打败 Midjourney，这个 Google 大牛推出的 AI 产品凭什么弯道超车

这可能是最懂文字的AI模型没有谁能一直称王，但加上前缀谁都有称王的机会。AI 文生图，还能玩出什么新花样？在这片群雄割据的红海，头部被 Midjourney、DALL·E、Stable Diffusion 等占据，其余还能让人眼前一亮的产品并不多。然而，仍有黑马杀出：Ideogram，前 Google 工程师创立，硅谷 AI 大神投资，去年 8 月面世，2 月底发布了最新的模型。Ideogram 的特别在于，擅长生成包含文本的图片，这恰恰是几大巨头都在改善的难题。事实证明，从别人跌倒的地方爬起来，不失为一种弯道超车的方式。能「画图」和「摄影」，但 AI 可能还是个「文盲」让 AI 精准生成文字，向来是个痛点，哪怕生成的人物和风景像相机拍出来的，如同乱码的扭曲文字，瞬间让 AI 原形毕露。Midjourney v5.2 生成的错误文字.Ideogram 站出来表示，拒绝让 AI 继续做个「文盲」，不妨先从它开始。接触 Ideogram 的门槛很低，打开网页（https://ideogram.ai/）登录就能用，界面看起来也清爽不复杂。生成一张图片的步骤不多，在输入框填完提示词，再根据你想要的效果，勾选图片长宽比，以及照片、海报、3D 渲染等图片样式。Ideogram 还考虑到了人类可能是提示词「苦手」，今年 2 月推出了「魔法提示」，这就像一个内置的 ChatGPT，帮你完善提示词，由 AI 拿捏同类的心思。包含文本内容的图片有哪些？产品标志、T恤印花、书籍封面、电影海报……我们先来个入门级考验，让几个人举起写着动物名称的指示牌，乍看文本对了，但脸和手不太正常，两者相互抵消，原来短板没有消失，只是转移了。如果只让 Ideogram 写字，效果便惊艳得多。让 AI 生成马斯克的经典句子「我宁愿乐观而错误，也不愿悲观而正确」，除了「W」有瑕疵，其他单词都写对了。字体活泼了些，70 后的马斯克不知道能不能接受，但碰撞的黑白色，应该能让爆改小蓝鸟的他满意。再拿经典谚语「只工作不玩耍，聪明的孩子也变傻」作为考题，虽然提示词强调了使用打印机字体，但 Ideogram 没能做到。看来光用提示词还不能定义字体，只能取个近似值。接着，命令 AI 为一家叫作「Coffee AI」的 AI 初创公司设计 logo。主体是个电路图案的咖啡杯，右上角有个机器人咖啡师，公司名称用粗体大写字母写成，排版简单和克制，作为 logo 来看很直观，但总体来说在意料之中，很难让甲方心动拍板。该给 AI 上难度了，句子更长，对设计的要求更高。我要求 Ideogram 为儿童绘本设计内页，不仅要在醒目的位置写着「穿袜子的狐狸和戴礼帽的兔子」，底部还得标注「匿名」。对于这两行文字，Ideogram 基本完成了任务，用上了手绘字体和粉笔涂鸦，甚至配了符合题意的插图，绘本的味道对了，但错误也很显眼，「in」这个单词有些问题，兔子长得像狐狸还和狐狸称兄道弟。Ideogram 同样可以拿来电影海报，不妨拿前段时间爆火的、阮经天主演的电影《周处除三害》试试水。我在提示词里杂糅了典故和电影，背景用到侠士剪影、海、山的意象，文字部分参考电影的英文名：猪、蛇和鸽子。除了漏了一个「the」，最终的海报效果还不错，融合了古典的形象和现代的字体，鸽子涂鸦堪称点睛之笔，但总体更像西幻风，让人觉得陌生，很难联想到电影的剧情。体验下来发现，其实 Ideogram 在文字上出错的概率不小，有时候生成两三次，才能得到一字不差的理想结果。就算文本对了，人物的脸和手指经常翻车。它可能还会加些花里胡哨的小动作，随机生成无意义且扭曲的文字，自己打脸自己。这里的小字就糊成一团了.但总体来说，Ideogram 让人惊喜，可以写对长句子，并且用上合适的字体和排版方式配合画面氛围，尽管目前还不能写中文，但如同鬼画符的几个字非常贴合衣服褶皱。这四个字其实是「恭喜发财」.