实测四款AI生成图像工具，Midjourney的「霸主」地位难以动摇。
编辑日期：2024年08月24日
谁能成为AI生成图像领域的领头羊？是MJ、Ideogram 2.0、Flux，还是 Imagen 3？
在AI领域，从视频到图像的竞争从未停歇。
自从Flux生成的各种搞笑图像在网络上疯传之后，其他AI图像生成工具也开始迎头赶上：
今天，一向给人“高冷”印象的Midjourney宣布对所有用户提供一个月的免费试用期（但每位用户仅限免费生成25张图像）；
与此同时，Ideogram也推出了其2.0版本，并宣称其文本渲染能力得到了加强；
而Google之前多次预告的AI图像生成模型Imagen 3也在不久前正式发布。
值得一提的是，Ideogram与Google之间还存在着某种“亲缘”关系。
-1-
向Midjourney等老牌竞争者发起挑战
今年2月，Ideogram发布了1.0版本。仅仅过了半年，它就进化到了2.0版本，并为每位用户提供每日免费生成40张图像的机会。
不得不承认，Ideogram 2.0的文字处理能力有了显著提升。无论是贺卡、T恤设计、海报还是插图，它都能准确地呈现更长、更精确的文本内容。
示例提示语：一款以珍珠奶茶为主题的现代网站设计。背景色为柔和的青绿色。页面中有一杯透明杯装的桃子珍珠奶茶。旁边是一台打开博客页面的桃子色笔记本电脑。还有一张舒适的青绿色弧形靠背椅子。页面上用现代字体写着：“放松身心，创作，居家工作”。
提示：这是以“庆祝爱”为主题的Hello Kitty三维渲染插图。Hello Kitty是画面的中心，周围环绕着五个散发温暖光芒的蓬松星形物体。每个星星上都用优雅的金色斜体字写着：“Be”、“快乐”、“善良”、“酷”和“感恩”。背景采用了鲜艳对比的黄色与粉色。场景中还装饰着柔和透明的粉红蝴蝶、小巧的红橙色心形图案以及精致的白色花朵，增添了几分浪漫与奇幻。
这是一个3D渲染图，展示了三种表情符号（开心、伤心及愤怒）并以新颖的时尚风格呈现。这些表情符号置于深色纸张背景上。在它们前面有一块展示着“治疗谈话”文字的面板。整幅画面搭配了出色的天气效果。
为了与FLUX一较高下，Ideogram 2.0 在写实图像领域也下了不少功夫。
该工具的现实主义风格能创造出极其逼真的图像，包括纹理、人物皮肤和头发等细节都栩栩如生。
有用户直接利用Ideogram 2.0生成图像，并通过Runway Gen-3将其转换为视频，成品几乎看不出任何瑕疵。
视频链接：https://mp.weixin.qq.com/s/0rSOfNfvS1yCVoYq9gM0Sw
此外，Ideogram 2.0 引入了差异化特性，新增了“调色板控制”功能，让用户能够从多种色彩方案中挑选，精确掌控图像色彩。这样，无论是保持品牌形象一致，还是营造特定氛围，都能够轻松达成。
据了解，去年 Ideogram 的用户创造了超过十亿张图像。为了便于检索和激发创意灵感，平台新增了搜索功能，用户只需输入文字就能快速找到所需图片。
例如，在聊天框中输入“happy birthday”，系统会自动展示一系列相关的图像。
除此之外，Ideogram 还发布了iOS应用程序，并推出了API测试版。
-2-
四大图像生成神器对决
根据官方介绍，在性能评估中，Ideogram 2.0 明显优于Flux Pro和OpenAI的DALLE-3。
既然如此，我们将让Ideogram 2.0与其他市场上顶尖的四款AI图像生成工具一较高下，以实力论英雄。
照片写实
提示：一位红发年轻女子身穿蓝白圆点裙装，采用helios 44-2 58mm f/2风格拍摄，色彩浓烈，照片级逼真技术，以深橙与白色为主色调，强烈而简约，网络摄像头摄影。
左上：Ideogram2.0 右上：Midjourney
左下：Imagen 3 右下：FLUX Pro
提示：在巴黎街头、路边及对面街道上的房屋，由Sony相机捕捉，高分辨率，杰作级，8K画质。
左上：Ideogram2.0 右上：Midjourney
左下：Imagen 3 右下：FLUX Pro
提示：最震撼的日式迷你挞，高分辨率照片，真实照片。相机：Canon EF，4K分辨率。| 灯光：自然光，电影静帧，摄影棚灯光 | 细节：超逼真，极致细节，100mm，f 2.8 Macro IS USM — 无水印。
左上：Ideogram2.0 右上：Midjourney
左下：Imagen 3 右下：FLUX Pro
提示：电影静帧，一位凌乱长发、疲惫不堪的年轻女子独自跳舞，日间派对结束时她已精疲力尽。
