The Most Photorealistic AI Image Generator Yet? Ideogram 3.0 Review

OK, es gibt also ein neues Text zu Bildmodell von Audiogram, das sich speziell auf Fotorealismus konzentriert und dieses Modell trifft den Fotorealismus wirklich auf den Punkt. Es ist wahrscheinlich eines der besten, die ich je in puncto Fotorealismus für ein Text zu Bild Modell gesehen habe. Es verwischt wirklich die Grenzen zwischen dem, was KI generiert ist und dem, was real ist. Dieses Modell hat jedoch auch einige eigene Probleme, die wir später im Video besprechen werden. Eines der Features, die ich an diesem Modell wirklich mag, ist, dass es die Möglichkeit bietet, wirklich gute Landingpages oder zumindest Mockups dafür zu erstellen. Aber ich denke, der Fotorealismus ist ihr Hauptaugenmerk. Bevor ich euch dieses neue Modell zeige, möchte ich euch zeigen, welche Fortschritte wir in den letzten drei Jahren gemacht haben. Midjourney ist ein sehr bekanntes Modell zur Generierung von Text in ein Bild. Die Wii wurde im Februar 2022 veröffentlicht. Dies ist also eine Ausgabe von V für diese Eingabeaufforderung. Thriller Mystery Bildschirmfoto aus dem Jahr 1960 mit einer Ähnlichkeit mit der Hitchcock Schauspielerin, gefilmt in Rico Lors. Wie man sieht, sind die Bilder stark deformiert und man kann nichts daraus machen. Wenn man heute den gleichen Befehl mit einem Audiogramm verwendet, erhält man Es ist fotorealistisch und es ist schwer, Deformierungen zu erkennen. Enneagram wurde gerade veröffentlicht. Ich hatte Zugriff auf dieses Modell und habe damit herumgespielt. Es ist wirklich gut darin, fotorealistische Bilder sowie Anzeigen zu generieren, die Texte und Mockups für Landingpages umfassen. Dieses Modell ist gut, aber keineswegs perfekt. Es hat seine eigenen Probleme und und wir werden uns einige davon später im Video ansehen. Es ist auch gut darin, Anweisungen zu befolgen, insbesondere wenn es sich um kurze Anweisungen handelt. Und genau wie die vorherigen Versionen kann dieses Modell Text in den Bildern präzise generieren, insbesondere wenn es sich um kurze Textsegmente handelt. Und wie gesagt, es gibt einige Probleme, insbesondere wenn man sich ein Bild wie dieses ansieht. Man kann sehen, dass diese Person 6 statt 5 Finger hat. Die meisten der ursprünglichen Text zu Bild Modelle hatten Probleme mit der Generierung von Händen. Dieses hier ist meiner Meinung nach um einiges besser. Obwohl man in einigen Fällen ein paar Deformitäten feststellen kann, ist es insgesamt, wie gesagt, wirklich gut, was Fotorealismus angeht. OK, in diesem Video möchte ich die Ausgaben von Audiogram um mit einigen Eingabeaufforderungen vergleichen, die mit dem GPT 40 Bilderzeugungsmodell und dem Imagine 3 Modell getestet wurden. Wir werden also einen Vergleich von Audiogrm 3 mit Image Gen und dem GPT Bilderzeugungsmodeller durchführen. Für ein Text zu Bild Modell ist eLeagram wirklich gut. Wenn es jedoch um die Verfolgung von Multi HUD Anweisungen geht, ist es nicht so gut wie GPD 40 um fair zu sein. Wenn man sich diese Ausgabe von GPT 40 Image Generation ansieht, ist das äußerst beeindruckend. Dies ist jedoch das beste von 8. Sie mussten diese Eingabeaufforderung also 8 mal ausführen und haben dann die beste ausgewählt. Ähnlich ist es auch hier. Dieses hier ist wieder das beste von 8. Wir fangen also mit einfacheren Dingen an. Hier ist ein Bild von Imagine 3 einem Modell von DeepMind. Wenn ich dieselbe Eingabeaufforderung mit Audiogramm 3 verwende, sehen Sie die folgende Ausgabe. Standardmäßig werden vier verschiedene Ausgaben generiert. Alle sind sehr detailliert und folgen der von uns beschriebenen Eingabeaufforderung. Die von Google verwendete Eingabeaufforderung ist D detailliert. Imagine 3 hat diese Option für die magische Eingabeaufforderung aktiviert. Ich habe sie für die meisten dieser Ausgaben auf Auto belassen. Die Eingabe Eingabeaufforderung ändert sich also und generiert dann Bilder auf der Grundlage dieser geänderten Eingabeaufforderung. Hier ist ein fotorealistisches Bild von Imagine 3 und hier ist die Ausgabe von Audiogram 3. Wenn es um Fotorealismus geht, leistet es wirklich gute Arbeit und hier ist die magische Eingabeaufforderung