بهترین ربات های هوش مصنوعی برای تولید عکس و تصویر در سال 2023

مولدهای تصویر هوش مصنوعی بیش از یک سال است که طوفانی ایجاد کرده اند. اگر در رسانه‌های اجتماعی بوده‌اید، برنامه‌های خبری پربیننده را تماشا کرده‌اید، یا مجله‌ای خوانده‌اید، نمی‌توان تصاویر تولید شده توسط هوش مصنوعی را از دست داد. آنها همه جا هستند و به راحتی می توان دلیل آن را فهمید: ابزارهای لازم برای ساختن آنها اکنون خوب و در دسترس عموم هستند. اگر می‌خواهید برخی از ویژگی‌های مبتنی بر هوش مصنوعی را به گردش‌های کاری کسب‌وکار خود اضافه کنید، برنامه‌های موجود در این لیست آنچه را که به دنبال آن هستید به شما ارائه می‌دهند.

تولید تصویر با هوش مصنوعی

در این مقاله، من روی این واقعیت تمرکز می‌کنم که این تولیدکننده‌های تصویر هوش مصنوعی اکنون می‌توانند نتایج شگفت‌انگیزی را از درخواست‌های نوشته شده تولید کنند. ارزش آن را دارد که چند ساعت وقت بگذارید و با یکی از این برنامه‌های هوش مصنوعی تبدیل متن به تصویر بپردازید.

همه این تولیدکنندگان تصویر هوش مصنوعی یک پیام متنی دریافت می‌کنند و سپس آن را  تا جایی که می‌توانند به یک تصویر منطبق تبدیل می‌کنند. این امر برخی از احتمالات وحشی را باز می کند، زیرا درخواست شما می تواند هر چیزی باشد.

این تصویر با استفاده از دستور “an impressionist oil painting of a Canadian man riding a moose through a forest of maple trees”  توسط هوش مصنوعی طراحی شده است.

به طور جدی، تنها محدودیت‌های واقعی، تخیل شما، توانایی تولیدکننده تصویر هوش مصنوعی برای درک درخواست شما، و هرگونه فیلتر محتوایی است شامل خشونت تولید شده توسط هوش مصنوعی یا سایر محتوای NSFW ایجاد شده است.

بیشتر مولدهای تصویر هوش مصنوعی به روشی تقریباً مشابه کار می کنند. میلیاردها جفت تصویر-متن برای آموزش یک شبکه عصبی (که اساساً یک الگوریتم کامپیوتری بسیار شیک است که به طور آزاد بر روی مغز انسان مدل شده است) در مورد چیزها استفاده می شود. با اجازه دادن به آن برای پردازش تصاویر تقریباً بیشمار، می‌آموزد که سگ‌ها، رنگ قرمزو هر چیز دیگری چیست. پس از انجام این کار، شما یک هوش مصنوعی دارید که می‌تواند تقریباً هر درخواستی را تفسیر کند. اگرچه  نیاز به مهارتی در تنظیم وجود دارد تا بتواند این کار را با دقت انجام دهد.

گام بعدی این است که در واقع تصویر تولید شده توسط هوش مصنوعی را رندر کنید. آخرین نسل از مولدهای تصویر هوش مصنوعی این کار را با استفاده از فرآیندی به نام انتشار انجام می دهند. در اصل، آنها با یک میدان تصادفی از نویز شروع می کنند و سپس آن را در یک سری مراحل ویرایش می کنند تا با تفسیر آنها مطابقت داشته باشد. مثل این است که به آسمان ابری نگاه کنید، ابری را پیدا کنید که شبیه یک سگ است، و سپس بتوانید انگشتانتان را بشکنید تا آن را بیشتر و بیشتر شبیه سگ کنید.

کاری که این مولدهای متن به تصویر می توانند انجام دهند بسیار چشمگیر است، اما به احتمال زیاد شما را از انجام دوباره عکسبرداری محصول نجات نمی دهند. به طور مشابه، تلاش برای استفاده از یکی برای ایجاد یک تصویر سرصفحه برای یک پست وبلاگ می تواند زمان بسیار بیشتری از یافتن یک تصویر سرصفحه برای وبلاگ خود از طریق یک سایت عکس استوک داشته باشد. مطمئناً به اندازه سفارشی نخواهد بود، اما این مدل انگشت شمار است.

تصویر زیر را با دستور “A dog-shaped cloud floating in a clear blue sky—from top-left, going clockwise, at 10 steps, 20 steps, 40 steps, and 120 steps.” توسط هوش مصنوعی ساخته شده است.

