Как создать картинку с помощью ИИ: тестируем ChatGPT, Grok и Ideogram

ИИ-сервисов, умеющих генерировать изображения, — десятки. Но когда нужно просто и быстро сделать картинку, не всегда понятно, за что хвататься. Одни требуют оформить подписку сразу после регистрации. Другие настолько перегружены настройками и «продвинутыми функциями», что перед использованием придется потратить пару часов на освоение простейших операций. 

Для нашего обзора мы выбрали три ИИ-модели — ChatGPT, Grok, Ideogram. 

Реклама

Партнер рубрики «Работа» — АО «ПФ «СКБ Контур». ИНН 6663003127. erid: 2RanykL5cgH

Они создают изображения без обязательной подписки и не требуют навыков дизайна и prompt-инженерии. И протестировали их на трех базовых задачах: 

• Создание иллюстрации с заданным стилем и надписью на русском языке
• Генерация фотореалистичного изображения 
• Обработка фото под заданный стиль 

Для чистоты эксперимента везде использовали одинаковые промпты, с небольшими поправками — под особенности платформ.

Задача # 1: cюжетная картинка с текстом на русском 

Попробуем создать изображение, скомбинировав два стиля — типичную иллюстрацию из журнала The New Yorker и концепт-арт студии Ghibli. Первый — это минималистичные рисунки со сценами из городской жизни, часто с ироничным или трогательным акцентом. Второй — картинки в духе японской анимации, с мягким светом, приглушенной цветовой палитрой и узнаваемым сочетанием повседневности и фантазии. Сцена: терапевтическая сессия, один человек сидит на диване и говорит, второй — внимательно слушает и делает записи. На стене — постер с надписью «Все будет хорошо» на русском языке. Картинка горизонтальная, с пропорциями 3:2.

ChatGPT

После недавнего обновления GPT-4o получил оптимизированный генератор изображений, который умеет создавать картинки по текстовому описанию и значительно превосходит по точности и детализации использовавшийся до этого DALL·E 3 (подробнее об этом читайте тут ). Как это работает? Вводите простое текстовое описание (например, «нарисуй котика») и модель создает изображение. 

Еще один плюс — ChatGPT учитывает весь контекст разговора и историю запросов. То есть, когда вы просите создать картинку, не давая точные указания по цвету, теме и форме, ИИ использует параметры изображений, которые вы просили его сгенерировать до этого.

И самое главное — новый генератор изображений умеет правильно отображать кириллицу. Чтобы избежать искажений, указывайте в промпте in clear, readable Cyrillic font и сразу задавайте расположение надписи, например, on a framed wall poster.

Обратите внимание — по умолчанию Chat GPT делает изображения в формате квадрата с соотношением сторон 1:1. Чтобы получить требуемый результат, нужно обязательно встраивать в промпт указание на формат: 

• in landscape orientation — ландшафтный (горизонтальный) формат, обычно — 3:2 или 16:9
• in portrait orientation — портретный (вертикальный), обычно — 2:3
• aspect ratio 3:2 — прямо задает пропорции
• wide image или horizontal format — более общее ландшафтной ориентации
• panoramic — широкоформатное изображение, близко к соотношению — 21:9

Grok

Grok 3 использует для создания изображений интеграцию со сторонними ИИ-моделями. Когда вы пишете в чате, что хотите сгенерировать картинку, он выбирает подходящий инструмент по вашему запросу (обычно Flux.1, DALL·E 3 или MidJourney), передает на обработку ваш промпт и возвращает результат. 

Это накладывает на определенные ограничения на количество и качество изображений, которые Grok может создать по текстовому запросу. Лимиты заданы условиями бесплатных тарифов сторонних сервисов, к которым он обращается. В среднем это 2-10 изображений в день, с разрешением до 1024×1024 пикселей. Есть  лимит и у самого Grok 3 — не более 10 запросов на генерацию изображений каждые 2 часа.

Ideogram

Браузерный генератор изображений, ориентированный на простые текстовые запросы. Работает на основе собственной модели Ideogram 1.0, поддерживает создание как реалистичных, так и стилизованных изображений. 

Приложение создает по умолчанию четыре варианта изображения — на выбор. Ограничение: лимит на запросы — до 40 изображений в неделю. 

В генератор можно загрузка до трех референсных изображений в качестве ориентира по композиции, цвету или стилю. Есть интеграция текста в изображение, включая кириллицу. Это одна из немногих моделей, в творениях которой надписи на русском языке выглядят читабельно.

В промпт было внесено одно изменение: убрано упоминание разрешения, поскольку оно указывается в интерфейсе под окном ввода. 

