Imagen 4: как сгенерировать мотивационный плакат и комикс в стиле DC
Отслеживаем галлюцинации и сравниваем нейросеть от Google с ChatGPT и Reve.
В тексте проверяем, как Imagen 4 и Imagen 4 Ultra справятся с созданием комикса, винтажной открытки и плаката в стиле социалистического реализма.
Что такое Imagen 4 и Imagen 4 Ultra и где тестировать нейросеть
Как утверждают разработчики, модели Imagen 4 и продвинутая версия Imagen 4 Ultra превосходят предыдущие модели в детализации и отрисовке текста. Из недостатков — строгая цензура.
Где можно попробовать модели:
- В Google AI Studio бесплатно в течение «ограниченного времени» (какого именно — неизвестно).
- Через Gemini API по $0,04 за генерацию в Imagen 4 и $0,06 — в Imagen 4 Ultra.
- В сервисе Syntx AI. Бесплатно пользователю доступно 5 тысяч токенов, их хватит на четыре генерации.
Чтобы попробовать модели в AI Studio:
- Войдите в сервис через Google-аккаунт.
- Выберите модель.
- Настройте соотношение сторон.
- Введите промпт.
- Запустите генерацию.
Доступ к обеим моделям в AI Studio бесплатный, но с ограничениями — у пользователя есть несколько генераций, их количество зависит от нагрузки. В один день удалось сгенерировать десять изображений, а на следующий — всего четыре. В среднем на создание картинки уходит 30 секунд.
Ниже — тестируем модели Imagen 4 и Imagen 4 Ultra в AI Studio и сравниваем их с другими нейросетями, которые генерируют картинки с текстом.
Эксперимент: создаём винтажную открытку
Начинаем с простого: генерации открытки с рыбой.
Промпт:
Винтажная открытка с надписью «Следуй за рыбой своей мечты».
Результат
Без галлюцинаций Imagen 4 справилась только с генерацией по запросу на английском языке.
Vintage postcard with the inscription «Follow your dream fish».
С русскоязычной открыткой у нейросети возникли проблемы: некоторых сгенерированных слов, например «экварельная» и «следуш», не существует.
Imagen 4 Ultra, как заявляли создатели, и правда лучше справилась с текстом. В заданной по промпту надписи нет ошибок, но нейросеть добавила деталь «от себя» — надпись «сомут безжожих». Какой это язык, определить через Google Translate не удалось.
Альтернативные генерации
Пробуем сгенерировать открытку в ChatGPT (модель GPT-4o) — нейросети, которая тоже справляется с надписями.
Рисовка оказалась проще, но ошибок в тексте нейросеть не допустила. Плюс в копилку ChatGPT.
Следующий эксперимент проводим на Reve. Эта нейросеть генерирует текст, в том числе на русском языке. В сервисе есть функция автоматического улучшения промпта, поэтому генерируем картинку два раза: по исходному и по отредактированному запросу.
Слева — картинка по исходному промпту. Ни винтажной стилизации, ни рыбы, ни читаемой надписи на ней нет. С генерацией по улучшенному промпту дела обстоят лучше: стилистика попадает в запрос, рыба сгенерирована без изъянов, и только текст подводит.
Эксперимент: генерируем плакат
На этот раз пробуем улучшить исходный промпт с помощью нейросети Promptessor. Для этого отправим в чат запрос «Плакат с морским динозавром в стиле социалистического реализма. На плакате написано “Плыви за рыбой своей мечты”». Вот как сервис улучшил промпт:
Плакат в стиле социалистического реалистического искусства. Центральная фигура элегантный морской динозавр. В работе необходимо подчеркнуть смелость, героический характер образов, используя драматичную красно-бежевую цветовую палитру, сильный контраст и стилизованные, идеализированные формы, характерные для агитационных плакатов СССР 1930–1950-х годов. Текст «Плыви туда, где обитает рыба твоей мечты» должен быть выделен жирным шрифтом без засечек и гармонично вписан в композицию. Морской динозавр должен быть изображен динамично, символизируя исследования и устремления на фоне стилизованных волн и эмблемы восходящего солнца.
Генерируем плакат в обеих моделях.
Результат
Промпт был написан на русском языке, но нейросеть перевела надпись. Рисовка похожа на советские плакаты, но есть недочёты:
- У динозавра от Imagen 4 разные лапы — одна когтистая, другая — ласта.
- Перед надписью в версии Imagen 4 Ultra стоит знак «*». В промпте его не было.
- У динозавра, сгенерированного в улучшенной модели, раздвоенный хвост и задние лапы сухопутного ящера.
Альтернативные генерации
Следующий тест — генерация в ChatGPT. Нейросеть от OpenAI полностью справилась с заданием и даже не перепутала буквы.
Пробуем сгенерировать ту же картинку в Reve.
Слева — генерация по промпту на русском языке. Нейросеть придумала буквы и создала изображение, напоминающее иллюстрации из советских книг, но не советский плакат. Динозавра на изображении тоже нет. Вторая попытка — это генерация плаката по промпту на английском языке. Получилось лучше — есть стилизация, динозавр и надпись.
Эксперимент: генерируем инфографику со статистикой
Проверяем, справятся ли Imagen 4 и Imagen 4 Ultra с инфографикой, где нужно создать иконки, фон, надписи, цифры.
Промпт:
Яркая инфографика в минималистичном стиле на тему «Сколько людей следуют за рыбой своей мечты?».