deaktiviert. Dies folgt also genau der von uns bereitgestellten Eingabeaufforderung. OK. Ein paar andere Dinge, die ich mit diesem Modell getestet habe, sind die Textgenerierungsfunktionen, die wirklich gut sind, insbesondere wenn Sie hier kurzen Text haben. Hier ist ein einzelner Comicpanel mit einem Jungen und seinem Vater auf einem grasbewachsenen Hügel, die in den Sonnenuntergang starren. Eine Sprechblase zeigt aus dem Mund des Jungen und die Sonne wird wieder aufgehen, gedämpft im Farbstil von Late Night 1919. Mal sehen, wie die Ausgabe aussieht. OK, hier sind die Ausgaben und hier ist wieder der Magic Prompt deaktiviert und Sie können sehen, dass der Text korrekt gerendert wird. Dies ist also mit aktiviertem Magic Prompt. Wieder hat es keine Probleme, den Text korrekt zu rendern und wie gesagt, es kann auch Mockups erstellen. Ich werde es also bitten, eine moderne Web App Benutzeroberfläche zu erstellen, die für eine Anwendung zur Nachverfolgung von Mahlzeiten entwickelt wurde. Jetzt ändern wir die Ausrichtung und lassen den Magic Prompt aktiviert. Mal sehen, was passiert. OK, hier ist die Ausgabe und hier beginnen die ersten Probleme. Insgesamt sieht das Layout wirklich gut aus. Der Titeltext ist normalerweise richtig. Wenn Sie jedoch mehr Text in das Bild einfügen, musste es in diesem Fall nur einen Text generieren, aber keiner davon ergibt wirklich Sinn. Wenn Sie nun den Text tatsächlich bereitstellen und es auffordern, den Text einzufügen, kann es das manchmal gut leisten. Hier ist ein Bild, das auf Grundlage einer der Eingabeaufforderungen generiert wurde, die vom OpenAI Team verwendet wurde. Hier ist die ursprüngliche Eingabeaufforderung Magnetische Poesie auf einem Kühlschrank in einem Haus aus der Mitte des Jahrhunderts. Zeile 1 Ein Bild sagt mehr als tausend Worte. Dies sind verschiedene Zeilen. Die Eingabeaufforderung selbst ist sehr klar, was genau wir wollen. Und hier ist die ausgabe, die von GPT 40 generiert wurde. Auch dies ist das Beste. Aus 5 Audiogramm macht dies ein Bild sagt mehr als tausend Worte, aber manchmal kann es an der richtigen Stelle seine Bedeutung um ein paar Worte hervorheben. Im Moment ist dies das erste Bild, das generiert wurde. Wenn Sie sich jedoch dieses Bild ansehen, stimmt der Text, Aber dies sind keine Magnetstreifen, nach denen wir gefragt haben. Ähnlich verhält es sich bei diesem weiteren Bild. Das hat diese Magnete hinzugefügt, aber in der zweiten Zeile sieht man, dass der Text nicht stimmt. Richtig. Wenn der Text zu viel wird, kann es manchmal Probleme geben, Aber ich würde sagen, dass 2 von 4 Bildern genau das sind, was wir wollen, besonders dieses hier und dieses hier. In der vorherigen Version war der Magic Prompt aktiviert. Als ich ihn deaktiviert habe, erhalte ich alles klar. Der Text scheint hier korrekt zu sein, aber das sind keine Magnete. Beim zweiten Bild gibt es dasselbe Problem. Beim dritten Bild scheint es sich um einen Magneten zu handeln, aber an einigen Stellen gibt es Probleme mit den tatsächlichen Wörtern. Es scheint also, dass der Magic Prompt tatsächlich sehr hilfreich ist. Sehen wir uns nun einige Fälle an, in denen er im Vergleich zu GPD 4 versagt hat, einem LLM und keinem Text Bildmodell. Er versteht die Welt also viel besser als ein reines Text Bild Modell Modell wie Audiogramm 3. Hier ist also eine Eingabeaufforderung eine Infografik, die Newtons Prismen Experiment sehr detailliert erklärt. Auch dies ist das beste aus drei nicht wahr? Der Versuchsaufbau und die Erklärung sind korrekt. Hier ist nun die Ausgabe von Imagine 3 bevor wir uns Audiogramm 3 ansehen. Wie sie sehen können, erscheint die Erklärung visuell korrekt. Wenn Sie sich jedoch den Text ansehen, ergibt er keinen Sinn. Der Grund dafür ist, dass dieses Modell weder über ein wirkliches Textverständnis noch über ein Verständnis der Funktionsprinzipien des Prismen Experiments verfügt. Ein sehr ähnliches Problem sehen wir auch bei Audiogramm 3. Es kann zwar Bilder erstellen, kann diese aber nicht erklären, da es sich nicht um ein LLM oder ein Vision Language Model handelt. In diesen Fällen, speziell bei Infografiken, ist der Titel normalerweise sinnvoll, der Rest des Textes