Besiegen Sie Midjourney. Warum überholt dieses von Googles Riese eingeführte KI-Produkt andere in einer Ecke?

Niemand kann immer König sein, aber mit dem Präfix hat jeder die Chance, König zu sein.

Welche neuen Streiche kann KI Wenshengtu spielen?

In diesem roten Meer, das von einer Gruppe von Helden dominiert wird, ist der Kopf von Midjourney, DALL·E, Stable Diffusion usw. besetzt, und es gibt nicht viele andere Produkte, die Menschen zum Leuchten bringen können.

Es tauchen jedoch immer noch dunkle Pferde auf: Ideogram, gegründet von ehemaligen Google-Ingenieuren und investiert von KI-Meistern aus dem Silicon Valley, wurde im August letzten Jahres auf den Markt gebracht und veröffentlichte sein neuestes Modell Ende Februar.

Das Besondere an Ideogram ist, dass es gut Bilder mit Text erzeugen kann, was genau das Problem ist, das mehrere Giganten verbessern.

Fakten belegen, dass das Aufstehen dort, wo andere hingefallen sind, eine Möglichkeit ist, in Kurven zu überholen.

Es kann „zeichnen“ und „fotografieren“, aber die KI ist möglicherweise immer noch „Analphabet“.

Für die KI war es schon immer ein Problem, Text präzise zu generieren. Selbst wenn die erzeugten Zeichen und Landschaften wie von einer Kamera aufgenommene aussehen, sehen sie wie verstümmelter und verzerrter Text aus, und die KI wird sofort ihre ursprüngliche Form offenbaren.

Ideogram stand auf und sagte, dass es nicht zulassen würde, dass KI weiterhin „Analphabeten“ sei, und dass man genauso gut damit beginnen könne.

Der Schwellenwert für die Kontaktaufnahme mit Ideogram ist sehr niedrig. Öffnen Sie einfach die Webseite (https://ideogram.ai/) und melden Sie sich an, um sie zu verwenden. Die Benutzeroberfläche sieht erfrischend und unkompliziert aus.

Es sind nicht viele Schritte erforderlich, um ein Bild zu erstellen. Geben Sie die Eingabeaufforderungswörter in das Eingabefeld ein und überprüfen Sie dann das Bildseitenverhältnis sowie Bildstile wie Fotos, Poster und 3D-Renderings entsprechend dem gewünschten Effekt.

Ideogram berücksichtigte auch, dass Menschen mit Aufforderungswörtern möglicherweise „schwierig“ sind. Im Februar dieses Jahres wurde „Magic Prompt“ eingeführt, das einem integrierten ChatGPT ähnelt, das Ihnen dabei hilft, die Aufforderungswörter zu verbessern, und die KI die Gedanken erfassen kann von ähnlichen Menschen.

Welche Bilder enthalten Textinhalte? Produktlogos, T-Shirt-Druck, Buchcover, Filmplakate …

Machen wir zunächst einen Einsteigertest und bitten wir ein paar Leute, ein Schild mit dem Namen eines Tieres hochzuhalten. Auf den ersten Blick ist der Text korrekt, aber das Gesicht und die Hände sind nicht normal. Die beiden heben sich gegenseitig auf. Es stellt sich heraus, dass die Mängel nicht verschwunden sind, sondern lediglich übertragen wurden.

Wenn Sie Ideogram nur schreiben lassen, ist der Effekt viel erstaunlicher.

Lassen Sie die KI Musks klassischen Satz generieren: „Ich wäre lieber optimistisch und falsch als pessimistisch und richtig.“ Bis auf das fehlerhafte „W“ sind alle anderen Wörter korrekt geschrieben.

Die Schriftart ist etwas lebendiger und Musk, der in den 1970er Jahren geboren wurde, weiß nicht, ob er sie akzeptieren kann, aber die Kollision von Schwarz und Weiß dürfte ihn zufriedenstellen, der den Little Blue Bird verändert hat.

Ideogram hat das klassische Sprichwort „Alle Arbeit und kein Spiel macht ein kluges Kind dumm“ als Testfrage verwendet, obwohl das Aufforderungswort die Verwendung von Druckerschriftarten betont. Es scheint, dass die Schriftart nicht allein durch Eingabeaufforderungswörter definiert werden kann, sondern nur annähernd möglich ist.

