A Google nem rendelkezik nagy múlttal a mesterséges intelligenciával történő képek létrehozásában. Újonnan botrány tört ki az Ikrekbe épített képgenerátor miatt, amely helytelenül készített képeket az emberekről, összetévesztve a fajukat. Sok panasz után a technológiai óriás eltávolította az arcgeneráló funkciót, és "javításra" küldte. Amíg várunk, a vállalat kiadott egy továbbfejlesztett Imagen 2 képalkotó eszközt a Vertex AI fejlesztői platformja részeként. Van azonban egy árnyalat - az eszköz továbbra is az üzletre összpontosít.
Az Imagen 2 képes képeket létrehozni és szerkeszteni szöveges promptokkal, hasonlóan a DALL-E-hez és a Midjourney-hoz. Az eszköz több nyelven képes szöveget, emblémákat és logókat megjeleníteni, opcionálisan ráborítva ezeket az elemeket meglévő képekre, például névjegykártyákra, ruházatra és termékekre.
Az előnézeti módban való első indítás után a képszerkesztés az Imagen 2-vel immár elérhető a Vertex AI-ben, két új lehetőséggel: festéssel és színezéssel. A más népszerű képgenerátorok, köztük a DALL-E által régóta kínált festési és színezési funkciók a kép nem kívánt részei eltávolítására, új komponensek hozzáadására és a kép határainak kiterjesztésére használhatók, így szélesebb képmezőt hozhatnak létre. Kilátás.
De az Imagen 2 igazi frissítése az Google "a szöveg élő képpé alakítását". Az eszköz mostantól 4 másodperces videókat tud készíteni szöveges promptokból, hasonlóan az AI-alapú klipkészítő eszközökhöz. A modell vállalati fókuszának megfelelően a Google élő képeket kínál marketingesek és kreatívok eszközeként, például egy GIF-generátort a reklámokhoz, amely a természetet, az élelmiszereket és az állatokat mutatja be – olyan témákat, amelyekre az Imagen 2 tökéletesen kiképzett.
Google azt állítja, hogy az élő képek "különféle szögeket és mozgásokat rögzíthetnek", miközben "megőrzik a konzisztenciát". De egyelőre alacsony a felbontásuk: 360x640, és a cég azt ígérte, hogy ez a jövőben javulni fog.
A mélyhamisítások lehetőségével kapcsolatos aggodalmak csökkentése érdekében a Google azt mondta, hogy az Imagen 2 a Google DeepMind által kifejlesztett speciális SynthID technológiát fogja használni, hogy láthatatlan kriptográfiai vízjeleket alkalmazzon az élő képeken. Ellenállnak a szerkesztésnek, beleértve a tömörítést, a szűrőket és a színtónus-beállításokat, de ezek észleléséhez külön eszközre van szükség.
Szintén Google hangsúlyozza, hogy az élőkép létrehozását "biztonsági okokból tesztelni fogják". „A Vertex AI Imagen 2 modellje nem tapasztalta ugyanazokat a problémákat, mint a Gemini alkalmazás. Továbbra is aktívan teszteljük és együttműködünk ügyfeleinkkel” – jegyezték meg a cég képviselői.
Olvassa el még: