Midjourney的位置动摇了吗？又一匹AI绘图黑马浮现，附带四款产品的首次实战测试。
编辑日期：2024年08月25日
一系列的进展接踵而至：8 月 21 日，Ideogram 正式发布了 2.0 版本，并声称其文本渲染能力得到了增强。
没错，正是那个项目，它成立于去年8月，由谷歌的四位AI绘画专家共同离职创立。该项目曾经获得众多AI业界领袖的投资。
此次，Ideogram 还直接向 Flux 发起挑战，其官方表示 Ideogram 的人类评估明显优于 Flux Pro。
请注意，Flux是由Stable Diffusion的原团队创建的，最近因为生成逼真的TED演讲"照片"而在网络上广为流传。
此外，一周前，谷歌正式发布了Imagen 3，据官方评估称，其性能优于DALL-E 3、Midjourney v6、Stable Diffusion 3等绘画模型。
可能是因为受到了某种刺激（doge），Midjourney 也进行了转变，于8月22日向所有用户推出了免费的网页版本。
这下可有好戏看了！既然大家都自称很强，那我们就把大家聚在一起，来一场面对面的PK吧。
首先，请出我们的四位参赛选手（均使用网页版）：
一号选手：Ideogram 2.0。每日免费获得 10 积分，1 积分可生成 4 张图片，因此每天最多可生成 40 张图片。
2号选手：Flux.1。黑森林官方在Hugging Chat提供了免费试用版本（请选择FLUX.1 Schnell版本）。
3号选手：Imagen 3。在Image FX上可进行无限次免费使用。
4号选手：Midjourney。免费试用期间仅提供生成25张图片的机会。
现在正式进入比赛环节。
黑猴子全部出问题了
注：原句可能存在语义不明的问题，"翻车"和"全"可能指代的情况有很多种。因此在重写时需要根据具体情境调整。以上是一种可能的理解方式，如果需要更准确的翻译或改写，请提供更多的上下文信息。
首先，为了测试这些海外的AI是否能理解中文提示，我们也可以顺势借用当前最热门的黑猴主题来测试一下。
不出所料，意外还是发生了……
相信大家第一眼都被3号的大红叉吸引了。确实，同样的提示词下，只有3号的Imagen 3拒绝了生成请求。
首先，我想到的是我们的提示词是否触发了版权保护。于是我试着删去了提示词中的“游戏角色”，但仍然收到无法生成的提示。
难道是Google Imagen 3不支持中文吗？于是我随机换了一个更简单的提示词，这下终于出现图片了。
但结果只是一个大错误，即便尝试了多个不同的中文提示词，最终得到的都是一些完全不相关的图案。看来谷歌 Imagen 3 对中文提示词确实存在问题。
在3号被淘汰后，再看看其余的设计，只有1号的Ideogram 2.0表现最为出色。2号还能隐约看到国产漫画的风格，而4号Midjourney则完全天马行空了~（主要就是毫不相关）最后还是要赞扬一下Ideogram 2.0，它准确地把握住了所有的关键元素。
虽然这并非我心中所期望的内容（我其实希望是关于黑神话的），但提供的信息确实非常贴合提示词，没有问题。
是真人还是AI？让人傻傻分不清
接下来，进入各位参赛者的舒适区 —— 人像生成。
回想当初，Midjourney 凭借一张天台上的情侣合影在网络上爆红；而现在，Flux 则是用一系列的TED演讲图片风靡了整个网络……
到底谁更胜一筹呢？答案即将揭晓。
一位红棕色头发的年轻男子，身穿一件蓝绿色且带有乳白色格子的衬衫，通过50mm的镜头捕捉到了一种复古风格。照片色彩饱满，焦点清晰，略带一丝复古的魅力。
先单独来看2号和4号，很明显，Midjourney赢了！
从细节来看，2号 Flux.1 有些微的小偏差，其衣服颜色多了两种，在一整片蓝绿色格子衬衫中显得格外突出。