Включи следующие данные в виде процентных соотношений с иконками рыб и людей:
10% людей активно преследуют рыбу своей мечты (рыба впереди, человек плывёт за ней с энтузиазмом)
25% мечтают, но не предпринимают действий (человек смотрит на рыбу вдалеке, но стоит на месте)
40% следуют за чужими рыбами (множество людей плывёт за чужой рыбой)
15% забыли, как выглядит рыба их мечты (человек с пустым аквариумом или туман в воде)
10% стали той самой рыбой — они воплотили мечту и теперь вдохновляют других
Добавь лёгкий океанический фон, плавные цветовые переходы (синий, бирюзовый, белый), иконки в плоском стиле.
Размести в центре слоган: «А ты за какой рыбой плывёшь?»
Шрифты современные.
Генерация слева сделана в Imagen 4. Нейросеть перевела запрос на английский язык, перепутала статистические данные, создала эмблемы, которые не соответствуют изначальному запросу.
Вторая картинка сделана с помощью Imagen 4 Ultra. В ней тоже перепутаны значения, некоторые цифры отсутствуют или заезжают на эмблемы. Текст написан на русском, но с ошибками.
Альтернативные генерации
Смотрим, как с запросом справляется ChatGPT.
Чуть лучше, но по-прежнему не идеально. В тексте есть галлюцинации. Например, «ш» и «ь» в слове «плывёшь» слились в один символ, вместо «своей» ИИ написал «сеовя», вместо «чужими» — «чужник», в словах «предпринимают», «выглядит» и «забыли» вовсе появились несуществующие буквы.
Тестируем Reve.
Полный провал: текст нечитаемый, так как написан на несуществующем диалекте русского языка, статистические данные перепутаны, эмблемы лишь отдалённо соответствуют запросу.
Эксперимент: рисуем комикс
Последний уровень сложности — генерация комикса. Промпт снова расширяем, но на этот раз в нейросети Qwen.
Комикс из трёх панелей в стиле американских комиксов, действие происходит в глубинах океана.
Панель 1: В тёмных водах океана, среди мерцающих водорослей и пузырьков, плывёт маленькая, яркая рыбка — «Мечта». На фоне — огромный древний морской динозавр, скрытый в туманной дымке глубины. На экране его примитивного гидролокатора вспыхивает надпись: «ЦЕЛЬ ОБНАРУЖЕНА». По борту его костяного панциря выцветшими буквами написано: «МЕЧТАТЕЛЬ». Динозавр шепчет: «Наконец… ты снова здесь…»
Панель 2: Из тьмы медленно выплывает гигантский биолюминесцентный морской дракон — его тело светится сине-зелёным, глаза горят. На его спине — древние шрамы и ржавые остатки когда-то прикреплённого оборудования. На гидролокаторе вспыхивает красная надпись: «ОПАСНОСТЬ!».
Панель 3: Динозавр несётся сквозь густой рой акул и обломки затонувших кораблей, преследуя рыбку, которая извивается впереди. На треснувшем экране его «навигации» мигает: «ЩИТЫ НА ПРЕДЕЛЕ!», а рядом — «УКЛОНИТЬСЯ!». Динозавр ревёт в экстазе и отчаянии: «Я почти у цели!» Звуковые эффекты: «ХРУСТ!», «РРРРРРРР!» — его хвост сносит затонувшую подлодку.
Стиль: динамичные линии, насыщенные тени, драматичные ракурсы, как у классических комиксов Marvel или DC.
Атмосфера — эпическая, меланхоличная, с оттенком безумной одержимости.
Результат
Imagen 4 не точно справился с заданием — действующий герой не похож на морского динозавра или маленькую рыбку. Текст нейросеть снова перевела на английский, причём выдуманный.
Комикс от Imagen 4 Ultra больше соответствует промпту. Текст и здесь на английском языке, но на этот раз — настоящем.
Для чистоты эксперимента попробуем сгенерировать картинку по тому же промпту на английском языке в Imagen 4 Ultra.
Изображение соответствует запросу — надписи без ошибок, по стилю рисовка и правда напоминает комиксы Marvel или DC. Из минусов — панели расположены не одна за другой, а вписаны друг в друга.
Альтернативные генерации
Генерируем комикс в ChatGPT.
Нейросеть справилась с заданием, но с недочётами. В тексте есть несколько опечаток, которые можно исправить в графическом редакторе. Панелей, как и в запросе, три. Действующие лица (динозавр и рыбка) и стилизация тоже соответствуют промпту.
Дальше — генерация в Reve.
Нейросеть придумала очередной вариант русского языка с фразами «ноня на снотода» и «мокпрна топевоткокы». Уловить задуманный сюжет в комиксе тяжело, но сами картинки выглядят неплохо — анатомия подводного ящера и общая физика выглядят естественно.
Итог: сравниваем Imagen 4, Imagen 4 Ultra, ChatGPT и Reve
- Imagen 4 Ultra действительно лучше справляется с текстом и точнее понимает запросы.
- Качество самих картинок у Imagen 4 и Imagen 4 Ultra высокое. Изображения детализированные, с натуральной физикой. Галлюцинации случаются, но редко.
- В генерациях ChatGPT меньше всего галлюцинаций — иногда нейросеть пишет без ошибок даже на русском языке.
- Хуже всего с задачами справился Reve. Нейросеть путает буквы и не всегда понимает простые запросы.