По-рано тази година Google представи Imagen 3, своя най-усъвършенстван модел за генериране на текст към изображение до момента. Тази актуализирана версия носи множество подобрения в качеството и точността на изображението. Според Google Imagen 3 постига изключително ниво на детайлност, изработвайки фотореалистични изображения, които показват минимални разсейващи артефакти в сравнение с предшественика си Imagen 2.
Наскоро Google направи модела Imagen 3 достъпен за всички потребители на Gemini по целия свят. С това стартиране стандартните потребители на Gemini и Gemini Advanced могат да опишат визуалните ефекти, които желаят да генерират, а Gemini ще създаде съответното изображение чрез AI. Все пак, имайте предвид, че само тези с достъп Gemini Advanced могат да генерират изображения, които изобразяват човешки фигури.
Ако генерираното изображение не отговаря на вашите очаквания, можете да го прецизирате, като предоставите допълнителни подробности в заявката си. Колкото по-прецизни сте със спецификациите на изображението си, толкова по-точни са резултатите, които предоставя Gemini. Подобреният модел Imagen 3 показва по-добро разбиране на естествения език и основното намерение зад подканите, дори улавяйки нюансирани детайли от разширени описания.
Друга област, в която Imagen 3 превъзхожда, е изобразяването на текст, аспект, който постави предизвикателства за много съвременни модели за генериране на изображения. Тази функция позволява на потребителите да създават персонализирани поздрави за рожден ден, места, маркирани с табели и различни други персонализирани заявки.
Разгледайте възможностите на модела Imagen 3 на Gemini тук .