IA de texto a imagen

Imagen, Parti y Muse son modelos clave de texto a imagen. Imagen es un modelo de difusión con un alto grado de fotorrealismo. El modelo Pathways Autoregressive Text-to-Image (Parti) admite la síntesis de mucho contenido que implique composiciones complejas y conocimiento del mundo. Muse es un modelo Transformer para obtener un alto rendimiento de generación de imágenes. Gemini amplía todo lo que se puede hacer con un modelo que puede entender prácticamente cualquier entrada y generar casi cualquier salida, como texto, imágenes, audio, vídeo y código.

Imagen, un modelo de difusión, es perfecto para el fotorrealismo gracias a su alto nivel de comprensión del lenguaje. Parti, un modelo autoregresivo, es ideal para que el estilo y el tema sean coherentes y para generar imágenes de un estilo concreto. Muse, un modelo Transformer, puede generar imágenes con varios objetos y una composición compleja. Cada uno ofrece distintos puntos fuertes: Imagen destaca en fotorrealismo, Parti en contenido enriquecido y Muse en herramientas de edición y velocidad. Son fáciles de usar y no requieren conocimientos de programación.

Imagen 3 es el modelo de generación de imágenes más reciente de Google. Ofrece una calidad de imagen excepcional junto con varias mejoras con respecto a Imagen 2, como una generación de imágenes más de un 40% más rápida que permite crear prototipos e iterar rápidamente; mejor comprensión de la petición y seguimiento de instrucciones; generaciones fotorrealistas, incluidos grupos de personas; y un mayor control sobre la representación del texto en una imagen.

Imagen 3, que estará disponible en versión preliminar para clientes de Vertex AI con acceso anticipado, incluye compatibilidad con varios idiomas, funciones de seguridad integradas, como la marca de agua digital SynthID de Google DeepMind, y compatibilidad con varias relaciones de aspecto.