generowanych przez siebie prac. Możesz wyłączyć magiczne podpowiedzi i tworzyć bardziej proste artystycznie obrazy, a nawet dodawać niestandardowe znaczniki stylu.
Magiczna podpowiedź Ideogramu to fascynująca funkcja. Jeśli jest włączony, duży model językowy przeanalizuje monit i napisze go ponownie, aby był bardziej opisowy, aby zbliżyć się do Twojej wizji.
Możesz zobaczyć oryginalny monit, a także magiczny monit dla dowolnego obrazu, dostosować go lub użyć do utworzenia nowego obrazu. Możesz także użyć dowolnego wygenerowanego obrazu jako źródła nowego obrazu.
Najlepsze dla kreatywności
Niektóre generatory obrazów są całkowicie niezależne, jak Midjourney, a inne są wbudowane w inny produkt, taki jak Designer firmy Microsoft, który stanowi część Drugi pilot chatbota. Jest również dostępny bezpłatnie, bez konieczności płacenia za Copilot Pro.
Zbudowany na tym samym podstawowym modelu DALL-E 3, co w ChatGPT, Microsoft stworzył coś naprawdę imponującego w Designer. Umożliwia dostosowanie dowolnego aspektu obrazu, a nawet wyciągnięcie poszczególnych elementów z obrazu.
Możesz wprowadzić pewne subtelne zmiany w interfejsie czatu lub edytować je w Projektancie, otwierając go w pełnym edytorze obrazów Microsoft. Wykracza to poza proste zmiany AI i umożliwia zmianę tła, dodanie filtrów, tekstu lub innych elementów wizualnych.
Jedną z moich ulubionych funkcji jest pop kolorów. Możesz wybrać jeden lub więcej obiektów na wygenerowanym obrazie, kliknąć wyostrzenie koloru, a tło stanie się bardziej szare.
Oprócz wprowadzania zmian w interfejsie Projektanta, takich jak zmiana proporcji lub nadanie mu nowego stylu, możesz pracować na czacie Copilot, aby dodawać elementy lub wprowadzać inne, bardziej istotne zmiany. Może to obejmować zmianę ubrania postaci lub typu samochodu.
Najlepsze do interakcji
DALL-E 3 jest dostępny tylko w CzatGPT dla osób posiadających konto Plus. Istnieje kilka sposobów korzystania z DALL-E w ChatGPT. Możesz po prostu uzyskać do niego dostęp poprzez główny interfejs, poprzez niestandardowego chatbota DALL-E GPT lub tagując DALL-E na czacie głównym.
Oryginalny DALL-E był jednym z pierwszych prestiżowych komercyjnych narzędzi do generowania obrazów AI. Początkowo dostępny jako interfejs API lub poprzez dedykowaną stronę DALL-E, od tego czasu OpenAI dołączył go do swojego chatbota. Jest to również jego główna zaleta – umiejętność przemawiania poprzez obraz.
Wszystko opiera się na podpowiedziach tekstowych i wykorzystuje całkowicie naturalny język generowania. Możesz na przykład poprosić go, aby wygenerował zdjęcie kota, a następnie poprosić go o dodanie kapelusza.
Dzięki najnowszej aktualizacji możesz teraz kliknąć sam obraz i dokonać w nim edycji. Odbywa się to poprzez narysowanie części, którą chcesz zmienić i poinformowanie ChatGPT, jak to zmienić — po raz kolejny opierając się na konwersacyjnym charakterze edytora.
Nie sądzę, że DALL-E jest najlepszym generatorem obrazów AI, ale jest dobrym, wszechstronnym narzędziem. Może tworzyć tekst, tworzyć fotorealistyczne obrazy (z lekką niesamowitą doliną) i tworzyć prace artystyczne, ale największą zaletą jest umiejętność rozumowania i racjonalizacji obrazu z tekstem.
Najbardziej innowacyjne
Model generowania obrazów AI Imagen 2 firmy Google jest jednym z najlepszych na rynku. Tworzy wciągające i oryginalne obrazy i radzi sobie z tekstem na obrazach oraz ideogramami. Dostęp do niego można uzyskać na kilka sposobów, ale najbardziej innowacyjny jest ten ObrazFX eksperyment z Google Labs.
To, co sprawia, że ImageFX jest fascynujący, to sposób, w jaki obsługuje podpowiedzi. Podajesz mu akapit lub tak długi monit, a on wybiera określone słowa kluczowe i zamienia je w rozwijane menu. Każde menu zawiera następnie trzy lub cztery alternatywy podobne do użytego słowa.
Na przykład, jeśli poprosisz o zdjęcie goryla w okularach wygłaszającego wykład w garniturze, może to oznaczać garnitur, goryl, okulary i wykład. Następnie jednym naciśnięciem przycisku możesz zamienić okulary na okulary przeciwsłoneczne lub poprowadzić wykład na lekcję jazdy.
Chociaż jest to tylko eksperyment i te same obrazy można znaleźć w Google Gemini (które nie znalazło się na mojej liście), elastyczność i nowatorskie podejście do podpowiedzi zapewniły zwycięstwo.
Największą wadą ImageFX jest to, że może tworzyć tylko obrazy kwadratowe — ten sam problem mają Meta’s Imagine i Google Gemini. Większość oferuje szeroki zakres orientacji, ale rekompensuje to zabawny sposób tworzenia modelu, jakość obrazów i szybkie generowanie za pomocą ImageFX.
Najlepszy do szkolenia etycznego
Adobe Firefly’a ma kilka imponujących narzędzi, w tym szybkie sugestie, głębokie dostosowania do generowania obrazów i zestaw danych szkoleniowych prawie wyłącznie przeszkolonych na obrazach Adobe Stock.
Ten ostatni punkt oznacza, że ma bardziej etyczny zestaw szkoleń niż większość generatorów obrazów na rynku, co skłoniło nawet firmę Adobe do zaoferowania zabezpieczenia finansowego w przypadku roszczeń związanych z prawami autorskimi w przypadku obrazów wygenerowanych przy użyciu Firefly. Wkrótce pojawi się także druga generacja Firefly.
Uważam, że Firefly nie jest tak dobry w tworzeniu fotorealistycznych obrazów jak Midjourney czy Ideogram, ale jego umiejętności artystyczne należą do najlepszych. Tworzy także atrakcyjną grafikę, co ma sens, biorąc pod uwagę bardziej artystyczny charakter biblioteki Adobe Stock.
Firma Adobe oferuje szereg funkcji generatywnej sztucznej inteligencji, w tym generowanie wektorów, tworzenie szablonów i wypełnianie generatywne w programie Photoshop, a wszystko to w oparciu o model Firefly.
Jedna z najlepszych funkcji Firefly jest jednocześnie jedną z najnowszych. Nazywa się to Odniesieniem strukturalnym i umożliwia przeniesienie układu jednego obrazu na inny.
- Sklep GPT OpenAI jest już dostępny i oferuje ponad 3 miliony niestandardowych chatbotów do wypróbowania
- Niestandardowe chatboty OpenAI — tak działają i co potrafią
- Zapomnij o ChatGPT — OpenAI pozwala teraz zbudować własnego chatbota do dowolnego zadania
