Midjourney地位不稳？AI绘图又一黑马出现，附4款产品一手实测

本文由 量子位 撰写/授权提供，转载请注明原出处。

文章来源于：量子位（QbitAI）

作者：一水

AI 圈，再次开卷图像生成。

一连串进展扎堆：

8 月 21 日，Ideogram 正式推出 2.0 版本，声称文本渲染能力更强。

没错，就是那个成立于去年 8 月，由谷歌 AI 绘画 4 大牛集体离职创业的项目，曾获得过一众 AI 大佬投资。

此番 Ideogram 还公开叫板 Flux，官方自信表示其人类评估明显优于 Flux Pro。

要知道，Flux由Stable Diffusion 原班人马打造，最近正在因生成以假乱真的 TED 演讲“照片”而走红各大网络。

除此之外，一周前，谷歌正式放出了 Imagen 3，在官方评估中，号称表现优于 DALL-E 3、Midjourney v6、Stable Diffusion 3 等一众绘图模型。

或许是受刺激了（doge），Midjourney 竟然也转性了，在 8 月 22 日直接向所有用户推出了免费网页版。

这下有好戏看了！

既然大家都宣称自己很强，那我们不妨把大家拉到一桌，来搞个面对面 PK。

谁是最强绘图 AI？

先请出咱们的 4 位参赛选手（全部使用网页版）：

1 号选手：Ideogram 2.0。每天免费有 10 积分，1 积分可以生成 4 张图，每天最多生成 40 张图；

2 号选手：Flux.1。黑森林官方在 Hugging Chat 提供了免费 demo（选 FLUX.1 Schnell 版本）；

3 号选手：Imagen 3。在 Image FX 上可以免费无限次使用；

4 号选手：Midjourney。免费试用期一共只有生成25张图的机会；

下面正式进入比赛环节。

黑猴子全翻车了

一上来，为了检验这些国外 AI 是否理解中文提示词，咱们也来蹭一波当今顶流黑猴子的热度。

prompt：游戏角色，一只猴子，身披盔甲，头戴凤羽金冠，手上拿着一根金箍棒，站在一座悬崖之上。

不出意外，意外发生了……

相信大家一眼都被 3 号的大红叉给吸引了。没错，同一提示词下，只有 3 号 Imagen 3 拒绝了生成请求。

看到这儿，第一反应是我们的提示词是不是触发了版权保护。于是先删掉了提示词中的“游戏角色”，结果还是提醒无法生成。

难道是谷歌 Imagen 3 不支持中文？于是又随机换了一个更简单的提示词，这下倒是有图了。

只不过结果一整个大错误，而且换了多个中文提示词，最终都是一些毫不相关的纹路图。

看来谷歌 Imagen 3 确实对中文提示词不 ok。

3 号落榜之后，再看其他几位，也只有 1 号 Ideogram 2.0 表现最佳。

2 号倒还能看出国漫的影子，4 号 Midjourney 则完全放飞自我了~（主打一个毫不相干）

最后还是要表扬下 Ideogram 2.0，精准命中了所有关键元素。

虽然不是本人心中想要的东西（想要黑神话），但提示词还原度确实没毛病。

是真人还是 AI？傻傻分不清楚

接下来进入各位选手的舒适区——人像生成。

遥想当年，Midjourney 以一张天台情侣合照火爆网络；眼下，Flux 更是以一组 TED 演讲图风靡全网……

究竟谁更胜一筹？答案马上揭晓。

prompt：A young man with auburn hair, wearing a checkered shirt in teal and cream, captured with a 50mm lens for a vintage look. Rich colors, sharp focus, and a touch of retro charm.

一位红褐色头发的年轻男性，身着蓝绿色奶油色方格衬衫，用 50mm 镜头捕捉复古风格。色彩丰富，焦点清晰，带有一丝复古魅力。

先单看 2 号和 4 号，很明显，Midjourney 赢了！

从细节上看，2 号 Flux.1 稍有偏差，衣服颜色多了两种，这在一水的蓝绿格子衬衫中尤为突出。

另外，一上来我们还发现了 Imagen 3 独有的一个小亮点：在生成开始前圈出关键词。

借着它完成的工作，我们正好可以检验几位选手对关键元素（蓝绿色方格衬衫、50mm 镜头等）的还原程度。

可以看到，整体上几位选手表现都不错（除了 2 号），还原度较高且都看向了镜头。

而且，要不是这些都是本人亲自用 AI 生成的，还真无法一下子辨认与真人的区别。（汗颜）

最后悄咪咪说一句，4 号选手 Midjourney 颜值最高。

老大难：图片显示文字

成功骗过了所有人之后，是时候让 AI 吃点苦头了——

给图片加文字。

这事儿一直都是个老大难，也成了检验AI生图水平的标准之一。

话不多说，直接让几位选手制作一块精美的广告牌。请各位看官老爷自行带入甲方爸爸角色。

prompt：A horizontal brass sign reading ‘Festive Season’ in a stylish script, encircled by pine and holly on a dark wood backdrop, with a close-up focus on the golden lettering.