Dann wurde die KI beauftragt, ein Logo für ein KI-Startup-Unternehmen namens „Coffee AI“ zu entwerfen.

Der Hauptkörper ist eine Kaffeetasse mit einem Kreismuster. In der oberen rechten Ecke befindet sich ein Barista-Roboter. Der Firmenname ist in fetten Großbuchstaben geschrieben. Das Layout ist einfach und zurückhaltend. Als Logo ist es sehr intuitiv, aber Im Allgemeinen wird es erwartet und es ist schwierig, es den Leuten mitzuteilen. Fang traf eine schnelle Entscheidung.

Es ist an der Zeit, KI schwieriger zu machen, mit längeren Sätzen und höheren Designanforderungen.

Ich habe Ideogram gebeten, eine Innenseite für ein Bilderbuch für Kinder zu entwerfen. Dort sollte nicht nur an prominenter Stelle „Fuchs in Socken und Hase mit Zylinder“ stehen, sondern auch unten „Anonym“ vermerkt sein.

Bei diesen beiden Textzeilen hat Ideogram mit handgezeichneten Schriftarten und Kreidegraffiti im Grunde alles geschafft und sogar Illustrationen eingefügt, die zur Bedeutung des Titels passen. Der Geschmack des Bilderbuchs stimmt, aber auch die Fehler sind sehr auffällig . Mit dem Wort „in“ stimmt etwas nicht. Der Hase sieht aus wie ein Fuchs und ist der Bruder des Fuchses.

Das Ideogramm kann auch für Filmplakate verwendet werden. Probieren Sie auch den beliebten Film „Die drei Übel“ mit Ethan Ruan in der Hauptrolle aus, der vor einiger Zeit populär wurde.

Ich mischte Anspielungen und Filme in die prompten Worte. Der Hintergrund verwendete Bilder von Rittersilhouetten, Meeren und Bergen, und der Text bezog sich auf die englischen Namen der Filme: Pigs, Snakes und Doves.

Abgesehen von dem fehlenden „the“ ist der endgültige Postereffekt ziemlich gut und verbindet klassische Bilder mit modernen Schriftarten. Das Tauben-Graffiti ist der letzte Schliff, aber insgesamt ähnelt es eher einem Western-Fantasy-Stil, der den Menschen das Gefühl gibt, ungewohnt und schwierig zu sein damit in Verbindung bringen. Die Handlung des Films.

Aus Erfahrung habe ich herausgefunden, dass die Wahrscheinlichkeit von Textfehlern in Ideogram nicht gering ist. Manchmal wird es zwei- oder dreimal generiert, um das ideale Wort-für-Wort-Ergebnis zu erhalten.

Selbst wenn der Text korrekt ist, sehen die Gesichter und Finger der Charaktere oft aus.

Es kann auch einige ausgefallene Tricks hinzufügen, zufällig bedeutungslosen und verzerrten Text generieren und sich selbst ins Gesicht schlagen.

Aber insgesamt ist Ideogram überraschend. Es kann lange Sätze schreiben und verwendet geeignete Schriftarten und Layoutmethoden, um der Atmosphäre des Bildes gerecht zu werden. Obwohl es noch kein Chinesisch schreiben kann, passen die Wörter wie Geistersymbole sehr gut in die Falten von Kleidung.

Trotz seiner Mängel gibt es bereits viele Einsatzszenarien für Ideogram. Es kann als Inspirationsreferenz und kreativer Assistent beim Entwerfen von Logos, Postern und T-Shirt-Mustern verwendet werden.

In der Vergangenheit hatte ich Angst, dass KI in der Lage sein würde, zu „zeichnen“ und zu „fotografieren“. In der Zukunft würde ich mir Sorgen machen, dass KI lesen und schreiben und entwerfen kann.

Die Ästhetik steht Midjourney in nichts nach und es ist auch ein Emoticon-Tool

Fortschritte in der KI werden in Tagen gemessen, und die Welt kann sich verändern, sobald Sie aufwachen. Obwohl Ideogram behauptet, dass seine Fähigkeiten zur Textwiedergabe am stärksten seien, geben sich seine Gegner nicht geschlagen.

Stable Diffusion 3, das noch nicht für die Öffentlichkeit freigegeben wurde und Open Source ist, wurde im Februar offiziell angekündigt und verfügt über verbesserte Textbuchstabierfunktionen.

