MidJourney吃香吗？AI画画新秀杀到，还带4款神器实战测评

AI领域再度掀起图像生成的技术热潮。

一系列突破性进展纷至沓来：

8月21日，Ideogram正式发布2.0版本，声称其文本渲染能力显著提升。

没错，正是那个在去年8月由四位谷歌AI绘画领域的专家集体离职创立的项目，曾受到多位AI界重量级人物的投资。

此次，Ideogram更是直接挑战Flux，并在其官方声明中自信地表示，在人类评估方面明显优于Flux Pro。

值得一提的是，Flux由Stable Diffusion的原班人马打造，最近因为生成逼真的TED演讲“照片”而在网络上迅速蹿红。

与此同时，一周前，谷歌也正式发布了Imagen 3，据官方评估，其表现超越了DALL-E 3、Midjourney v6、Stable Diffusion 3等一系列图像生成模型。

或许是因为竞争的压力（玩笑之意），Midjourney也在8月22日向所有用户推出了免费的网页版服务。

一场精彩的较量即将上演！

既然各家都声称自己的技术独步天下，我们就将它们放到同一个擂台上，来一场面对面的较量。

谁是最强的绘图AI？

首先介绍我们的四位参赛者（均使用网页版）：

现在，正式进入比赛环节。

黑猴子全军覆没

首先，为了测试这些国外AI能否理解中文提示词，我们决定以近期热门的“黑猴子”为主题进行测试。

不出所料，意外发生了……

大家的目光肯定第一时间被3号Imagen 3的大红叉吸引住了。是的，同样的提示词下，只有3号Imagen 3拒绝了生成请求。

初看之下，我们猜测可能是提示词触发了版权保护机制。于是尝试删去了提示词中的“游戏角色”，然而依然无法生成。

难道是谷歌Imagen 3不支持中文？于是我们又尝试了更为简单的中文提示词，这次得到了回应，但却是一系列毫无关联的图案。

看来，谷歌Imagen 3确实对中文提示词不太友好。

在3号Imagen 3出局之后，剩下的选手中，1号Ideogram 2.0的表现最为出色。

2号Flux.1尚能捕捉到一些国漫的元素，而4号Midjourney则似乎完全脱离了主题。

尽管如此，Ideogram 2.0精准地抓住了所有关键元素，虽然并非完全符合预期（期待黑神话的呈现），但在提示词的还原度上确实无可挑剔。

真人还是AI？难以分辨

接下来，进入各位选手的强项——人像生成。

回想起过去，Midjourney凭借一张天台情侣的照片在网络上广受欢迎；而现在，Flux更是以其TED演讲图在互联网上大放异彩……

那么，谁才是真正的强者呢？答案即将揭晓。

先来看看2号和4号的表现，显然，Midjourney占据了优势！

从细节来看，2号Flux.1稍微有些偏差，衣服的颜色多出了两种，在一色的蓝绿格子衬衫中格外显眼。

另外，我们还发现了一个Imagen 3独有的特色：在生成前会自动识别并圈出关键词。

借此机会，我们可以检测各家选手对关键词（如蓝绿色方格衬衫、50mm镜头等）的还原程度。

整体而言，除2号外，各家选手表现都很不错，还原度高，且都面向镜头。

如果不是亲自用AI生成的，很难立即分辨出与真人之间的差异。（汗颜）

最后悄悄说一句，4号选手Midjourney的颜值最高。

老大难问题：图片中的文字

成功欺骗了所有人之后，让我们给AI制造一些困难——

为图片添加文字。

这一直是个棘手的问题，也成为检验AI图像生成水平的重要标准之一。

不多废话，直接让各位选手制作一块精美的广告牌。请各位观众代入甲方的角色。

乍一看，似乎都还不错，高度还原了提示词的内容？

但是，一旦以甲方的挑剔眼光审视，2号选手Flux.1的问题就暴露出来了。

请注意，2号Flux.1在单词“Season”中漏掉了一个字母“S”。

不过，除了2号选手之外，其他几家表现还是不错的，看来各家AI都在文字渲染功能上下足了功夫。

顺便提一句，1号Ideogram这次升级特别强调了“文字渲染”功能，大家不妨多尝试一番。

参考麦当劳，打造AI广告

最近，麦当劳邀请了11位AI美女为薯条代言，引发了广泛关注。

其实，原理非常简单，就是利用AI生成不同角色宣传薯条的图片，然后拼接成视频。

结果出乎意料的好，仅在推特平台上，相关视频就获得了接近千万的浏览量。

