A Microsoft AI bemutatta a MAI-Image-1 nevű saját fejlesztésű képalkotó modelljét, amely az LMArena ranglistáján rögtön a top 10 szöveg-kép generáló modell közé került.

A MAI-Image-1-t úgy fejlesztették, hogy valós értéket nyújtson a kreatív felhasználóknak, elkerülje a sablonos vagy ismétlődő képeket, és kiemelt hangsúlyt kapott a minőségi adatválogatás, valamint szakmai visszajelzések figyelembevétele. A modell alkalmas fotórealisztikus képek létrehozására, különösen jól kezeli a fényhatásokat, tájképeket, és gyorsan, jó minőségben dolgozik, így lehetővé teszi az ötletek gyors megvalósítását és további szerkesztését más eszközökkel.

A Microsoft elkötelezett a felelős fejlesztés mellett, ezért a modellt az LMArena oldalán tesztelik, hogy visszajelzéseket gyűjtsenek a felhasználóktól. Hamarosan elérhető lesz a Copilotban és a Bing Image Creatorban is. A vállalat invitálja az ambiciózus, alázatos szakembereket is a csapatukba, akik hasonló jövőformáló projektekben szeretnének részt venni.

forrás: Microsoft

A Microsoft folyamatosan teszi elérhetővé a programot, egyelőre sem az EU-ban, sem Magyarországon nem elérhető.

A névválasztás egyébként kísértetiesen hasonlít az OpenAI féle képgenerátorra. Talán véletlen lenne, vagy vagy áthallás…?

Te mit szólsz hozzá, hogy ők is beálltak a képgenerátorok sorába?

Hirdetés:

Az absztrakt művészet mindig is a kreativitás és az önkifejezés határainak feszegetéséről szólt. Most, az AI képgenerálás korában, ez a művészeti forma új, izgalmas dimenziókkal gazdagodik. Ebben a cikkben felfedezzük, hogyan alakítja át az AI az absztrakt művészet világát, és milyen új lehetőségeket nyit meg a művészek és a műkedvelők előtt.

Amikor először kezdtem el kísérletezni az AI-generált absztrakt művészettel, megdöbbentett, mennyire komplex és érzelmileg telített alkotásokat lehet létrehozni. Az AI nem csak utánozza az absztrakt stílusokat, hanem képes teljesen új vizuális elemeket hozzárendelni (néha azonban furcsaságokat is odarak a képre, de ez könnyen törölhető).

Nézzük meg, hogyan “forradalmasítja”, vagy inkább alakítja, formálja az AI az absztrakt művészetet:

1. Végtelen variációk:
   • Például: “Egy érzelem evolúciója” témában az AI létrehozhat egy sorozatot, amely fokozatosan alakul át egyik érzelemből a másikba, mindezt absztrakt formákkal és színekkel (is) kifejezve.
2. Komplexitás és részletgazdagság:
   • Az AI képes olyan összetett absztrakt kompozíciókat létrehozni, amelyek emberi kézzel szinte kivitelezhetetlenek lennének – de biztos, hogy nagyon sok idő lenne.
   • Végtelen ismétlődések és mikro-makro szintű részletek jelenhetnek meg egy-egy képen belül.
3. Új stílusok felfedezése:
   • Az AI nem korlátozódik a már ismert absztrakt stílusokra. Képes teljesen új vizuális nyelveket alkotni, amelyek kihívást jelentenek a hagyományos művészeti kategóriáknak.
   • Például egy prompt, ami “kubizmus és folyadékdinamika fúziója” eredményezhet egy teljesen új absztrakt stílust.
4. Konceptuális művészet új szintje:
   • Az AI lehetővé teszi absztrakt koncepciók vizualizálását, amelyek korábban csak gondolati szinten léteztek.
   • Például: “A kvantumfizika alapelveinek absztrakt reprezentációja” vagy “Az idő relatív természetének vizuális ábrázolása”.
5. Interaktív és evolválódó művészet:
   • Az AI-alapú rendszerek lehetővé teszik, hogy a műalkotások valós időben változzanak és fejlődjenek, akár a nézők interakciói alapján.
   • Képzelj el egy absztrakt festményt, amely folyamatosan alakul a galéria látogatóinak reakciói alapján.

Hogyan használhatjuk az AI-t absztrakt művészet alkotásához? Íme néhány tipp (szubjektív):

Az MI képek készítése szórakoztató és kreatív folyamat. A megfelelő technikák és eszközök alkalmazásával hihetetlen vizuális műalkotásokat hozhatsz létre. A következő lépések betartásával vizuálisan erős és figyelemfelkeltő képeket készíthetsz a mesterséges intelligencia vezérelt képgenerátorokkal.

