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 de texto a imagen autorregresivo de Pathways (Parti) admite síntesis ricas en contenido que involucran composiciones complejas y conocimiento del mundo. Muse es un modelo Transformer para tener un rendimiento sólido de la generación de imágenes. Y Gemini amplía las posibilidades con un modelo que puede comprender prácticamente cualquier entrada y generar casi cualquier salida, incluidos texto, imágenes, audio, video y código.

Imagen, un modelo de difusión, es ideal para el fotorrealismo con un profundo nivel de comprensión del lenguaje. Parti, un modelo autorregresivo, es ideal para un estilo y un tema coherentes, y para generar imágenes con un estilo particular. Muse, un modelo Transformer, puede generar imágenes con varios objetos y una composición compleja. Cada una ofrece ventajas únicas: Imagen se destaca en fotorrealismo, Parti en contenido enriquecido y Muse en cuanto a velocidad y herramientas de edición. Todos 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 sobresaliente junto con varias mejoras en comparación con Imagen 2, que incluyen una generación un 40% más rápida para prototipado e iteración; una mejor comprensión y seguimiento de instrucciones; generaciones fotorrealistas, incluidos grupos de personas; y un mayor control sobre la renderización de texto en una imagen.

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