另外，我们还在一开始时发现了一个Imagen 3独有的小特色：在生成内容之前会圈出关键词。
通过它完成的作品，我们可以恰好检验几位参赛者对关键元素（如蓝绿色的方格衬衫、50mm镜头等）的还原程度。
可以看出，总体上各位选手的表现都不错（除了2号选手），他们的还原度都很高并且都看向了镜头。而且，如果不是这些图像都是我亲自用AI生成的，真的很难一下子分辨出与真实人物的区别。（尴尬）
最后悄悄地说一句，4号选手Midjourney的颜值是最高的。
老大难问题：图片中显示的文字
在成功欺骗了所有人之后，现在是时候让AI尝尝苦头了——为图片添加文字。
这事一直是个棘手的问题，同时也成为了测试AI生成图像能力的一项标准。不多说了，直接让各位参赛者设计一张精美的广告牌。请大家自行代入客户（甲方）的角色来评判。
一个水平的黄铜牌，上面用时尚的手写体写着‘节日季节’，周围装饰着松树枝和冬青，背景则是深色的木头，特写镜头集中在金色的文字上。
快速扫视一下，看起来都不错，似乎都高度忠实于提示词吧？但是，如果用客户挑剔的眼光来看，问题就藏不住了。请注意，第2款Flux.1有偷工减料的现象，"Season"这个单词少了一个"S"。除了第2款外，其他的都还不错。看来各家的AI在文字渲染功能上都做了不少努力。
所以接下来就是，萝卜青菜，各有所爱，大家根据个人喜好来做选择吧。（我个人更倾向于Midjourney）另外，Ideogram 1号这次在型号升级中特别宣传了他们的“文字渲染”功能，大家可以多尝试一下。
参考麦当劳，制作AI广告。
最近，麦当劳邀请了11位由AI创造的美女为他们的薯条做宣传，引起了极大的关注。其实操作原理很简单：就是利用AI生成不同的角色图片来宣传薯条，并将这些图片整合成一段视频。令人意想不到的是，这个宣传方式的效果惊人，在Twitter平台上，相关的视频浏览量已经接近一千万次。
掌握财富密码后，我们正式开始行动。作为中国人，利用AI助力农业是必须的~
在一场赛博朋克风格的城市背景中，一个女孩正在推销她手中的有机农产品。
很好，3号选手再次选择了"躺平"。但这波操作确实让人有些困惑，提示词既不是中文，也没有明显的违规之处……
淘汰3号之后，1号选手Ideogram 2.0带来的商品种类最为多样，包括大白菜、西红柿、紫甘蓝等一应俱全。此外，他是唯一一个挂出文字标志来推广有机食品的，可以看出他非常努力~ 细看还会发现，只有1号在尽力模仿真人，而2号和4号则完全是二次元风格。
说实话（u1s1），如果以麦当劳的广告风格为参考标准，这次的生成结果确实未能达到理想的预期效果（希望能更加贴近现实）。不过还好，目前这几个AI工具都是可以免费使用的，多尝试几次也无妨，关键还是要掌握正确的方法。[doge]
别急着离开，其实还有一个更可靠的方法来赚钱—— 使用AI轻松制作商业宣传海报，这样就可以省下聘请摄影师、租赁场地和后期制作的费用，这不是很好吗？
在精致的背景下，一支光滑的口红管熠熠生辉，凸显其浓郁的色彩与顺滑的涂抹质感。通过锐利的焦点与一抹光泽，营造出奢华的感觉。
来考考大家，如果你需要为身边的某位女士挑选一支口红，你会选择哪一款呢？（终极考验来袭）嘿嘿，有没有人想要选4号呢？虽然4号Midjourney看起来非常高档，但这款黑色可能会有些小众哦。（选择时需谨慎）
除了它之外，接下来表现最好的是3号Imagen 3，底下的丝绒布料营造出一种奢华感，最重要的是，口红的质地非常真实。相比之下，1号和2号显得有些不自然，“塑料感”较强。
因此，在这一局中，总体来说，3号选手获胜。总结一下，总的来说，四位选手的表现都非常出色。特别提到的是，黑马选手Ideogram 2.0表现出色。
今年2月，Ideogram发布了1.0版本，而在短短的半年后，它已经进化并推出了2.0版本。实际上，Ideogram与谷歌有着密切的关系。该公司成立于去年8月，其初始团队中的前四位成员都是谷歌图文生成研究项目Imagen的研究论文作者。
