Генераторы изображений по тексту: что они создают — и чего не могут показать

Список «лучших» генераторов изображений легко опубликовать, но трудно поддерживать в добросовестном состоянии. Модели, цены и интерфейсы быстро меняются. Дольше сохраняет актуальность более простой вопрос: как выбрать инструмент, не приняв впечатляющее первое изображение за контроль над самим изображением, его происхождением или последствиями?

Что такое генератор изображений по тексту?

Вы описываете словами сцену, идею или визуальное направление. Модель интерпретирует эти слова через закономерности, усвоенные из визуальных и текстовых материалов, а затем создаёт изображение, соответствующее её оценке вашего запроса. Результат может оказаться полезным и неожиданным. Но это всё равно сконструированное предложение, сформированное обучающими материалами, моделью, интерфейсом и окружающими её настройками по умолчанию.

Сгенерированное изображение может стать превосходным эскизом, мудбордом или иллюстрацией. Само по себе оно не доказывает, что изображённые человек, место или событие существовали именно в таком виде.

Четыре знакомых названия — четыре вида компромиссов

Midjourney, DALL·E, Stable Diffusion и Leonardo AI — полезные примеры, поскольку представляют разные продукты и рабочие процессы. Это не вечный рейтинг. Версии, правила доступа, цены и средства управления меняются, поэтому сравнивайте инструменты применительно к своей задаче, а не доверяйте устаревшему списку победителей.

Midjourney

Midjourney часто используют для быстрого поиска визуального направления и вариантов. Не ограничивайтесь первым эффектным результатом: можете ли вы сохранить композицию, внести точное изменение, обеспечить постоянство персонажа или объекта и объяснить, что произошло между версиями?

DALL·E

DALL·E показывает, насколько естественно языковой интерфейс может подвести человека к созданию изображений. Плавные инструкции и безупречные результаты могут создавать ощущение понимания, но это не одно и то же. Проверьте происхождение изображения, использованные элементы управления и утверждение, которое оно должно поддерживать.

Stable Diffusion

Stable Diffusion может обозначать целое семейство моделей и рабочих процессов, а не единый пользовательский опыт. Облачные и локальные варианты могут различаться моделями, настройками, расширениями и зависимостями. Фиксируйте эти сведения, если другому человеку потребуется воспроизвести или проверить результат.

Leonardo AI

Leonardo AI объединяет генерацию в удобный творческий процесс. Прежде чем результат попадёт в продукт, кампанию или публикацию, проверьте правила хранения, возможности экспорта, сведения о происхождении и то, кто впоследствии сможет исправить изображение.

Сравнивайте генераторы с помощью пяти вопросов

1. Насколько полный контроль остаётся у вас?

Можно ли изменить одну область, не отбрасывая всё изображение? Можно ли сохранить композицию, персонажа или визуальное решение? Красивый первый результат менее ценен, если ради каждой существенной правки приходится начинать заново.

2. Что можно узнать о происхождении результата?

Обратите внимание, какие сведения о модели, исходном контексте, запросе, настройках и преобразованиях раскрывает сервис. Маркировка не отвечает на все вопросы о правах, однако отсутствие записей лишает следующего зрителя разумной возможности оценить увиденное.

3. Можно ли увидеть и оспорить настройки по умолчанию?

У каждой системы есть настройки по умолчанию: каких людей и места она изображает без труда, какие стили считает нормой, что отклоняет и что опускает. Полезный инструмент позволяет замечать эти границы, а не скрывает их за гладким интерфейсом.

4. Можно ли забрать работу с собой?

Проверьте, можно ли скачать файл нужного разрешения, сохранить запрос и настройки, а также перенести работу в другой инструмент. Переносимость защищает ваше время и не позволяет творческому процессу незаметно превратиться в зависимость от подписки.

5. Какова реальная стоимость?

Учитывайте время обработки, последующую доработку, конфиденциальность, хранение, неопределённость лицензирования и внимание, необходимое для проверки результата. Дешёвая генерация становится дорогой, если после публикации команде приходится исправлять вводящее в заблуждение изображение.

Когда сгенерированное изображение — неподходящий инструмент

Если изображение должно документировать реального человека, место, событие или физическое состояние, начните с фотографии либо другого проверяемого источника. Сгенерированное изображение способно имитировать визуальный язык свидетельства, не сохраняя стоящего за ним события. Не возлагайте доказательную нагрузку на инструмент, предназначенный для вымысла.

Это не довод против воображения. Иллюстрации, концептуальные работы и визуальные эксперименты ценны. Сделайте различие между вымыслом и свидетельством понятным для людей, которые будут полагаться на изображение.

Практичный процесс под руководством человека

Начните с задачи, а не с бренда. Запишите, что должно сообщать изображение, что обязано оставаться правдой и что разрешено выдумать. Храните вместе запрос, модель или сервис, настройки, результат и существенные правки. Затем поручите человеку проверить, не заявляет ли изображение больше, чем позволяют доказательства.

Когда различие существенно, сообщайте, что изображение синтетическое. Сохраняйте путь к исходным материалам и возможность исправить публичную запись. Система может расширить набор вариантов, но ответственность за утверждение, связанное с окончательным изображением, должна оставаться у человека.

Почему это важно сейчас

Изображения распространяются через поиск, новости, учебные классы, рабочую среду и частные разговоры быстрее, чем большинство людей успевают их исследовать. Неотложный вопрос не в том, какой продукт победит в гонке функций. Вопрос в том, помогают ли системы генерации людям понимать, на что они смотрят, видеть ограничения изображения и исправлять запись, когда она вводит в заблуждение.

Что читать дальше

Более широкий вопрос о том, что генеративные системы способны и не способны понимать, рассматривается в руководстве по генеративному ИИ. Подробнее о том, почему запрос является инструкцией, а не пониманием, читайте в заметке Лу Хэна об уровнях реальности и символической власти. Более новое руководство для читателя по ИИ, создающему изображения из текста применяет тот же метод к реальному сравнению: начните с задачи, сохраните историю работы и выберите инструмент, который оставляет вам больше самостоятельности.