瑕不掩瑜，Ideogram 的就业场景已经很多了。设计 logo、海报、T 恤图案时，它都可以作为灵感参考和创意辅助。以前担心 AI 会「画画」和「摄影」，以后还怕 AI 有文化和会设计。审美不输 Midjourney，还是个表情包神器AI 的进步按天衡量，可能一觉醒来世界就发生了变化。虽然 Ideogram 表示自己的文本渲染能力最强，但对手们也不服输。还未公开发布和开源的 Stable Diffusion 3 在 2 月官宣，改进了文字拼写能力。Stable Diffusion 3 的拼写能力.去年 12 月发布测试版的 Midjourney v6，是第一个具有可靠文本生成功能的 Midjourney 版本。不过，它的要求也依然比较苛刻，除了必须把文字放在引号内，提示词最好解释文本的位置和书写方式，并用到「印刷」「写下」等关键词，一到两个词的文本生成效果最好。Midjourney v6 的文本生成功能.被追赶的 Ideogram 团队不慌，认为优势在我，Ideogram 仍然拥有更高的准确率，并且能够处理复杂的长句。Ideogram 的系统评估也表明，Ideogram 1.0 渲染文本的准确性最高，与 DALL·E 3 等其他模型相比，错误率降低了近 2 倍。光说不练假把式，不如拿相同的提示词，让 Ideogram 1.0 和 Midjourney V6、DALL·E 3 同台竞技。先来比较生成文本的准确度，我要求 AI 们绘制一幅浮世绘风格的日出插图，《飘》的经典台词「明天又是新的一天」放置在合适的位置，表现希望和新生。这次，Ideogram 完胜，拼写准确，线条和色彩的设计也很大胆和出众。向来差点艺术细胞的 DALL·E 竟然意外得有质感，文字基本对了但没完全对，画风更加抽象，Midjourney 不仅文字不准确，审美也落了下风，甚至没有认真听题。左为 DALL·E，右为 Midjourney.二是比拼造梗能力，Ideogram 官方特意提到了生成表情包的功能，借助「魔法提示」，AI 会发挥自己的想象力扩写提示词，配上文案，让图片有感情色彩。我想看 AI 能不能生成打工猫表情包，于是输入了提示词：「画一个有趣的梗图，关于一只戴着领结和衬衫、在电脑前打字的泪流满面的猫，比喻人类打工的辛苦。」Ideogram 发挥脑洞，自觉地加了句文案「猫也得工作」。美中不足的是多了个「have」，前爪的指头数量也不对，看来 AI 不仅仅对人手犯难，拿猫爪也没辙。对比原版表情包，算是中规中矩，不能像「流泪猫猫头」一击即中。左为网图，右为 Ideogram.Midjourney 的猫严肃且优雅，仿佛是个已经财富自由的作家，看起来更像在拍杂志写真，但这鼠标不知道怎么回事。左为 Midjourney，右为 DALL·E.DALL·E 情感最为到位，画风虽然随意了些，但粗糙有粗糙的好处，仿佛不在一个图层的面条泪有内味了，真的很适合拿来当表情包用。三是对复杂的长提示词的理解能力，尤其是提示词的元素是否齐全、出现的位置是否准确，所以我输入了比较啰嗦的提示词，规定了各个主体的位置。Ideogram 在整体构图上表现得更好，提示词说到的几个要点都覆盖了，心形牌子、机器人、宇航员、气球和奖牌都有，虽然宇航员的手、奖牌的字等细节出了问题。相比之下，Midjourney 更有艺术感，但要素缺失，又多了些有的没的装饰，更有自己的想法和个性，DALL·E 不仅要素缺失，细节出错，还不好看。上为 Midjourney，下为 DALL·E.所以抛开文字，光看出图质量，Ideogram 也不差，有时候对提示词里各个物体空间关系的还原，比其他 AI 还要更加准确。从使用体验来说，Ideogram 的生成速度比 Midjourney 快，一般十几秒就能完成四张图片。甚至根据行业的评估规则，人类评估者在提示对齐、图像连贯性、整体偏好和文本渲染质量方面，更喜欢 Ideogram 1.0，而不是 DALL·E 3 和 Midjourney V6。