Midjourney v6, eine im Dezember letzten Jahres veröffentlichte Betaversion, ist die erste Midjourney-Version mit zuverlässigen Textgenerierungsfunktionen.

Die Anforderungen sind jedoch immer noch recht anspruchsvoll. Neben der Anführungszeichensetzung des Textes sollten die Aufforderungswörter vorzugsweise die Position und Schreibweise des Textes erläutern und ein bis zwei Schlüsselwörter wie „Drucken“ und „Schreiben“ verwenden Die Textgenerierung mit Wörtern funktioniert am besten.

Das verfolgte Ideogram-Team geriet nicht in Panik und glaubte, dass der Vorteil bei mir liege. Ideogram hat immer noch eine höhere Genauigkeitsrate und kann komplexe und lange Sätze verarbeiten.

Die Systembewertung von Ideogram zeigt außerdem, dass Ideogram 1.0 die höchste Genauigkeit bei der Textwiedergabe aufweist, wobei die Fehlerrate im Vergleich zu anderen Modellen wie DALL·E 3 um fast das Doppelte reduziert wurde.

Anstatt nur zu reden und Tricks zu üben, ist es besser, die gleichen prompten Worte zu verwenden und Ideogram 1.0 auf derselben Bühne mit Midjourney V6 und DALL·E 3 konkurrieren zu lassen.

Vergleichen wir zunächst die Genauigkeit des generierten Textes. Ich habe die KIs gebeten, eine Illustration eines Sonnenaufgangs im Ukiyo-e-Stil zu zeichnen. Die klassische Zeile „Morgen ist ein neuer Tag“ aus „Vom Winde verweht“ wurde eingefügt angemessene Position, um Hoffnung und Wiedergeburt auszudrücken.

Dieses Mal war Ideogram der Gewinner, mit präziser Rechtschreibung und kräftiger und herausragender Linien- und Farbgestaltung.

DALL·E, der nie sehr künstlerisch war, hat unerwartet eine Textur. Der Text ist grundsätzlich korrekt, aber nicht ganz korrekt, und der Malstil ist abstrakter. Der Text von Midjourney ist nicht nur ungenau, sondern auch die Ästhetik ist minderwertig. und er hörte der Frage nicht einmal aufmerksam zu.

Die zweite besteht darin, um die Fähigkeit zu konkurrieren, Memes zu erstellen. Ideogram erwähnte offiziell die Funktion der Generierung von Emoticons. Mit Hilfe von „magischen Eingabeaufforderungen“ wird die KI ihre Vorstellungskraft nutzen, um die Eingabeaufforderungswörter zu erweitern und Text hinzuzufügen, um den Bildern Emotionalität zu verleihen.

Ich wollte sehen, ob KI ein funktionierendes Katzen-Emoticon erzeugen kann, also gab ich die Eingabeaufforderung ein: „Zeichnen Sie ein interessantes Meme über eine weinende Katze mit Fliege und Hemd, die vor einem Computer tippt, als Metapher für hart arbeitende Menschen.“ "

Ideogram nutzte seine Fantasie und fügte bewusst den Text „Auch Katzen müssen arbeiten“ hinzu.

Der einzige Nachteil ist, dass es ein zusätzliches „Haben“ gibt und die Anzahl der Finger an den Vorderpfoten falsch ist. Es scheint, dass die KI nicht nur Probleme mit menschlichen Händen hat, sondern auch mit Katzenpfoten. Im Vergleich zum Original-Emoticon-Paket ist es recht zufriedenstellend und kann nicht so ein Hit-and-Miss wie „Crying Cat Head“ sein.

Midjourneys Katze ist ernst und elegant, als wäre sie ein Schriftsteller, der wohlhabend und frei geworden ist, und sieht eher aus, als würde sie ein Fotoshooting für eine Zeitschrift machen, aber die Maus weiß nicht, was vor sich geht.

DALL·E hat die besten Emotionen. Obwohl der Malstil etwas lässig ist, hat er den Vorteil, rau zu sein. Es scheint, dass die Nudelrisse, die nicht in derselben Schicht liegen, einen inneren Geschmack haben. Das ist wirklich passend Wird als Emoticon-Paket verwendet.

Die dritte ist die Fähigkeit, komplexe und lange Aufforderungswörter zu verstehen, insbesondere ob die Elemente des Aufforderungsworts vollständig sind und ob die Position des Aufforderungsworts korrekt ist. Daher habe ich ein relativ langatmiges Aufforderungswort eingegeben und die Position festgelegt jedes Subjekt.