左上：Ideogram2.0 右上：Midjourney
左下：Imagen 3 右下：FLUX Pro
文本渲染
提示：一个水平放置的青铜色金属标志牌，上面用优雅字体写着“Studio Christmas”。标志牌两侧装饰着松果和常青树枝。背景是深色木纹，温暖色调与冷色调形成了鲜明对比。特写镜头仅聚焦于金色的文字，突出了其质感和设计感。这一场景唤起了圣诞节装饰的感觉。
左上：Ideogram2.0 右上：Midjourney
左下：Imagen 3 右下：FLUX Pro
提示：极简风的股票照片，一个小男孩戴着眼镜、穿着蓝色衬衫，并且有着金色头发。他手持一个“开学啦”标志牌，自信地微笑着站在一个阳光明媚的公园里。这是一张腰部以上的特写镜头，背景是模糊的绿色树木，整体呈现极简背景风格。
左上：Ideogram2.0 右上：Midjourney
左下：Imagen 3 右下：FLUX Pro
多种风格生成展示
提示：一群农民正在田间辛勤工作，他们种植着像垂直小花园般的南瓜。在一个复杂的场景中，微小的人物在巨大的、超大号南瓜顶部制作木板。背景是充满叶绿体的画面，营造出电影般的感觉。高清晰度的细节捕捉到了笛卡尔式的决心、创意的构图以及对微型角色状态的大胆特写镜头、轴向位移摄影技术、精致的细节，全部呈现在8K画质中。
左上：Ideogram2.0 右上：Midjourney
左下：Imagen 3 右下：FLUX Pro
提示：兔子一家在房间里快乐地玩耍，采用迪士尼风格，3D画面，高精细度。
左上：Ideogram2.0 右上：Midjourney
左下：Imagen 3 右下：FLUX Pro
主题：尤加利与薄荷经典清新滴液，简约包装设计。
左上：Ideogram2.0 | 右上：Midjourney
左下：Imagen 3 | 右下：FLUX Pro
-3-
由前谷歌工程师创立，并获得人工智能领域专家的投资，
说起来，Ideogram 与谷歌有着不解之缘。
谷歌可被视为人工智能领域的“黄埔军校”，在其内部孕育了许多优秀的产品和技术，但由于安全和伦理的考虑，许多潜力项目未能得到充分发展。因此，许多工程师选择离开谷歌，自主创业。
Ideogram 便是这样的一个例子。
2022年8月，Ideogram 成立，创始团队共有7人，成员来自 Google Brain、加州大学伯克利分校、卡内基梅隆大学和多伦多大学。
其中包括 CEO Mohammad Norouzi、联合创始人 Jonathan Ho、William Chan 和 Chitwan Saharia，他们都是谷歌的人工智能文转图模型 Imagen 的核心贡献者，相关的论文还入围了 NeurIPS 2022 最佳论文奖。
创业之前，Mohammad Norouzi 在谷歌大脑工作了近7年，职位晋升到了高级研究科学家，他的研究重点是生成模型，涉及多个领域，如 Imagen、Imagen Video、语音合成技术 WaveGrad、神经机器翻译以及用于视觉表示学习的对比学习等。
联合创始人 Jonathan Ho 拥有加州大学伯克利分校博士学位，并在扩散模型领域做出了重要贡献。当他离开谷歌时，业界普遍认为这对谷歌是一大损失。
2022 年 4 月，谷歌发布了视频扩散模型（Video Diffusion Models），首次展示了根据文本生成视频的良好成果。该论文的主要作者包括 Mohammad Norouzi 和 Jonathan Ho。
Jonathan Ho 还是去噪扩散概率模型（Denoising Diffusion Probabilistic Models）这一扩散模型基础工作的第一作者。（值得一提的是，该论文的合著者 Pieter Abbeel 同时也是该公司的投资者之一）。
Chitwan Saharia 在谷歌任职期间，主要负责领导图像到图像扩散模型的研究工作。
除了扩散模型方面的贡献外，Willian Chan 在谷歌工作时还参与了神经语音识别的研究，并与 Mohammad Norouzi 共同研究了用于语音合成的 WaveGrad 技术。
工具链接
延伸阅读
- 实测最新文生图神器「FLUX.1」：「手刃」Midjourney？为时尚早
AI告别乱涂鸦！快手可图与海外书写高手Ideogram一决高下，谁更胜一筹？Midjourney遭遇最强挑战者，种子轮融资吸引众多投资大腕，其测试版甚至让马斯克一键穿越。
未来我们将带来更多有趣的AI评测内容，欢迎加入我们的社群进行交流。
