您尚未登录账户
您的企业账号申请正在审核中
谷歌Vertex AI将推出Imagen 3文本到图像模型
谷歌即将在其Vertex AI平台上推出下一代文本到图像的基础模型。Imagen 3将面向部分客户开放预览，相较于上一代，它为开发者带来了更快的图像生成速度、更强的提示理解能力、更逼真的人物图像生成效果以及更精细的图像内部文本渲染控制力。
Imagen 3在今年5月的谷歌I/O大会上首次亮相，最初仅在ImageFX平台上为部分创作者提供私人预览。然而，谷歌已经承诺，这款AI模型将正式入驻Vertex AI平台。
“这是我们迄今为止最强大的图像生成模型”谷歌DeepMind的高级研究总监Douglas Eck当时表示。“Imagen 3生成的图像更加逼真，细节更丰富，视觉瑕疵或失真现象更少。它非常擅长理解人们编写的提示——你的提示越有创意和详细，生成的效果就越好。而且Imagen 3还能在较长的提示中记住小细节……此外，它在渲染文本方面的表现也达到了我们迄今为止的最佳水平，这一直是图像生成模型面临的一大挑战。”
随着在Vertex AI上的推出，Imagen 3支持多语言、安全功能（如谷歌DeepMind的SynthID数字水印）以及多种长宽比支持。
图片库提供商Shutterstock是首批采用这一模型的公司之一。“自从我们在AI图像生成器中添加Imagen以来，我们的用户已经利用该模型生成了数百万张图片，”该公司数据服务副总裁Justin Hiza在一份声明中评论道。“我们对Imagen 3的改进感到兴奋，因为它让我们的用户能够更快地实现他们的创意，同时又不牺牲图像质量。作为Shutterstock推出首个道德来源的AI图像生成器的重要改进，我们也赞赏其内置的安全性，以及所创建的内容受到谷歌云对生成式AI的赔偿保护。”
尽管谷歌持续对Imagen进行创新，但它并未透露何时会允许其Gemini AI在遭遇因显著“不准确”而引发的反弹后恢复图像生成功能。在新闻发布会上被问及此问题时，谷歌云首席执行官Thomas Kurian指出，Imagen和Gemini是两种不同类型的模型：“Gemini是一个多模态模型，意味着你可以给它输入多种不同模态的数据，它可以在此基础上进行推理，并且……允许你跨图像、视频和音频进行推理……这与我们在Imagen上所做的不同。Imagen是一个扩散模型，专门用于生成超高保真度的文本到图像……Imagen并不是Gemini中图像功能的替代品。这两种技术服务于不同的目的。”