掌握了这个秘诀后，我们也开始行动起来，身为中国人，利用AI助力农业推广当然必不可少。

很好，3号选手再次“躺平”。不过这次的确让人费解，提示词既不是中文，也没有明显的违规之处……

剔除3号选手后，1号选手Ideogram 2.0的农产品种类最为丰富，大白菜、西红柿、紫甘蓝等一应俱全。

而且它是唯一一家打出文字招牌宣传有机食品的，看得出十分努力~

另外，仔细观察还能发现，只有1号选手尽力模拟真人形象，而2号和4号则完全走了二次元路线。

说实话，如果参照麦当劳的广告风格，这次的快速生成并没有达到预期的效果。（希望更贴近真实一些）

但是，好在这些AI工具目前都可以免费使用，多试几次也未尝不可，重要的是方法论。

别急着走，其实还有一个更稳妥的赚钱方法——

利用AI轻松制作棚拍商业宣传海报，省下聘请摄影师、租赁场地和后期制作的成本，岂不美哉。

假设你要为身边的某位女士挑选一支口红，你会选择哪一款？（这是一个艰巨的考验）

嘿嘿，有没有人选择了4号呢？

虽然4号Midjourney看起来非常高端，但这支黑色可能有点过于小众了。（慎重选择）

相比之下，3号Imagen 3的表现最好，底下的丝绒布料衬托出口红的奢华感，而且最重要的是，口红的质感非常真实。

相比之下，1号和2号的口红看起来有些假，“塑料感”扑面而来。

因此，这一轮整体来看，3号选手获胜。

总结一下，四位选手的整体表现都非常优秀。在中文提示词的情况下，黑马选手Ideogram 2.0的表现最佳。

谁是Ideogram？

今年2月，Ideogram推出了1.0版本，仅仅半年的时间，它再次升级，上线了2.0版本。

实际上，Ideogram与谷歌有着千丝万缕的联系。

成立于去年8月，创始团队中有四位是谷歌文生图研究Imagen论文的主要作者。

CEO Mohammad Norouzi是该论文的第一作者之一，他在多伦多大学攻读计算机科学博士学位期间获得了谷歌ML博士奖学金。

毕业后，他在谷歌大脑工作了七年，职位晋升至高级研究科学家，主要研究生成模型。

此外，他还是谷歌神经机器翻译团队的创始成员之一，以及Hinton团队自监督对比学习框架SimCLR的合著者。

CTO William Chan（陳俊樂），同样是论文的第一作者之一，他曾就读于加拿大滑铁卢大学和卡内基梅隆大学。

2012年加入谷歌后，他先从事机器学习广告工程，随后转向谷歌大脑进行自然语言处理研究。

联合创始人Jonathan Ho，博士毕业于加州大学伯克利分校，曾在OpenAI工作一年，之后加入谷歌。

他是Imagen论文的核心贡献者之一，同时也是去噪扩散模型奠基之作《Denoising Diffusion Probabilistic Models》的第一作者，该论文的合著者Pieter Abbeel也是Ideogram AI的投资人之一。

联合创始人Chitwan Saharia，同样是论文的第一作者之一，本科毕业于印度孟买理工学院，2019年加入谷歌，主要负责image-to-image扩散模型的研究。

创始团队中的另外三位成员，Shayaan Abdullah曾是Twitter的机器学习工程师，去年4月离职后加入Ideogram；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之前曾在谷歌实习。

可以看出，Ideogram是由顶级扩散模型研究团队组成的，自成立以来便备受资本市场的关注。

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

个人投资者中不乏知名人士，如Andrej Karpathy、强化学习专家Pieter Abbeel，以及GitHub联合创始人Tom Preston-Werner等。

此外，今年2月有多方消息称Ideogram完成了新一轮融资。

据报道，成功筹集了8000万美元（约合57亿人民币）的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。

显然，资金充足且技术实力雄厚的Ideogram无疑是AI图像生成领域的一匹黑马。

竞争，还将继续。

Ideogram 2.0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