ist jedoch überhaupt nicht lesbar. Okay, Eine weitere Sache, die ich ausprobieren möchte, ist dieses Bild nachzubilden. Ich denke, das wird bei so etwas wie einem Audiogramm extrem schwierig, aber versuchen wir es mal. OK. Also habe ich die gleiche Eingabeaufforderung in Sona erneut ausgeführt, damit wir eine wirklich gute Darstellung davon erhalten, wie eine Single Shot Generierung aussehen könnte. Wenn Sie sich das ansehen, ist der Text basierend auf unseren Angaben korrekt. Er lautet also Transfer zwischen Modalitäten. Nehmen wir an, wir modellieren die Wahrscheinlichkeit des Textklangs direkt mit einem großen autoregressiven Transformer und der Rest des Textes ergibt ebenfalls absolut Sinn. Hier ist nun die Ausgabe von Imagine 3. In diesem Fall ergibt der Text keinen Sinn. Sie sehen also Transfer zwischen und dann Modalitäten. Der Text kann also überhaupt nicht gerendert werden. Im Hintergrund ist San Francisco zu sehen, obwohl das Logo keinen Sinn ergibt. Hier ist die ausgabe von Audiogramm 3. Sie sehen also, dass die erste Zeile normalerweise korrekt ist und und danach beginnt sie zusammenzubrechen. Das heißt, es kann nicht mehr nachverfolgen, wo der Text platziert werden soll oder der Position des Textes folgen. Die Fotos selbst sehen jedoch fotorealistisch aus. Sie sehen in den generierten Bildern keine wirklichen Deformierungen. Außerdem ist dieses Modell relativ flexibel in der Arbeit. Es rendert also Bilder von Prominenten und Menschen, wenn man es darum bittet. Hier ist also Elon Musk als Terminator. Abgesehen von den Problemen oder dem Vergleich, den ich euch mit GPT 40 gezeigt habe, denke ich, dass dies insgesamt ein wirklich gutes Text zu Bild Modell ist, insbesondere aufgrund seines Fotorealismus. Es kann auch Bilder in verschiedenen Stilen generieren. OK, bevor wir dieses Video abschließen, möchte ich euch noch zwei weitere Dinge zeigen. Eines davon wird etwas sein, das ihr hoffentlich sehr interessant finden werdet und mit dem ihr mit jedem Bildgenerator experimentieren könnt. Normalerweise gebe ich eine leere Eingabeaufforderung oder einfach nur einen Punkt ein und möchte sehen, wie diese Diffusionsmodelle mit so etwas wie einem einzelnen Punkt funktionieren. Richtig? Ihr könnt es also tatsächlich bitten, ein Bild für euch zu generieren. Hier seht ihr, was es ausgegeben hat. Es hat vier zufällige Bilder generiert, von denen dieses hier sehr realistisch aussieht. Das Auto sieht ziemlich echt aus, oder? Und auch dieses hier mit den Brettern. Und dasselbe habe ich auch mit Sora versucht. Hier sind also vier verschiedene Bilder, die es ausgegeben hat. Dieses hier sieht definitiv sehr echt aus. Dies ist ein Gemälde und möglicherweise ein weiteres Landschaftsbild. Als ich nun versuchte, dieselbe Technik mit Imagine 3 von Google zu verwenden, hieß es nur hier, dass hier nichts zu sein scheint. Versuchen Sie es mit einer anderen Eingabeaufforderung oder lesen Sie hier unsere Inhaltsrichtlinien. Es scheint also, als hätte es eine Art Filter ausgelöst oder es hätte keine Eingabeaufforderung gefunden. Richtig, Selbst wenn ich mehr Punkte hinzufüge, scheint es nicht zu funktionieren. Das ist also nur etwas, das ich gerne mit diesen Bildgenerierungsmodellen teste und die Ergebnisse amüsieren mich immer. Audiogram hat nun neben diesem neuen Modell noch viele andere Funktionen, darunter die Hochskalierung. Sie können also einfach ein Bild auswählen und das Modell bitten, es für Sie zu hochskalieren. OK, hier ist die hochskalierte Version und Sie sehen definitiv einen Unterschied zwischen dem Original und der hochskalierten Version. Die Qualität ist definitiv besser. Das ist also eine weitere Funktion, die Sie neben dem neuen Audiogram 3 Modell testen können. Ich denke jedenfalls, wenn ihr nach einem Bildgenerator sucht, um fotorealistische Bilder zu generieren, ist dies definitiv eine Option, die es sich lohnt auszuprobieren. Es gibt einen kostenlosen Account, also experimentiert ein wenig damit herum. Er kann Bilder generieren, die einige andere Bildgeneratoren nicht können. Ich hoffe jedenfalls, dass dieses Video für euch hilfreich war. Danke fürs Zuschauen und wie immer bis zum nächsten Mal.