CEO Mohammad Norouzi，论文共同一作，他在多伦多大学计算机科学博士就读期间拿到了谷歌 ML 博士奖学金。
毕业后，他在Google Brain工作了7年，职位也晋升到了高级研究科学家，主要研究领域为生成模型。此外，他还是谷歌神经机器翻译团队的创始成员之一，并且是Hinton团队自监督对比学习框架SimCLR的共同作者。
首席技术官（CTO）陈俊乐（William Chan），为该论文的共同第一作者。他曾先后在加拿大滑铁卢大学及卡内基梅隆大学就读。2012年加入谷歌后，他首先从事机器学习广告工程的工作，随后转至谷歌大脑进行自然语言处理（NLP）的研究。
联合创始人Jonathan Ho拥有UC伯克利的博士学位，他曾于OpenAI工作一年，之后加入了谷歌。他是Imagen论文的主要贡献者之一，并且是去噪扩散模型开创性论文《Denoising Diffusion Probabilistic Models》的第一作者；该论文的合著者Pieter Abbeel同时也是Ideogram AI的投资人。
联合创始人Chitwan Saharia，也是该论文的共同第一作者，拥有孟买理工学院本科学历，于2019年加入谷歌。在谷歌期间，他主要负责领导image-to-image扩散模型的相关工作。
创始团队中的另外三名成员之一，Shayaan Abdullah，曾是Twitter的机器学习工程师，他在去年4月离职，随后加入了Ideogram AI。
Jacob Lu 是一名软件工程师，在加入 Ideogram 之前曾在亚马逊等公司任职；Jenny Lei 是一名软件工程实习生，在加入 Ideogram AI 之前曾在谷歌实习。
可以看出来，Ideogram是由顶级的扩散模型研究团队组成的，并且从成立之初就获得了资本的青睐。
Ideogram的种子轮融资由a16z和Index Ventures领投，融资金额为1650万美元（当时大约等于1.2亿人民币）。个人投资者中包括了深度学习专家Andrej Karpathy、强化学习领域的知名人物Pieter Abbeel以及GitHub的联合创始人Tom Preston-Werner等。
此外，据多方消息来源，Ideogram在今年2月完成了新的一轮融资，据说成功募集了8000万美元（大约57亿人民币）的A轮融资。本轮融资由Andreessen Horowitz领投，其他参投方还包括Index Ventures、Redpoint Ventures、Pear VC和SV Angel。
看来，资金雄厚且技术先进的Ideogram无疑是AI生图领域的一匹黑马。
继续卷，不断地卷。
Ideogram 2.0 的链接：
请探索我们的网站：https://ideogram.ai/t/explore
中途链接：请注意，您提到的"Midjourney链接"可能需要具体的上下文信息。如果您是指某个特定的链接，请提供更多的相关信息。
请访问这个链接：https://www.midjourney.com/home
"Flux 的链接："
如果您指的是具体的内容链接，请提供更多的信息，以便我能够更准确地帮助您。
请访问这个链接：https://huggingface.co/spaces/black-forest-labs/FLUX.1-schnell
Imagen3链接：
请访问这个链接以使用图像特效工具：https://aitestkitchen.withgoogle.com/tools/image-fx
参考链接：
注意：您未提供需要重写的具体内容，仅重写了“参考链接”部分。若需重写其他内容，请提供详细信息。
本文出自微信公众号：量子位（ID：QbitAI），作者：一水