بهترین تولید کننده تصویر هوش مصنوعی

همه بهترین جمع‌بندی برنامه‌های ما توسط انسان‌هایی نوشته شده‌اند که بیشتر دوران حرفه‌ای خود را با استفاده، آزمایش و نوشتن در مورد نرم‌افزار گذرانده‌اند. ما ده‌ها ساعت را صرف تحقیق و آزمایش برنامه‌ها می‌کنیم، از هر برنامه همانطور که برای استفاده در نظر گرفته شده است استفاده می‌کنیم و آن را بر اساس معیارهایی که برای دسته تعیین می‌کنیم ارزیابی می‌کنیم.

دلیلی وجود دارد که تولیدکنندگان تصویر هوش مصنوعی در 18 ماه گذشته بسیار محبوب شده اند: قبل از آن، آنها بسیار بد بودند. حداقل برای دانشمندان محقق، فناوری زیربنایی آنها فوق‌العاده جالب و چشمگیر بود، اما تصاویری که آنها می‌توانستند تولید کنند، بسیار ضعیف بود. حتی DALL·E اصلی زمانی که در سال 2021 عرضه شد، بیشتر یک تازگی سرگرم کننده بود تا یک مکاشفه تکان دهنده جهان.

از آنجایی که آنها یک توسعه جدید هستند، تعداد زیادی از خالقان تصویر هوش مصنوعی عالی برای انتخاب وجود ندارد. چهار نام بزرگ – DALL·E 2، Midjourney، Stable Diffusion، و Adobe Firefly – همگی به دلایل مختلف در این لیست قرار دارند، اما آنها همچنین تنها برنامه هایی هستند که واقعاً به دو دلیل در این مقاله آورده شده اند:

در این مقاله قصد بر این بود از تولید کننده هایی استفاده کنیم که تصاویر هوش مصنوعی را از یک دستور متنی تولید کنند. ابزارهایی که به شما اجازه می‌دهند ده‌ها عکس خود را آپلود کنید و سپس پرتره‌های ایجاد شده با هوش مصنوعی را بیرون بیاورید، سرگرم‌کننده هستند (و معمولاً با استفاده از Stable Diffusion ساخته می‌شوند)، اما آن‌گونه تولیدکنندگان تصویر همه‌منظوره نیستند.

به عنوان مثال، NightCafe یک تولید کننده تصویر هوش مصنوعی است که دارای یک انجمن و برنامه عالی است، اما فقط به شما امکان می دهد از الگوریتم های DALL·E 2 و Stable Diffusion و همچنین برخی از الگوریتم های قدیمی تر استفاده کنید. ارزش بررسی را دارد، اما معیارهای من برای این لیست را برآورده نمی کند.

جدای از همه اینها، من همچنین در نظر گرفتم که استفاده از هر سازنده تصویر هوش مصنوعی چقدر آسان است، چه نوع کنترل‌ها و گزینه‌های سفارشی‌سازی را ارائه می‌کند (برای مواردی مانند ارتقاء تصویر هوش مصنوعی)، چه مدل قیمتی دارد، و مهمتر از همه: چقدر خوب است. نتایج بود؟

در حالی که هر روز بیشتر و بیشتر چشمگیرتر می شوند، تولیدکنندگان تصویر هوش مصنوعی راه درازی در پیش دارند تا بتوانند به طور مداوم نتایج عالی تولید کنند و به طور قابل اعتمادی در جریان کار تجاری قرار بگیرند.

DALL·E 2

DALL-E 2 یک ابزار تولید عکس مبتنی بر هوش مصنوعی است که توسط شرکت OpenAI توسعه داده شده است. این ابزار مبتنی بر شبکه های عصبی مصنوعی است که با استفاده از داده های ورودی تصاویر و متن، تصاویر جدیدی را تولید می کند. در واقع DALL-E 2 می تواند بر اساس توصیفات مبتنی بر متن، تصاویری با شخصیت یا شی مورد نظر را تولید کند. برای مثال، با وارد کردن توصیفی مانند “یک گرگ با صورت انسان”، DALL-E 2 می تواند تصویری جدید از یک گرگ با صورت انسان تولید کند. این ابزار می تواند در طراحی و مبتکرانه کردن به وظایف هوش مصنوعی مانند پردازش زبان طبیعی، بینایی ماشین و یادگیری عمیق کمک کند.

