Петте най-добри генеративни ИИ за създаване на потресаващи изображения

Вече знаем, че е възможно създаването на перфектни изображения с помощта на сравнително просто описание на това, което искаме да се получи. Всичко това става с помощта на програми, подпомогнати от мощен изкуствен интелект. Нека се спрем на петте най-добри през пролетта на 2023 година.

Появата на ChatGPT в края на ноември миналата година бе истинска изненада за мнозина. Този  чатбот даде на широката общественост реалната представа за силата на софтуера с изкуствен интелект. Благодарение на ChatGPT целият свят успя да се убеди в огромния потенциал на изкуствения интелект. Чатботът на OpenAI наистина е впечатляващ. Можете да разговаряте с него като с близък човек, той ви „разбира“, отговаря на въпросите ви, изпълнява инструкциите ви и прави всичко това на естествен език, точно като всеки човек (поне на пръв поглед).

Въпреки че ChatGPT е истинска изненада за мнозина, той е само малка част от възможностите на софтуера с изкуствен интелект. Съществуват много други, също толкова мощни инструменти, базирани на AI. И ще останете изненадани. Програмите за изкуствен интелект, върху които работят изследователите, се усъвършенстват в редица други области, много от които все още са непознати за обикновения човек. Такъв е например случаят с програмите базирани на изкуствен интелект, специализирани в създаването на изображения.

Точно както ChatGPT може да създаде текст – есе и дори стих от няколко лесни инструкции, има програми, които могат да създават изображения от нулата, от просто текстово описание. За да могат да работят, тези изкуствени интелекти, подобно на ChatGPT, трябва да бъдат захранвани и обучавани със стотици хиляди най-разнообразни данни. В този случай вероятно милиарди изображения от всякакъв вид. Тези изкуствени интелекти станаха толкова добри, че създават изображения, достойни за четката на най-изявените художници хора. Неслучайно картината, създадена от Midjourney, един от най-мощните генеративни изкуствени интелекти до този момент, преди няколко месеца спечели художествен конкурс.

Но тяхната мощ започна да предизвиква безпокойство. Някои художници не се поколебаха да обвинят тези ИИ програми в плагиатство. Тези изкуствени интелекти днес буквално са сочени с пръст, защото в повечето случаи са били обучавани с изображения на картини без разрешението на техните автори. За някои художници тези генеративни ИИ просто са се превърнали в машини за създаването пиратски копия на милиарди произведения на изкуството.

Някои от тези програми с изкуствен интелект са по-съвършени от други. Много от тях вече са достъпни за широката общественост. Нека да разгледаме няколко и да се опитаме да преценим техните възможности.

Midjourney

Преди появата на фалшивите снимки на папата със стилен жакет може и да не сте чували за Midjourney. Но този софтуер с изкуствен интелект (midjourney.com/home) е един от най-напредналите към днешна дата. Предлага се като публична бета версия, която изисква регистрация, а свободният достъп до този ИИ изглежда вече е затворен за неопределено време или за постоянно. Midjourney се предлага и като като бот в Discord. Ако искате да го изпробвате, първо ще трябва да изтеглите Discord, да създадете акаунт и да се присъедините към Midjourney Discord. Процедурата е описана подробно в документацията на Midjourney. Най-евтиният абонамент струва 10 долара на месец при месечна тарифа или 8 долара на месец при годишна тарифа.

След като сте се регистрирали в Discord и сте се присъединили към общността на Midjourney, можете да започнете да подавате заявки на бота, като го извикате в една от специалните стаи (за начинаещи) с командата /imagine, последвана от вашето prompt описание. След няколко секунди ботът ще генерира четири изображения, които съответстват на вашата заявка. Под генерираните изображения има няколко номерирани бутона U, които ви позволяват да получите увеличени версии с по-подробни описания. Бутоните V също са номерирани и ви дават възможност да генерирате варианти на новогенерираните изображения. А ако не сте доволни от резултата, можете да генерирате нови изображения със същата заявка, като натиснете бутона с двете кръгови стрелки.

Резултатите, получени с помощта на Midjourney, са поразителни. Този софтуер с генеративен изкуствен интелект към настоящия момент безспорно е най-впечатляващият. Безплатната версия на Midjourney, която към момента на писане на статията е спряна, ви дава само 25 безплатни кредита за тестване на инструмента. След това ще трябва да си направите платен абонамент.

Stable Diffusion

Сред моделите за машинно обучение, способни да генерират реалистични изображения въз основа на описания на естествен език, Stable Diffusion (beta.dreamstudio.ai/dream) също има своето място. Основната му особеност е, че изходният му код е достъпен за всички – създателят на Stability AI го е публикувал в Github. Той може да се използва директно от браузъра чрез уеб приложения като например DreamStudio. Регистрацията за онлайн услугата е безплатна и по подразбиране дава възможност за получаването на сто кредита, което съответства на генерирането на около 500 изображения. Този брой може да бъде намален в зависимост от размера и нивото на изискваната детайлност. Всички генерирани изображения, както и техните подсказки, се записват в историята. Техните визуализации обаче не се съхраняват на сървърите на услугата, а само в кеша на браузъра ви. Затова не забравяйте да запишете тези, които харесвате най-много.

Можете също така да стартирате Stable Diffusion локално на компютъра си с помощта на програма като например Easy Diffusion. Когато стартирате Stable Diffusion на компютъра си, ще можете неограничено да използвате изкуствения интелект за създаване на изображения. Имайте предвид обаче, че ще ви е необходим компютър с мощна конфигурация, включително специална графична карта. Създаването на изображения със Stable Diffusion изисква наистина много системни ресурси.

