text-to-image AI

Imagen、Parti、Muse は、テキストから画像への主要なモデルです。Imagen は、高度なフォトリアリズムを持つ拡散モデルです。Pathways Autoregressive Text-to-Image モデル（Parti）は、複雑な構成と世界的な知識を含む、コンテンツを豊富に含む合成をサポートしています。Muse は、高い画像生成パフォーマンスのための Transformer モデルです。さらに、Gemini は、ほぼすべての入力を理解し、テキスト、画像、音声、動画、コードなど、ほぼすべての出力を生成できるモデルにより、可能性を拡張します。

拡散モデルである Imagen は、深いレベルの言語理解によるフォトリアリズムに最適です。自己回帰モデルである Parti は、スタイルとテーマに一貫性を持たせ、特定のスタイルで画像を生成するのに最適です。Transformer モデルの Muse は、複数のオブジェクトと複雑な合成を含む画像を生成できます。それぞれに独自の強みがあります。Imagen はフォトリアリズムに優れ、Parti はリッチ コンテンツで、Muse はスピードと編集ツールに優れています。どれも使いやすく、プログラミングの知識は必要ありません。

Imagen 3 は Google の最新の画像生成モデルです。Imagen 2 よりも優れた画質を実現するとともに、さまざまな改善が加えられており、迅速なプロトタイピングとイテレーションでの生成速度の向上率が 40% 以上、プロンプトの理解と指示の実行の改善、人のグループ写真などのフォトリアリスティックな生成、画像内のテキスト レンダリングの細かい制御などが挙げられます。

早期アクセスで Vertex AI をご利用のお客様を対象にプレビュー版としてリリースされた Imagen 3 には、多言語サポート、Google DeepMind の SynthID 電子透かしなどの組み込みの安全機能、複数のアスペクト比のサポートも含まれています。