Das Ideogramm schneidet in der Gesamtkomposition besser ab. Mehrere wichtige Punkte, die in den Aufforderungswörtern erwähnt werden, werden abgedeckt. Die herzförmige Marke, der Roboter, der Astronaut, der Ballon und die Medaille sind alle enthalten, obwohl Details wie die Hand des Astronauten und die Wörter der Medaille fehlen. Frage.

Im Vergleich dazu ist „Midjourney“ künstlerischer, aber die Elemente fehlen, und es gibt einige Dekorationen, die nicht vorhanden sind, und es hat seine eigenen Ideen und Persönlichkeit. DALL·E fehlen nicht nur Elemente, sondern die Details sind falsch, und das auch sieht auch nicht gut aus.

Unabhängig vom Text ist Ideogram also auch nicht schlecht, wenn man nur die Bildqualität betrachtet. Manchmal ist die Wiederherstellung der räumlichen Beziehung verschiedener Objekte in den Aufforderungswörtern genauer als bei anderen KIs.

In Bezug auf die Benutzererfahrung ist die Generierungsgeschwindigkeit von Ideogram schneller als die von Midjourney. Im Allgemeinen können vier Bilder in mehr als zehn Sekunden fertiggestellt werden.

Selbst nach den Bewertungsregeln der Branche bevorzugten menschliche Bewerter Ideogram 1.0 gegenüber DALL·E 3 und Midjourney V6 im Hinblick auf schnelle Ausrichtung, Bildkohärenz, Gesamtpräferenz und Qualität der Textwiedergabe.

Selbst wenn Sie mit den von Ideogram generierten Bildern nicht zufrieden sind, ist der erzeugte Effekt bei Midjourney und DALL·E möglicherweise besser als das Reiben mit der Hand, wenn Sie die magischen Eingabeaufforderungswörter verwenden. Dies kann als eine Möglichkeit angesehen werden, die Eingabeaufforderung zu optimieren Wörter.

Niemand kann mich in meiner Hintergrundmusik schlagen, aber wenn das gleiche Aufforderungswort von verschiedenen KIs verwendet wird, ist das Ergebnis wirklich ungewiss.

Ein von Google-Ingenieuren gegründetes Starunternehmen mit bodenständigen KI-Produkten

Ideogram wurde im August letzten Jahres gegründet und brachte im Februar dieses Jahres sein neuestes Modell, Ideogram 1.0, auf den Markt.

Dies ist ein weiteres Starunternehmen mit einem Gründungsteam von sieben Personen von Google Brain, der University of California, Berkeley, der Carnegie Mellon University und der University of Toronto. Vier von ihnen sind die Autoren des Google Vincent Graph Diffusion Model Imagen-Forschungspapiers.

Das vorsichtige Google bringt Produkte oft nur langsam auf den Markt und hat mehrfach miterlebt, wie seine Konkurrenten auf der ganzen Welt bekannt wurden. Der Chatbot wurde von ChatGPT überholt und Imagen wurde von DALL·E 2 überholt.

Aus Sicht der Ingenieure ist es nicht gut, dass Forschungsergebnisse nicht in Verbraucheranwendungen umgesetzt werden können. Viele Menschen haben sich dafür entschieden, neue Produkte selbst zu verlassen und zu entwickeln, sie so offen wie möglich für die Nutzung zu machen und zunächst Benutzergröße und Reputation aufzubauen.

Auf dieser Überlegung könnte auch das kostenlose Kontingent von 25 prompten Wörtern pro Tag von Ideogram basieren.

Der Markt ist hinsichtlich dieses Produkts sehr optimistisch. Ideogram hat eine Serie-A-Finanzierungsrunde in Höhe von 80 Millionen US-Dollar abgeschlossen, die von der Risikokapitalgesellschaft a16z aus dem Silicon Valley angeführt wird. Zu den Investoren gehören KI-Meister, darunter Google-Chefwissenschaftler Jeff Dean und OpenAI-Gründungsteammitglied Andrej Karpathy.

Tatsächlich habe ich, nachdem ich viele KI-Produkte erlebt habe, insgeheim eine Frage: Wie definiert man den Nutzen eines Produkts?

