Η Google DeepMind ανακοίνωσε επίσημα το Imagen 4, το πιο προηγμένο μοντέλο δημιουργίας εικόνων από κείμενο μέχρι σήμερα, προσφέροντας στους προγραμματιστές ισχυρά νέα εργαλεία για τη δημιουργία οπτικού περιεχομένου με τη βοήθεια της τεχνητής νοημοσύνης.
Η διάθεση του μοντέλου ξεκίνησε στις 15 Ιουλίου μέσω του Gemini API και του Google AI Studio, παρουσιάζοντας δύο διακριτές εκδόσεις στην οικογένεια Imagen 4. Το βασικό μοντέλο Imagen 4, με κόστος $0,04 ανά παραγόμενη εικόνα, αποτελεί τη ναυαρχίδα της Google για ένα ευρύ φάσμα εργασιών δημιουργίας εικόνων. Για πιο απαιτητικές εφαρμογές που απαιτούν ακριβή απόδοση των κειμενικών εντολών, το Imagen 4 Ultra προσφέρει ενισχυμένες δυνατότητες με κόστος $0,06 ανά εικόνα.
Το Imagen 4 συνιστά σημαντική πρόοδο σε σχέση με τον προκάτοχό του, με τη Google να τονίζει την «εντυπωσιακή καθαρότητα στις λεπτομέρειες» όπως τα περίπλοκα υφάσματα, οι σταγόνες νερού και το τρίχωμα ζώων. Το μοντέλο διακρίνεται τόσο σε φωτορεαλιστικά όσο και αφηρημένα στυλ, υποστηρίζοντας διάφορες αναλογίες διαστάσεων και αναλύσεις έως 2K.
Ίσως το πιο αξιοσημείωτο είναι ότι το Imagen 4 αντιμετωπίζει μια διαχρονική πρόκληση στη δημιουργία εικόνων από AI, προσφέροντας δραματικά βελτιωμένη απόδοση κειμένου. Αυτή η αναβάθμιση καθιστά την τεχνολογία ιδιαίτερα χρήσιμη για τη δημιουργία διαφημιστικού υλικού, αφισών, προσκλήσεων, κόμικς και άλλων οπτικών μέσων που συνδυάζουν εικόνα και κείμενο.
«Το Imagen 4 είναι ένα τεράστιο βήμα μπροστά στην ποιότητα», δήλωσε ο Josh Woodward, επικεφαλής της ομάδας Labs της Google. «Δώσαμε μεγάλη προσοχή και διορθώσαμε πολλά σχετικά με τον τρόπο που παράγει κείμενο και τυπογραφία, οπότε είναι εξαιρετικό για τη δημιουργία διαφανειών ή προσκλήσεων, ή οτιδήποτε άλλο χρειάζεται συνδυασμό εικόνας και κειμένου.»
Η ενσωμάτωση της τεχνολογίας στο οικοσύστημα της Google, συμπεριλαμβανομένων των εφαρμογών Workspace, την καθιστά ικανή να ενισχύσει την παραγωγικότητα σε διάφορες δημιουργικές και επαγγελματικές ροές εργασίας. Η Google έχει ανακοινώσει ότι τις επόμενες εβδομάδες θα προστεθούν επιπλέον επίπεδα τιμολόγησης, με υψηλότερα όρια χρήσης διαθέσιμα κατόπιν αιτήματος. Η εταιρεία σχεδιάζει επίσης να κυκλοφορήσει μια ταχύτερη παραλλαγή του Imagen 4, η οποία θα μπορούσε να λειτουργεί έως και δέκα φορές ταχύτερα από το Imagen 3.