Midjourney地位不穩(wěn)？AI繪圖又一黑馬出現(xiàn)，附4款產(chǎn)品一手實測

一水 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

AI圈，再次開卷圖像生成。

一連串進展扎堆：

8月21日，Ideogram正式推出2.0版本，聲稱文本渲染能力更強。

沒錯，就是那個成立于去年8月，由谷歌AI繪畫4大牛集體離職創(chuàng)業(yè)的項目，曾獲得過一眾AI大佬投資。

此番Ideogram還公開叫板Flux，官方自信表示其人類評估明顯優(yōu)于Flux Pro。

要知道，F(xiàn)lux由Stable Diffusion原班人馬打造，最近正在因生成以假亂真的TED演講“照片”而走紅各大網(wǎng)絡(luò)。

除此之外，一周前，谷歌正式放出了Imagen 3，在官方評估中，號稱表現(xiàn)優(yōu)于DALL-E 3、Midjourney v6、Stable Diffusion 3等一眾繪圖模型。

或許是受刺激了（doge），Midjourney竟然也轉(zhuǎn)性了，在8月22日直接向所有用戶推出了免費網(wǎng)頁版。

這下有好戲看了！

既然大家都宣稱自己很強，那我們不妨把大家拉到一桌，來搞個面對面PK。

誰是最強繪圖AI？

先請出咱們的4位參賽選手（全部使用網(wǎng)頁版）：

• 1號選手：Ideogram 2.0。每天免費有10積分，1積分可以生成4張圖，每天最多生成40張圖；
• 2號選手：Flux.1。黑森林官方在Hugging Chat提供了免費demo（選FLUX.1 Schnell版本）；
• 3號選手：Imagen 3。在Image FX上可以免費無限次使用；
• 4號選手：Midjourney。免費試用期一共只有生成25張圖的機會；

下面正式進入比賽環(huán)節(jié)。

黑猴子全翻車了

一上來，為了檢驗這些國外AI是否理解中文提示詞，咱們也來蹭一波當今頂流黑猴子的熱度。

prompt：游戲角色，一只猴子，身披盔甲，頭戴鳳羽金冠，手上拿著一根金箍棒，站在一座懸崖之上。

不出意外，意外發(fā)生了……

相信大家一眼都被3號的大紅叉給吸引了。沒錯，同一提示詞下，只有3號Imagen 3拒絕了生成請求。

看到這兒，第一反應(yīng)是我們的提示詞是不是觸發(fā)了版權(quán)保護。于是先刪掉了提示詞中的“游戲角色”，結(jié)果還是提醒無法生成。

難道是谷歌Imagen 3不支持中文？于是又隨機換了一個更簡單的提示詞，這下倒是有圖了。

只不過結(jié)果一整個大錯誤，而且換了多個中文提示詞，最終都是一些毫不相關(guān)的紋路圖。

看來谷歌Imagen 3確實對中文提示詞不ok。

3號落榜之后，再看其他幾位，也只有1號Ideogram 2.0表現(xiàn)最佳。

2號倒還能看出國漫的影子，4號Midjourney則完全放飛自我了~（主打一個毫不相干）

最后還是要表揚下Ideogram 2.0，精準命中了所有關(guān)鍵元素。

雖然不是本人心中想要的東西（想要黑神話），但提示詞還原度確實沒毛病。

是真人還是AI？傻傻分不清楚

接下來進入各位選手的舒適區(qū)——人像生成。

遙想當年，Midjourney以一張?zhí)炫_情侶合照火爆網(wǎng)絡(luò)；眼下，F(xiàn)lux更是以一組TED演講圖風(fēng)靡全網(wǎng)……

究竟誰更勝一籌？答案馬上揭曉。

prompt：A young man with auburn hair, wearing a checkered shirt in teal and cream, captured with a 50mm lens for a vintage look. Rich colors, sharp focus, and a touch of retro charm.
一位紅褐色頭發(fā)的年輕男性，身著藍綠色奶油色方格襯衫，用50mm鏡頭捕捉復(fù)古風(fēng)格。色彩豐富，焦點清晰，帶有一絲復(fù)古魅力。

