W środę Google ogłosił znaczącą aktualizację Gemini, swojego wewnętrznego modelu sztucznej inteligencji (AI). Firma ogłosiła, że możliwości generowania obrazu przez chatbota będą teraz obsługiwane przez model AI Imagen 3 dla wszystkich użytkowników. Imagen 3 to najnowszy i najbardziej wydajny model generowania obrazu przez giganta technologicznego z Mountain View. Oprócz aplikacji Gemini funkcja ta zostanie również rozszerzona na wersję API Gemini, aby umożliwić programistom tworzenie aplikacji i doświadczeń w oparciu o tę funkcję.
Użytkownicy Gemini uzyskują dostęp do modelu AI Imagen 3
w post na X (wcześniej znanym jako Twitter) oficjalny uchwyt aplikacji Google Gemini ujawnił, że wszyscy użytkownicy, w tym użytkownicy bezpłatnej warstwy, będą mogli generować obrazy za pomocą Imagen 3. W poście podkreślono, że model AI oferuje wysoki stopień fotorealizmu, zapewnia lepszą przyczepność i dodaje do obrazów mniej niepożądanych elementów.
Pracownicy Gadgets 360 mogli zweryfikować, czy aplikacja Gemini rzeczywiście korzysta z Imagen 3 do generowania obrazów. Aby przetestować jego możliwości i porównać je z Meta AI, daliśmy obu chatbotom ten sam monit. Podpowiedź brzmiała: „Narysuj obraz psa golden retriever siedzącego na nabrzeżu pociągu i wyglądającego przez okno na Alpy. Pociąg ma drewniane wnętrze, a siedzenia są w kolorze zielonym. Wszyscy pozostali pasażerowie pociągu to także zwierzęta. Jeden konduktor sprawdza bilety.
Meta AI kontra Bliźnięta
Wygenerowane obrazy można zobaczyć powyżej. Chociaż oba modele sztucznej inteligencji nie zawierały jednego lub więcej elementów wskazanych w podpowiedzi, Gemini był w stanie uwzględnić więcej elementów. Dodatkowo, podczas gdy Meta AI generuje obrazy w rozdzielczości 1280 x 1280, obrazy Imagen 3 są generowane w rozdzielczości 2048 x 2048.
Imagen 3 może generować obrazy w szerokiej gamie stylów, takich jak fotorealistyczne, teksturowane obrazy olejne i sceny z gliny. Użytkownicy mogą także zażądać, aby zdjęcia wyglądały tak, jakby zostały zrobione konkretnym aparatem, takim jak lustrzanka cyfrowa Nikon, styl GoPro, obiektyw szerokokątny i nie tylko.
Google twierdzi, że model sztucznej inteligencji ma wbudowane zabezpieczenia zmniejszające ryzyko deepfakes. Każdy wygenerowany obraz jest również opatrzony znakiem wodnym SynthID, technologią, która dodaje niewidoczną etykietę AI w pikselach obrazu. Nie można go przyciąć ani usunąć. Jest on obecny nawet na zrzutach ekranu.