Was ich vorher nützlich fand, war das Plug-in „Immersive Translation“. Im Gegensatz zu Google Translate deckt es den Originaltext ab und kann zwischen Chinesisch und Englisch verglichen werden. Es kann nicht nur auf Nachrichten-Webseiten, sondern auch auf X-Informationsströmen verwendet werden , YouTube-Untertitel und PDF-Dateien.

Das Ideogramm scheint so bodenständig zu sein. Einerseits kann es den vom Benutzer benötigten Textinhalt genauer generieren und sich an verschiedene Bildstile anpassen. Andererseits kann es auch etwas aus dem Nichts erschaffen und Bilder mit passendem Text, etwa Emoticons, verknüpfen.

Obwohl viele der von Ideogram generierten Ergebnisse nicht sofort verwendet werden können, erfüllen sie zumindest grundsätzlich die Anforderungen an prompte Wörter und der Großteil des Textes ist lesbar.

Ich habe auch festgestellt, dass die realistischen Bilder von Ideogram durchschnittlich sind, die Graffiti, Illustrationen und Gemälde jedoch gut und das künstlerische Talent dem von Midjourney ebenbürtig ist.

Auf der offiziellen Website von Ideogram finden Sie auch Beliebtheitsrankings verschiedener Werke. Sobald Sie die Website öffnen, scheinen Sie fälschlicherweise in eine Bilder-Community im Instagram-Stil gelangt zu sein, und Sie können auch die oben genannten Aufforderungswörter lernen.

Wenn ein KI-Tool Kreativität, Komfort und Teilen kombiniert, kann es leicht süchtig werden. Die konkrete Manifestation ist, dass die 25 Aufforderungswörter pro Tag schnell aufgebraucht sind. Dieses ängstliche Gefühl ähnelt dem Warten auf die Aktualisierung von Sunos Punkten.

Für eine monatliche Mitgliedschaft von 7 oder 16 US-Dollar bietet Ideogram neben mehr Generierungszeiten auch Bild-Upload- und Bearbeitungsfunktionen.

Beim Hochladen von Bildern laden Benutzer ihre eigenen Bilder hoch und erstellen diese dann über die Remix-Funktion neu.

Neben regulären Funktionen wie Zuschneiden und Zoomen verfügt der Editor auch über ein interessantes Zeichenwerkzeug, das aus einer abstrakten Zeichnung Bilder generiert. Menschliche Maler skizzieren grob die Form, Zusammensetzung, Farbe usw. jedes Elements, und die KI ist dafür verantwortlich, den Verfall in Magie zu verwandeln, was Ma Liang ein Gefühl von Déjà-vu vermittelt.

Ideogram kann den blutigen Sturm überstehen, die Benutzerfreundlichkeit ist natürlich das Wichtigste und die Positionierung ist auch sehr genau.

Wenn Ästhetik das wichtigste Kriterium ist, dann ist Midjourney das Richtige. Obwohl das Niveau von DALL·E steigt und fällt, ist das integrierte ChatGPT bequem anzurufen und die Open-Source-Stabilisierung bringt Freiheit.

Allein im Hinblick auf die Benutzerzahl kann Ideogram vielleicht keinen von ihnen schlagen, aber es hat in seiner langen Liste gute Arbeit geleistet und sollte in der Lage sein, ein solides eigenes Publikum zu gewinnen.

Zumindest unter den kostenlosen KI-Bildgeneratoren ist die Gesamtqualität von Ideogram führend, die Webseite ist einfach zu bedienen, es werden kostenlose Credits bereitgestellt, die Textwiedergabe ist leistungsstark, die Magic-Prompt-Funktion und die Creator-Community sorgen für Kreativität und Inspiration.

Die vinzentinischen Diagrammmodelle sind alles andere als perfekt und arbeiten immer noch hart daran, die physische Welt wiederherzustellen oder mit Malern und Designern gleichzuziehen. Möglicherweise finden noch weitere Ideogramme ihren Platz.

Hier liegt die Grausamkeit und der Charme des KI-Wettbewerbs. Ich weiß nicht, wer zuletzt lachen wird, aber es wird immer neue Gegner geben, die auf die Achillesferse zielen.

# Willkommen beim offiziellen öffentlichen WeChat-Konto von aifaner: aifaner (WeChat-ID: ifanr). Weitere spannende Inhalte werden Ihnen so schnell wie möglich zur Verfügung gestellt.

Ai Faner | Ursprünglicher Link · Kommentare anzeigen · Sina Weibo