ابزار تولید عکس هوش مصنوعی DALL-E 2، یک سیستم ژرف یادگیری چند منظوره است که توسط شرکت OpenAI طراحی شده است. این ابزار قادر به تولید تصاویر متناظر با یک موضوع یا جمله است که توسط کاربر وارد شده است. به عبارت دیگر، با ورود یک جمله به DALL-E 2، این ابزار می‌تواند تصویری از آن جمله تولید کند.

از بین دیگر قابلیت‌های DALL-E 2 می‌توان به تولید تصاویر فانتزی، تصاویر غیر واقعی و یا شیوه‌های خاصی از مواد غذایی اشاره کرد. این ابزار از شبکه‌های ژرف تنظیم‌شده مانند Transformer، خطوط زیرشاخه و ادغام مستقیم با GPT-3 استفاده می‌کند.

استفاده از این ابزار در بسیاری از صنایع مانند بازی‌سازی، تبلیغات و طراحی سایت مفید است. به طور کلی، ابزار DALL-E 2 هم‌اکنون یکی از پیشرفته‌ترین ابزارها برای تولید تصاویر هوشمند است.

مزایا

استفاده فوق العاده آسان.

مقرون به صرفه  فقط 0.13 دلار برای هر درخواست هزینه دارد

معایب

نسخه آزمایشی رایگان ندارد

DALL·E 2 مسلماً مشهورترین در تولیدکنندگان تصویر هوش مصنوعی است. این اولین تولید کننده تصویر مبتنی بر هوش مصنوعی بود که به اندازه کافی خوب بود تا تصاویر بسیار جالبی ایجاد کند و به طور گسترده در دسترس افراد زیادی قرار گرفت تا ویروسی شوند.

بزرگترین چیز این است که استفاده از DALL·E 2 به طرز مضحکی ساده است. آن تصویری را که می‌خواهید ببینید، مشخصات آن را تایپ کنید، روی Generate کلیک کنید، و در عرض چند ثانیه، چهار تنوع ایجاد شده توسط هوش مصنوعی را برای انتخاب خواهید داشت. متأسفانه، DALL·E 2 دیگر برای آزمایش رایگان نیست، اما با قیمت 15 دلار برای 115 اعتبار که حدود 0.13 دلار در هر درخواست یا 0.0325 دلار در هر تغییر تصویر است  هنوز ارزش بررسی دارد.

در حالی که استفاده از آن بسیار ساده است، DALL·E 2 دارای برخی ویژگی های قدرتمند است. ویرایشگر تصویر (که در نسخه بتا نیز هست) به شما امکان می‌دهد فریم‌های تولید شده اضافی، اضافه کنید، بنابراین می‌توانید یک تصویر را بزرگ کنید، چه آن را با استفاده از DALL·E 2 ایجاد کرده باشید و چه آن را آپلود کرده باشید. این تکنیک که نقاشی بیرونی نامیده می شود، به این معنی است که می توانید آثار بزرگتری از هنر هوش مصنوعی ایجاد کنید. همچنین یک پاک‌کن وجود دارد، بنابراین می‌توانید تکه‌هایی از یک تصویر را حذف کنید و آنها را با عناصر تولید شده توسط هوش مصنوعی جایگزین کنید (به این تکنیک، in-painting می‌گویند).

علاوه بر برنامه وب DALL·E 2، OpenAI یک API ارائه می دهد که به توسعه دهندگان اجازه می دهد برنامه هایی بسازند که با DALL·E 2 ادغام شوند. به همین دلیل، می توانید DALL·E 2 را به Zapier متصل کنید تا کارهایی مانند ایجاد خودکار تصاویر را انجام دهید.

Midjourney

مزایا

Midjourney  به طور مداوم بهترین تصاویر تولید شده توسط هوش مصنوعی را تولید می کند.

معایب

Midjourney  فقط از طریق Discord قابل استفاده است  که بسیار عجیب است. تصاویری که تولید می کنید به طور پیش فرض عمومی هستند. نسخه آزمایشی رایگان در حال حاضر به حالت تعلیق درآمده است.

تصاویری که ایجاد می‌کند منسجم‌تر به نظر می‌رسند، با بافت‌ها و رنگ‌های بهتر  و در کل، نتایج جالب‌تر و از نظر بصری جذاب‌تر هستند. به طور خاص، افراد و اشیاء دنیای واقعی نسبت به سایر تولیدکننده‌های تصویر هوش مصنوعی، حداقل بدون درخواست‌های زیاد، واقعی‌تر و طبیعی‌تر به نظر می‌رسند.