Bing Image Creator

От няколко седмици насам Bing, търсачката на Microsoft, може да генерира изображения въз основа на просто описание. Модулът, посветен на тази практика, Bing Image Creator, е достъпен от всеки уеб браузър (bing.com/create).

Макар че все още е в етап на предварителен преглед, Bing Image Creator в крайна сметка ще бъде напълно интегриран в режима Bing Conversation. За да направи своята услуга за създаване на изображения, Microsoft не е отишла твърде далеч. Базираната в Редмънд компания просто е разчитала на Dall-E, генеративния модел на изкуствен интелект от OpenAI, създател на ChatGPT, на който се базира Bing Conversation. Въпреки че услугата Bing Image Creator е безплатна за използване, тя изисква Microsoft акаунт и използва търсачката Bing. След това можете да започнете да генерирате изображения, като въведете обикновено текстово описание в съответното поле.

Имайте предвид обаче, че Microsoft е предоставил система от допълнителни функции, които ще ви дадат възможност за по-бързо генериране на изображения. По подразбиране разполагате с 25 кредита при първото използване на услугата. След изчерпването на тези кредити все още ще можете да използвате Bing Image Creator, но генерирането на изображения ще бъде по-бавно и вероятно по-малко ефективно. Как стои въпросът с получаването на нови кредити? Тук Microsoft действа много хитро. Компанията разчита на своята Microsoft Rewards – система за награди под формата на точки, които печелите, като използвате търсачката Bing и извършвате определени действия, предложени от нея.

И накрая, тъй като Bing Image Creator е предназначен за широката публика, Microsoft въведе редица предпазни мерки, за да предотврати използването на инструмента за създаване на злонамерено съдържание. Поради това на инструмента са наложени ограничения, както важат и в режима за разговори. Не трябва да нарушавате правилата, определени от Microsoft, в противен случай акаунтът ви много бързо ще бъде включен в черния списък на платформата.

Dall-E

Dall-E, моделът на изкуствен интелект, на който се базира Bing Image Creator, е разработен от OpenAI, създателят на ChatGPT. Що се отнася до последния, възможно е да тествате функциите на Dall-E директно от уеб браузъра (labs.openai.com). Единственото условие е да имате OpenAI акаунт. Ако вече използвате ChatGPT, можете да използвате акаунта си, за да влезете в Dall-E, а ако не, можете да се регистрирате, като кликнете върху линка Sign Up (Регистрирай се), който се появява под бутона за влизане в страницата за логване.

За съжаление, за разлика от ChatGPT, който може да се използва безплатно без ограничения, Dall-E ограничава броя на изображенията, които могат да се генерират безплатно. По подразбиране получавате петнадесет безплатни кредита на месец. Те съответстват на петнадесет заявки, изпратени до софтуера за генериране на изображения. Ако искате да използвате Dall-E над този брой кредити, ще трябва да заплатите такса. Закупуването на 115 кредита струва около 15 щатски долара. Безплатните кредити, които не използвате, не могат да се прехвърлят от един месец в друг, а тези, които купувате, са валидни за дванадесет месеца от датата на закупуването.

Всички изображения, които създавате с помощта на Dall-E, се съхраняват в хронологията, до която имате неограничен достъп. Всяка заявка, изпратена до софтуера, генерира четири изображения, които можете да изтеглите поотделно.

BlueWillowAI

За разлика от другите решения, споменати по-горе, BlueWillowAI (bluewillow.ai) не е цялостен генеративен модел на изкуствен интелект. Този инструмент е създаден през месец януари 2023 г. от екип от специалисти по изкуствен интелект, които засега предпочитат да останат анонимни. Според често задаваните въпроси на уебсайта BlueWillowAI всъщност съчетава няколко модела на изкуствен интелект. Работейки по този начин, платформата се стреми да получи най-добрите възможни резултати в зависимост от въведената заявка. Въпреки че BlueWillowAI не дава подробности за моделите на изкуствен интелект, на които разчита, тя посочва, че използва модели от типа на Stable Diffusion. И, като се имат предвид резултатите, има голяма вероятност това да е основният модел, използван от услугата.

BlueWillowAI няма специално приложение или уебсайт. За да използвате инструмента, трябва да създадете акаунт в Discord и да се присъедините към съответния електронен облак на BlueWillowAI, точно както при Midjourney. И именно в един от каналите за „начинаещи“, достъпни за потребителите, ще можете да създавате своите изображения. Ще трябва да използвате командата /imagine, преди да влезете в промпта, който определя детайлите на вашата визуализация. След като запазите няколко секунди търпение, BlueWillowAI ще покаже резултата директно в разговора, който споделяте с другите потребители. Това означава, че всички създадени от вас изображения, точно както е в Midjourney, ще бъдат видими за другите потребители.

За да създадете своя собствена заявка, можете да използвате обясненията, които BlueWillowAI дава в документацията, налична на неговия уеб сайт. Така например можете да поискате от програмата да използва вече съществуващо изображение, като посочите след /imagine URL адреса на изображението, след това вашето описание и неговите параметри (например за формат).

Всяка заявка, изпратена до BlueWillowAI, генерира четири визуални изображения, които можете да запазите на твърдия си диск. Обърнете внимание, че за всяко генерирано изображение можете да изберете да го „увеличите“ (като кликнете върху Ux, където x е номерът на изображението, което трябва да бъде увеличено) или дори да генерирате негови варианти (по подобен начин, като кликнете върху Vx).