一块水平黄铜标牌，上面以时尚手写体写着’Festive Season’，周围环绕着松枝和冬青，背景是深色木材，特写镜头聚焦于金色字体。

一眼扫过，是不是都还不错，好像都高度还原了提示词？

但是，一旦拿出甲方爸爸的犀利眼神，这 2 号可就藏不住了。

注意看，2 号 Flux.1 偷工减料了，单词“Season”少了一个字母“S”。

不过除了 2 号，其他几位还是不错滴，看来各家 AI 在文字渲染功能上都下功夫了。

所以接下来就是，萝卜青菜各有所爱，大家凭个人喜好做选择。（私心投给了 Midjourney）

对了，1 号 Ideogram 这次型号升级还特意拿“文字渲染”功能做宣传了，大家不妨多试试。

参考麦当劳，整点 AI 广告

最近，麦当劳请了 11 个 AI 美女为薯条疯狂打 call，狠狠火了一把~

其实原理也比较简单，无非是用 AI 生成不同角色宣传薯条的图片，再拼接成一个视频。

没想到效果惊人，仅在推特一个平台，相关视频就获得了近千万浏览量。

掌握财富密码后，咱们正式开干，身为中国人，AI 助农高低得走起~

prompt：Against the backdrop of a cyberpunk-style metropolis, a girl is promoting organic agricultural products in her hands.

在赛博朋克风格的都市背景下，一位女孩正宣传着手中的有机农产品。

很好，3 号选手再次“摆烂了”。不过这波着实令人费解，提示词既不是中文，也没有明显违禁的地方……

淘汰 3 号后，1 号选手 Ideogram 2.0 带货种类最为丰富，大白菜、西红柿、紫甘蓝等应有尽有。

而且它是唯一一个打出文字招牌来宣传有机食品的，看得出来相当卖力了~

另外，细看还能发现只有 1 号在尽力模仿真人，而 2 号和 4 号则完全走上了二刺猿。

u1s1，如果参考麦麦的广告风格，这一次的短暂生成确实没有达到理想效果。（希望更贴近真实一点）

但是，好在这几个 AI 工具目前都可以免费用，多来几次也不是不行，重点还是方法论。[doge]

别急着走，其实还有一个更靠谱的搞钱方法——

用 AI 轻松拿捏棚拍商业宣传海报，省下请摄影师、场地和后期的钱不香嘛。

A sleek lipstick tube gleams against a backdrop of sophistication, highlighting the rich pigment and smooth glide. Evoke luxury with sharp focus and a hint of shimmer.

一支光滑的口红管在精致的背景前闪耀，突显出浓郁的色泽和顺滑的涂抹感。以锐利的焦点和一抹微光唤起奢华感。

考考大家，假如你要给身边某位女性挑一只口红，你会选哪只？（死亡考验来了）

嘿嘿，所以有人选 4 号了吗？

虽然 4 号 Midjourney 看起来灰常高级，但这个黑色可能有点小众了。（慎选）

除了它，接下来表现最好的是 3 号 Imagen 3，底下丝绒布料衬托出奢华感，且最重要的是，口红质地很真实。

对比之下，1 号和 2 号都显得有点假，“塑料感”扑面而来。

因此这一局，整体来说 3 号选手获胜。

小结一下，整体而言 4 位选手表现都非常不错。中文提示词下，黑马选手 Ideogram 2.0 表现最好。

今年 2 月，Ideogram 推出了 1.0 版本，短短半年时间，它再次进化上线了 2.0 版本。

事实上，Ideogram 与谷歌可谓“沾亲带故”。

成立于去年 8 月，创始团队中前 4 人都是谷歌文生图研究 Imagen 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。

毕业后他加入谷歌大脑工作了 7 年，职位也一路升至高级研究科学家，主要研究的就是生成模型。

此外，他也是谷歌神经机器翻译团队的原始成员，Hinton 团队自监督对比学习框架 SimCLR 的合著者。

CTO William Chan（陳俊樂），论文共同一作，他先后就读于加拿大滑铁卢大学、卡内基梅隆大学。

他 2012 年加入谷歌时先做的机器学习广告工程，后转到谷歌大脑作NLP研究。

联合创始人 Jonathan Ho，博士毕业于 UC 伯克利，曾在 OpenAI 工作一年，后加入谷歌。

他除了是 Imagen 论文的核心贡献者，还是去噪扩散模型奠基之作《Denoising Diffusion Probabilistic Models》的一作，这篇论文合著者中的 Pieter Abbeel 也是 Ideogram AI 的投资人。

联合创始人 Chitwan Saharia，论文共同一作，本科毕业于孟买理工学院，2019 年加入谷歌，在谷歌主要负责领导 image-to-image 扩散模型的工作。

创始团队中的另外三人，Shayaan Abdullah 曾是 Twitter 的机器学习工程师，于去年 4 月离职，后加入 Ideogram AI。

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 AI 之前曾在谷歌实习。

可以看出，Ideogram 由顶级扩散模型研究团队组成，自成立之初便获得了资本青睐。

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

个人投资者中也不乏 Andrej Karpathy、强化学习大牛 Pieter Abbeel，GitHub 联合创始人 Tom Preston-Werner 等。

另外，今年 2 月，多方消息传出 Ideogram 进行了新一轮融资。

据称成功筹集了 8000 万美元（约 57 亿人民币）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。

看来有钱、有技术的 Ideogram 无疑又是 AI 生图领域的一匹黑马。

卷，继续卷。

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

参考链接：

[1]https://x.com/ideogram_ai/status/1826277550798278804

[2]https://ideogram.ai/launch

[3]https://x.com/AIandDesign/status/1826277963681370213

扫码关注公众号

获取更多技术资讯