Google DeepMind oficiálne spustil Imagen 4, svoj doposiaľ najsofistikovanejší model na generovanie obrázkov z textu, ktorý vývojárom prináša nové možnosti pri tvorbe AI vizuálov.
Novinka, ktorá je od 15. júla dostupná prostredníctvom Gemini API aj Google AI Studio, predstavuje dve samostatné verzie v rámci rodiny Imagen 4. Štandardný model Imagen 4, s cenou 0,04 USD za jeden výstupný obrázok, je vlajkovou loďou Googlu pre široké spektrum úloh generovania obrázkov. Pre náročnejšie aplikácie, ktoré vyžadujú presné dodržiavanie textových zadaní, je k dispozícii Imagen 4 Ultra s rozšírenými možnosťami za 0,06 USD za obrázok.
Imagen 4 znamená výrazný pokrok oproti predchádzajúcej verzii, pričom Google vyzdvihuje „pozoruhodnú čistotu v jemných detailoch“ ako sú zložité tkaniny, kvapky vody či zvieracia srsť. Model vyniká v tvorbe fotorealistických aj abstraktných štýlov, podporuje rôzne pomery strán a rozlíšenie až do 2K.
Azda najvýraznejším vylepšením je dramaticky lepšie vykresľovanie textu, čím Imagen 4 rieši dlhodobý problém AI generovania obrázkov. Táto schopnosť robí technológiu mimoriadne hodnotnou pre tvorbu marketingových materiálov, plagátov, pozvánok, komiksov a ďalších vizuálov, ktoré kombinujú obraz s textom.
„Imagen 4 je obrovský krok vpred v kvalite,“ uviedol Josh Woodward, vedúci skupiny Google Labs. „Venovali sme veľa pozornosti a opravám spôsobu, akým generuje text a typografiu, takže je skvelý na tvorbu prezentácií, pozvánok alebo čohokoľvek, kde je potrebné kombinovať obraz a text.“
Integrácia technológie do ekosystému Google, vrátane aplikácií Workspace, má potenciál zvýšiť produktivitu v rôznych kreatívnych a profesionálnych procesoch. Google avizuje, že v najbližších týždňoch pribudnú ďalšie úrovne spoplatnenia, pričom vyššie limity využitia budú dostupné na požiadanie. Spoločnosť tiež plánuje uviesť rýchlejší variant Imagen 4, ktorý by mohol fungovať až desaťkrát rýchlejšie ako Imagen 3.