Задача # 2: фотореалистичный бегун

Цель — создать максимально правдоподобное изображение, сопоставимое с фотографией. Ключевые аспекты: точность передачи движения, детализация мышц и естественные световые отражения. Важно достичь ощущения достоверности через проработку деталей и динамичность сцены. Сцена: спортстмен бежит в ночном городе под дождем. Критически важные элементы: реалистичная анатомия бегуна в движении, естественное размытие среды для передачи скорости, точная передача теней и бликов света на мокром асфальте и в каплях дождя, а также текстуры материалов — от влажной кожи до промокшей ткани. 

ChatGPT

Хорошая детализация, но есть проблема с ориентацией, которая наметилась еще в предыдущих версиях модели и не побеждена до сих пор. Бегун движется не вдоль, а поперек улицы, что портит впечатление реалистичности. Попытки исправить ситуацию с помощью дополнения к промпту «бегущий вдоль по улице, по ходу движения, а не через улицу» (sprinting along the street, following the direction of the road, not crossing it) не дали результата. 

Grok

Создание реалистичных изображений со светотенями и динамическими бликами считается главным достоинством генератора изображений Grok. Но, честно говоря, результат не сильно впечатляет. Единственное явное преимущество — Grok правильно ориентировал бегуна вдоль улицы. 

Ideogram

Та же проблема с ориентацией, что и у ChatGPT. Несмотря на все попытки скорректировать промпт, Ideogram все равно не выдал изображение с требуемым расположением фигуры. Еще один явный недостаток: не вполне реалистичная передача бега, ноги бегуна ни в одном варианте не касаются дороги, из-за этого при возникает ощущение, как будто фигуру наклеили на фон. 

Задача # 3: превратить фото в портрет

Сложная миссия — трансформировать случайное стрит-фото велосипедиста в нечто вроде студийного портрета. Ключевые технические сложности: изменение ракурса — поворот из профиля в анфас; коррекция освещения — замена естественного уличного света на профессиональное студийное; сохранение идентичности — несмотря на трансформации, человек должен оставаться узнаваемым. 

Чтобы добиться нужного результата, необходимо четко указать в промпте: 

• что нужно сохранить: черты лица, выражение; 
• что изменить: позу, освещение, фон; 
• какой стиль придать: профессиональный студийный портрет. 

И очень важно отметить, что изображение на портрете должно воспроизводить  лицо на загруженной фотографии (based on the face in the uploaded photo). Именно это указание обеспечивает привязку к исходному изображению, с сохранением индивидуальных черт лица.

ChatGPT

В новом графическом генераторе ChatGPT есть встроенный инструмент ручного редактирования изображений — inpainting, доступный и в бесплатной версии. Чтобы им воспользоваться, нужно проделать несколько шагов: 

• Генерируете изображение в чате и скачиваете его
• Загружаете скачанное изображение в чат 
• Нажимаете Edit image 
• Выделяете нужную область инструментом «кисть» (brush) 
• Вводите в окно текстовое описание изменений (например, «поменяй цвет») — редактор меняет выделенную область. 

Однако ручное  редактирование с помощью встроенных инструментов доступно только для изображений, созданных в самом чате. Если вы хотите отредактировать свою картинку или фотографию, как в этом случае, указывать, что именно и как изменить, можно лишь в виде текстовых инструкций. Например, «поменяй цвет плаща на крайней фигуре слева». 

Grok

Здесь функция редактирования тоже доступна и в бесплатной версии. Можно загрузить готовое изображение и попросить Grok его изменить (например, «добавь горы в виде фона» или «сделай стиль поп-арт»). Но нет ручных инструментов — кистей, масок. Любые изменения вносятся только через текстовые инструкции.

При этом в редакторе есть возможность выбирать готовые шаблоны из трех категорий: стиль, фон и тема (так называются разные забавные добавления типа доспехов, крыльев и прочего). Превратить фотографию в аниме Grok может запросто. А вот с созданием портрета получилось не очень. На контрасте с магией, которую сотворил у нас на глазах ChatGPT, его попытка выглядит еще более неубедительно. 

Grok не выполнил условия, указанные в промпте. Лицо на портрете не соответствует исходному фото мужчины на велосипеде, отсутствует мягкое студийное освещение, а на заднем плане вместо нейтрального фона оказалось еще одно размытое лицо.  

Ideogram в третьем этапе тестирования не участвовал, редактирование изображений (перерисовка, изменение отдельных элементов, повышение разрешения) доступно только в платной версии — по подписке: $7- 48 в месяц, в зависимости от тарифа. В бесплатной можно лишь генерировать новые версии, корректируя текстовое описание.

Вывод

Он очевиден. Если вам нужно быстро создать простую картинку с текстом для мемов или незамысловатых иллюстраций, вполне подойдет Ideogram. С забавными картинками, пародиями и аниме справится Grok. Но по точности и качеству изображений лидером среди ИИ-моделей, которые предлагают генерацию изображений бесплатно, остается ChatGPT. Его можно было бы назвать идеальным, если бы не проблема с ориентацией.