先單看2號和4號，很明顯，Midjourney贏了！

從細節(jié)上看，2號Flux.1稍有偏差，衣服顏色多了兩種，這在一水的藍綠格子襯衫中尤為突出。

另外，一上來我們還發(fā)現(xiàn)了Imagen 3獨有的一個小亮點：在生成開始前圈出關(guān)鍵詞。

借著它完成的工作，我們正好可以檢驗幾位選手對關(guān)鍵元素（藍綠色方格襯衫、50mm鏡頭等）的還原程度。

可以看到，整體上幾位選手表現(xiàn)都不錯（除了2號），還原度較高且都看向了鏡頭。

而且，要不是這些都是本人親自用AI生成的，還真無法一下子辨認與真人的區(qū)別。（汗顏）

最后悄咪咪說一句，4號選手Midjourney顏值最高。

老大難：圖片顯示文字

成功騙過了所有人之后，是時候讓AI吃點苦頭了——

給圖片加文字。

這事兒一直都是個老大難，也成了檢驗AI生圖水平的標準之一。

話不多說，直接讓幾位選手制作一塊精美的廣告牌。請各位看官老爺自行帶入甲方爸爸角色。

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.
一塊水平黃銅標牌，上面以時尚手寫體寫著’Festive Season’，周圍環(huán)繞著松枝和冬青，背景是深色木材，特寫鏡頭聚焦于金色字體。

一眼掃過，是不是都還不錯，好像都高度還原了提示詞？

但是，一旦拿出甲方爸爸的犀利眼神，這2號可就藏不住了。

注意看，2號Flux.1偷工減料了，單詞“Season”少了一個字母“S”。

不過除了2號，其他幾位還是不錯滴，看來各家AI在文字渲染功能上都下功夫了。

所以接下來就是，蘿卜青菜各有所愛，大家憑個人喜好做選擇。（私心投給了Midjourney）

對了，1號Ideogram這次型號升級還特意拿“文字渲染”功能做宣傳了，大家不妨多試試。

參考麥當勞，整點AI廣告

最近，麥當勞請了11個AI美女為薯條瘋狂打call，狠狠火了一把~

其實原理也比較簡單，無非是用AI生成不同角色宣傳薯條的圖片，再拼接成一個視頻。

沒想到效果驚人，僅在推特一個平臺，相關(guān)視頻就獲得了近千萬瀏覽量。

掌握財富密碼后，咱們正式開干，身為中國人，AI助農(nóng)高低得走起~

prompt：Against the backdrop of a cyberpunk-style metropolis, a girl is promoting organic agricultural products in her hands.
在賽博朋克風(fēng)格的都市背景下，一位女孩正宣傳著手中的有機農(nóng)產(chǎn)品。

很好，3號選手再次“擺爛了”。不過這波著實令人費解，提示詞既不是中文，也沒有明顯違禁的地方……

淘汰3號后，1號選手Ideogram 2.0帶貨種類最為豐富，大白菜、西紅柿、紫甘藍等應(yīng)有盡有。

而且它是唯一一個打出文字招牌來宣傳有機食品的，看得出來相當賣力了~

另外，細看還能發(fā)現(xiàn)只有1號在盡力模仿真人，而2號和4號則完全走上了二刺猿。

u1s1，如果參考麥麥的廣告風(fēng)格，這一次的短暫生成確實沒有達到理想效果。（希望更貼近真實一點）

但是，好在這幾個AI工具目前都可以免費用，多來幾次也不是不行，重點還是方法論。[doge]

別急著走，其實還有一個更靠譜的搞錢方法——

用AI輕松拿捏棚拍商業(yè)宣傳海報，省下請攝影師、場地和后期的錢不香嘛。

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.
一支光滑的口紅管在精致的背景前閃耀，突顯出濃郁的色澤和順滑的涂抹感。以銳利的焦點和一抹微光喚起奢華感。