بتا فقط از طریق Discord قابل دسترسی است. هنگامی که به سرور Midjourney’s Discord ملحق شدید یا ربات Midjourney را به یکی از ربات‌هایی که کنترل می‌کنید دعوت می‌کنید، می‌توانید با تایپ کردن /imagine [هر چیزی که می‌خواهید ببینید] یک اعلان وارد کنید. سپس ربات چهار نوع از درخواست شما را تولید می کند، که می توانید آن ها را دانلود کنید، ارتقا دهید، دوباره ویرایش کنید و موارد دیگر.

به‌طور پیش‌فرض، هر تصویری که ایجاد می‌کنید به‌طور عمومی در Midjourney’s Discord پست می‌شود. این به همه چیز جنبه اجتماعی جالبی می دهد، اما به این معنی است که هر کسی که به نگاه کردن اهمیت می دهد می تواند آنچه را که شما خلق می کنید ببیند. اگرچه لزوماً برای هنرمندان مشکلی نیست، اما اگر به دنبال استفاده از Midjourney برای اهداف تجاری هستید، ممکن است این یک مشکل باشد.

اسناد کمکی Midjourney واقعاً خوب هستند و شما را در شروع کار و همچنین تمام ویژگی‌های پیشرفته آن، مانند نسخه‌های مدل مختلف، ارتقاء مقیاس تصاویر، ترکیب چندین تصویر، و استفاده از پارامترهای مختلف برای کنترل چیزها، راهنمایی می‌کنند. هنگامی که گزینه های مختلف را درک کردید، نتایجی که می توانید بدست آورید واقعا شگفت انگیز است.

نسخه آزمایشی رایگان Midjourney در حال حاضر به دلیل تعداد زیادی از افرادی که سعی در استفاده از آن دارند، به حالت تعلیق درآمده است، اما گهگاه برای چند روز بازگردانده می‌شوند. اگر نتوانستید از نسخه آزمایشی رایگان استفاده کنید، برنامه پایه از 10 دلار در ماه شروع می شود و با 3.3 ساعت زمان GPU در ماه یا حدود 200 تصویر ارائه می شود. شما همچنین می توانید زمان بیشتری برای GPU خریداری کنید و می توانید از تصاویر خود به صورت تجاری استفاده کنید.

قیمت: Midjourney از 10 دلار در ماه برای طرح پایه که به شما امکان می دهد 200 تصویر در ماه تولید کنید و حق استفاده تجاری را فراهم می کند.

DreamStudio (Stable Diffusion)

مزایا

تنها تولید کننده اصلی تصویر هوش مصنوعی است که هنوز اعتبار رایگان ارائه می دهد. فوق العاده مقرون به صرفه و قابل تنظیم؛ فوق العاده قدرتمند با نتایج به طور کلی عالی

معایب

منحنی یادگیری بیشتر از سایر تولیدکنندگان هنر هوش مصنوعی. ابزارهای ویرایش خیلی بصری نیستند

بر خلاف DALL·E 2 و Midjourney، Stable Diffusion منبع باز است. این بدان معناست که هر کسی که مهارت های فنی لازم را داشته باشد می تواند آن را دانلود کرده و به صورت محلی در رایانه خود اجرا کند. همچنین به این معنی است که می توانید مدل را برای اهداف خاصی آموزش دهید و تنظیم کنید. تقریباً تمام سرویس‌هایی که از هوش مصنوعی برای تولید پرتره‌های هنری، پرتره‌های تاریخی، رندرهای معماری و هر چیز دیگری استفاده می‌کنند، از Stable Diffusion استفاده می‌کنند. اگر مهارت‌های لازم را دارید و می‌خواهید چیزی عالی با هوش مصنوعی بسازید، Stable Diffusion بهترین راه برای انجام آن در حال حاضر است. حتی یک API و سرویسی به نام ClipDrop وجود دارد که آن را به یک سری ابزار تقسیم می کند.

DreamStudio به شما کنترل زیادی بر جنبه های مختلف تولید تصویر با هوش مصنوعی می دهد. هنگامی که درخواست خود را تایپ می کنید، لغزنده هایی وجود دارد که به شما امکان می دهد تعیین کنید که تصویر نهایی چقدر بزرگ است، چقدر با درخواستی که به آن می دهید مطابقت دارد، مدل انتشار چند مرحله طی می کند و چند تصویر تولید می شود. همچنین می‌توانید نسخه‌ای از الگوریتم مورد استفاده را انتخاب کنید (آخرین آن SDXL 0.9 است)، و حتی یک عبارت خاص را وارد کنید تا نتایج قابل تکراری دریافت کنید (در غیر این صورت، آنها به طور تصادفی تولید می‌شوند). DreamStudio همچنین دارای in-painting و out-painting است، اگرچه برای دسترسی به آنها باید از کروم استفاده کنید و ظاهراً به زودی ویژگی های ویرایش بیشتری ارائه می شود.