哪怕你不满意 Ideogram 生成的图，把它的魔法提示词拿去用，在 Midjourney 和 DALL·E 的生成效果，可能也比自己手搓更好，不失为一种优化提示词的方式。没人能在我的 BGM 里打败我，但同个提示词给不同 AI 使用，胜负还真不一定。Google 工程师创办的明星公司，接地气的 AI 产品Ideogram 成立于去年 8 月，今年 2 月推出最新的模型 Ideogram 1.0。这又是一家明星公司，创始团队共 7 人，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 4 位是 Google 文生图扩散模型 Imagen 研究论文的作者。谨小慎微的 Google 经常在推出产品时慢半拍，多次眼睁睁看着对手在全球声名大噪，聊天机器人被 ChatGPT 抢先，Imagen 也被 DALL·E 2 超车。从工程师们的角度看，研究成果无法落地为面向消费者的应用并非好事。不少人选择了离开，亲自打造新的产品，尽量开放使用，先积累下用户规模和口碑。Ideogram 一天 25 次提示词的免费额度，可能也是出于这样的考虑。市场很看好这个产品，Ideogram 完成了硅谷风投 a16z 领投的 8000 万美元 A 轮融资，投资者中还有 AI 大神，包括 Google 首席科学家 Jeff Dean、OpenAI 创始团队成员 Andrej Karpathy。其实在体验了很多 AI 产品之后，我暗暗有一个疑问：怎么定义一款产品的好用？Ideogram 生成的 T 恤图案.之前让我觉得好用的，是插件「沉浸式翻译」，它不像 Google 翻译覆盖原文，可以中英文对照，不仅是新闻网页，X 信息流、YouTube 字幕、PDF 文件，都能用上。Ideogram 似乎也是这样接地气。一方面，它可以更加精准地生成用户所需的文字内容，并适配各种风格的图片。另一方面，它也能无中生有，为图片配上契合的文字，比如表情包。虽然 Ideogram 生成的结果很多也不能拿来就用，但至少基本符合提示词要求，文字大多可读。我也在体验中发现， Ideogram 的写实类图片一般，但涂鸦、插图、绘画方面不错，艺术天赋向 Midjourney 看齐。Ideogram 生成的涂鸦艺术插图.Ideogram 的官网还有各种作品的热度排行榜。打开网站的瞬间，你仿佛误入了一个 ins 风的图片社区，上面的提示词也都可以学习。当 AI 工具兼具了创意、便利和分享，就很容易让人上头，具体的表现是，一天的 25 次提示词很快用完，这焦急的感觉，和等待 Suno 的积分更新差不多。如果是每月 7 美元或者 16 美元的会员，除了更多生成次数，Ideogram 还提供了图像上传和编辑器的功能。图像上传指的是，用户上传自己的图片，然后通过 Remix 功能再创作。左为原图，右为输出.编辑器除了裁剪、缩放等常规功能，还有一个很有意思的绘图工具，从一幅抽象的图画生成图片。人类的画工粗糙勾勒各个元素的形状、构图、颜色等，AI 负责化腐朽为神奇，有些神笔马良的既视感。Ideogram 能从血雨腥风里杀出，好用当然是最重要的，同时它的定位也很准确。如果美学是最重要的标准，那么 Midjourney 一骑绝尘。虽然 DALL·E 的水平时好时坏，但内置于 ChatGPT 调用方便，开源的 Stable Diffusion 则带来了自由。单论用户规模，Ideogram 可能哪个都打不过，但它的长板做得很好，应当也能收获自己稳固的受众。至少免费可用的 AI 图像生成器里面，Ideogram 的整体质量领先，网页使用方便，提供免费额度，文本渲染强大，魔法提示功能和创作者社区提供创意和灵感。文生图模型们还远非完美，仍在努力地还原物理世界，或者向画家和设计师看齐。更多的 Ideogram，或许仍能找到自己的一席之地。这也正是 AI 竞争的残酷和魅力所在，不知道谁能笑到最后，但永远有新的对手瞄准阿喀琉斯之踵加入。