考考大家，假如你要給身邊某位女性挑一只口紅，你會選哪只？（死亡考驗來了）

嘿嘿，所以有人選4號了嗎？

雖然4號Midjourney看起來灰常高級，但這個黑色可能有點小眾了。（慎選）

除了它，接下來表現(xiàn)最好的是3號Imagen 3，底下絲絨布料襯托出奢華感，且最重要的是，口紅質(zhì)地很真實。

對比之下，1號和2號都顯得有點假，“塑料感”撲面而來。

因此這一局，整體來說3號選手獲勝。

小結(jié)一下，整體而言4位選手表現(xiàn)都非常不錯。中文提示詞下，黑馬選手Ideogram 2.0表現(xiàn)最好。

誰是Ideogram？

今年2月，Ideogram推出了1.0版本，短短半年時間，它再次進化上線了2.0版本。

事實上，Ideogram與谷歌可謂“沾親帶故”。

成立于去年8月，創(chuàng)始團隊中前4人都是谷歌文生圖研究Imagen論文作者。

CEO Mohammad Norouzi，論文共同一作，他在多倫多大學(xué)計算機科學(xué)博士就讀期間拿到了谷歌ML博士獎學(xué)金。

畢業(yè)后他加入谷歌大腦工作了7年，職位也一路升至高級研究科學(xué)家，主要研究的就是生成模型。

此外，他也是谷歌神經(jīng)機器翻譯團隊的原始成員，Hinton團隊自監(jiān)督對比學(xué)習(xí)框架SimCLR的合著者。

CTO William Chan（陳俊樂），論文共同一作，他先后就讀于加拿大滑鐵盧大學(xué)、卡內(nèi)基梅隆大學(xué)。

他2012年加入谷歌時先做的機器學(xué)習(xí)廣告工程，后轉(zhuǎn)到谷歌大腦作NLP研究。

聯(lián)合創(chuàng)始人 Jonathan Ho，博士畢業(yè)于UC伯克利，曾在OpenAI工作一年，后加入谷歌。

他除了是Imagen論文的核心貢獻者，還是去噪擴散模型奠基之作《Denoising Diffusion Probabilistic Models》的一作，這篇論文合著者中的Pieter Abbeel也是Ideogram AI的投資人。

聯(lián)合創(chuàng)始人 Chitwan Saharia，論文共同一作，本科畢業(yè)于孟買理工學(xué)院，2019年加入谷歌，在谷歌主要負責(zé)領(lǐng)導(dǎo)image-to-image擴散模型的工作。

創(chuàng)始團隊中的另外三人，Shayaan Abdullah曾是Twitter的機器學(xué)習(xí)工程師，于去年4月離職，后加入Ideogram AI。

Jacob Lu為軟件工程師，加入Ideogram之前曾在亞馬遜等公司任職；Jenny Lei是軟件工程實習(xí)生，加入Ideogram AI之前曾在谷歌實習(xí)。

可以看出，Ideogram由頂級擴散模型研究團隊組成，自成立之初便獲得了資本青睞。

Ideogram種子輪融資由a16z和Index Ventures領(lǐng)投，金額1650萬美元?（當時約1.2億人民幣）。

個人投資者中也不乏Andrej Karpathy、強化學(xué)習(xí)大牛Pieter Abbeel，GitHub聯(lián)合創(chuàng)始人Tom Preston-Werner等。

另外，今年2月，多方消息傳出Ideogram進行了新一輪融資。

據(jù)稱成功籌集了8000萬美元（約57億人民幣）A輪融資，領(lǐng)投方為Andreessen Horowitz，其他參與投資者包括Index Ventures、Redpoint Ventures、Pear VC和SV Angel。

看來有錢、有技術(shù)的Ideogram無疑又是AI生圖領(lǐng)域的一匹黑馬。

卷，繼續(xù)卷。

Ideogram 2.0鏈接：
https://ideogram.ai/t/explore

Midjourney鏈接：
https://www.midjourney.com/home

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

Imagen3鏈接：
https://aitestkitchen.withgoogle.com/tools/image-fx

參考鏈接：
[1]https://x.com/ideogram_ai/status/1826277550798278804
[2]https://ideogram.ai/launch
[3]https://x.com/AIandDesign/status/1826277963681370213