DreamStudio بر روی یک سیستم اعتباری کار می کند. وقتی ثبت نام می کنید، 25 اعتبار رایگان دریافت می کنید که برای حدود 30 درخواست یا 120 تصویر با تنظیمات پیش فرض خوب است. استفاده از یک مدل قدرتمندتر، تولید تصاویر بزرگتر یا بیشتر، یا تکرار آنها در مراحل بیشتر، اعتبار شما را سریعتر مصرف می کند. وقتی کارتان تمام شد، باید بیشتر بخرید، از 10 دلار برای 1000 اعتبار شروع کنید.

در مجموع، DreamStudio و Stable Diffusion بیشترین سفارشی سازی و کنترل را روی کل فرآیند تولید تصویر هوش مصنوعی به شما می دهند. آنها شما را قادر می سازند تا به همان اندازه که می خواهید به هوش مصنوعی بروید و حتی خدمات هوش مصنوعی خود را بسازید.

و اگر نسخه آزمایشی رایگان خود را خیلی سریع ران کنید، می‌توانید همان مدل‌های Stable Diffusion را نیز به صورت رایگان از طریق ClipDrop امتحان کنید. اگرچه آنها واترمارک می‌شوند و کنترل کمتری خواهید داشت.

Adobe Photoshop (Firefly)

در حالی که Adobe بیش از 15 سال است که ابزارهای هوش مصنوعی را در برنامه های خود ایجاد می کند، تا این سال بود که این شرکت یک تولید کننده متن به تصویر را حداقل در بتا منتشر کرد. می‌توانید آن را در وب به صورت رایگان یا از طریق Adobe Express امتحان کنید، اما در آخرین نسخه بتا فتوشاپ در بهترین حالت خود قرار دارد، که برای بررسی آن باید یک مشترک Creative Cloud باشید.

مدل هوش مصنوعی Adobe که Firefly نام دارد، دارای چندین ترفند است. علاوه بر توانایی تولید تصاویر جدید از توضیحات متنی دقیق، می‌تواند جلوه‌های متنی را از یک دستور نوشته شده ایجاد کند  یا عناصر تولید شده توسط هوش مصنوعی را به تصاویر خود اضافه کنید. می توانید همه اینها را از طریق برنامه وب آزمایش کنید.

اگر صرفاً به عنوان یک تولید کننده متن به تصویر در نظر گرفته شود، نتایج Firefly می تواند بسیار خوب باشد. برای برخی از درخواست‌ها می‌تواند با DALL·E 2 یا Stable Diffusion مطابقت داشته باشد یا آن را شکست دهد، اما برای برخی دیگر، من می‌پرسم که هدف آن چه بوده است. از سوی دیگر، ادغام آن با Photoshop، در سطح بالاتر قرار دارد.

ویژگی خاص به نام Generative Fill نامیده می شود. ایده این است که از ابزارهای معمولی فتوشاپ برای انتخاب ناحیه ای از تصویر خود استفاده کنید و سپس، فقط با کلیک کردن روی یک دکمه و تایپ یک دستور، می توانید آن را با چیز دیگری جایگزین کنید. بسیار مهم است که Generative Fill زمینه تصویر شما را درک می کند. در تصویر بالا، می بینید که فتوشاپ با تاری عمق میدان و رنگ های قلعه ای که با استفاده از Generative Fill اضافه کردم، مطابقت دارد. منسجم به نظر می رسد.

همانطور که DALL·E 2 و Stable Diffusion گفتگو را در مورد هوش مصنوعی تولید کننده تصویر آغاز کرده اند، Adobe’s Firefly اولین اجرای یک تولید کننده عکس هوش مصنوعی است که واقعاً به آنچه در آینده خواهد آمد اشاره می کند. این ابزاری است که به زودی در اختیار میلیون‌ها حرفه‌ای که هر روز از برنامه‌های Adobe استفاده می‌کنند، در دسترس خواهد بود.

سخن پایانی

در این مقاله در مورد 4 ابزار تولید کننده تصاویر هوش مصنوعی صحبت کردیم برای استفاده از این ابزارها فقط کافیست تصویری را که می خواهید با نوشتن مشخصات به ابزار تحویل بگیرید . کدام یک از این ابزارها برای شما مفید بود؟ در بخش نظرات با ما در میان بگذارید.