Alapvető eszközök és szoftverek

Az AI képek létrehozásához elengedhetetlenek bizonyos eszközök és szoftverek ismerete. Az olyan programok, mint a Midjourney, Leonardo, Tengr AI (magyar) vagy a DALL-E, lehetővé teszik, hogy kreatív ötleteidet könnyen alakítsd vizuális formába. A legjobb ezekben a rendszerekben, hogy semmilyen programozási tudás nem szükséges hozzá, promptok (szöveg alapú) alapján generálja le a képeket. 

A modern AI képkészítő szoftverek széleskörű funkciókat kínálnak, rengeteg  testreszabási lehetőséggel, különböző stílusok és témák megadásával, valamint felhasználóbarát kezelőfelületüknek köszönhetően egy kis tanulást követően gyorsan elsajátítható. Ezen eszközök segítenek a különböző artistikus hatások elérésében, így könnyebben kifejezheted a saját kreatív víziód. 

Tippek a képminőség maximalizálásához

A jó MI képek elkészítéséhez elengedhetetlen, hogy a lehető legjobb minőséget érjük el. Ehhez figyelmet kell fordítanod a következő szempontokra:

• Válaszd ki a megfelelő platformot, programot
• Ha referencia képet használsz, az legyen jó minőségű 
• Állítsd be a megfelelő paramétereket – a lahető legtöbbet
• Kísérletezz a különböző beállításokkal

Tudván, hogy ezek a tényezők jelentős hatással vannak a végeredményre, érdemes időt szánnod kicsit a tesztelgetésre a tökéletes eredmény elérése érdekében.

A bemeneti adatok fontossága

A bemeneti adatok minősége meghatározó szerepet játszik a generált képek végső minőségében. Minél jobb minőségű és részletgazdagabb képeket használsz bemenetként, annál szebb és pontosabb képet generál a rendszer. 

A bemeneti adatok minősége nemcsak a képek részletességét befolyásolja, hanem a generált kép stílusát és hangulatát is. Ha például gyenge minőségű vagy alacsony felbontású képeket használsz, a végeredmény homályos és egyes esetekben életlen is lehet, mert a program aképpen definiálja magának. Ezért fontos, hogy olyan képeket válassz, amelyek jól reprezentálják a kívánt vizuális elemeket, figyelve a színeik, világosságuk és kontrasztjuk megfelelő egyensúlyára is. 

A Kép minőségét Befolyásoló Tényezők

Hirdetés:

Milyen funkciókat keresnek egy képgenerátorban?

Egy AI képgenerátor kiválasztásakor számos kulcsfontosságú funkciót érdemes figyelembe venni, amelyek jelentősen befolyásolhatják a felhasználói élményt és a létrehozott képek minőségét. A következő sorokat abszolút szubjektív tapasztalatok alapján írom le közel 2 éves gyakorlat mellett, ami nem tekinthető általános érvényűnek, de jó kiinduló pont lehet számodra.

A képminőség és felbontás kiemelkedően fontos szempont. Egy jó képgenerátornak képesnek kell lennie nagy felbontású, részletgazdag képek létrehozására, amelyek megfelelnek a professzionális elvárásoknak is. A modern rendszerek már hozzák a FHD és egyes esetekben a 4K felbontást is, de ha mégsem sok esetben biztosítanak platformon belül skálázhatóságot, amivel tudjuk növelni a felbontást, ez lehetővé teszi a képek nagyobb méretű nyomtatását is.

A testreszabhatóság szintén kulcsfontosságú. Érdemes olyan rendszert választani, amely részletes szöveges utasításokat (promptokat) képes értelmezni, és lehetőséget biztosít a stílus, hangulat, világítás és kompozíció pontos meghatározására. A fejlett rendszerek képesek különböző művészeti stílusokat (például impresszionizmus, kubizmus, fotórealizmus) utánozni, vagy akár egyedi stílusokat is létrehozni.

A felhasználóbarát kezelőfelület nagyban megkönnyíti a munkát, különösen kezdők számára. Intuitív vezérlőelemek, előre beállított sablonok és könnyen érthető paraméterek segíthetnek a gyors és hatékony képgenerálásban. Egyes platformok vizuális szerkesztőfelületet is kínálnak, ahol közvetlenül manipulálhatjuk a képet a generálás során vagy után.

A szerkesztési lehetőségek bővítik a kreatív szabadságot. A legjobb AI képgenerátorok lehetővé teszik a már létrehozott képek utólagos módosítását, például részletek hozzáadását vagy eltávolítását, színek módosítását, vagy akár a kép egyes részeinek újragenerálását (inpainting). Ez különösen hasznos, ha finomhangolásra van szükség a végeredmény tökéletesítéséhez.

A generálási sebesség szintén fontos tényező (de a rangsor vége felé helyezkedik el), különösen ha nagyobb mennyiségű képet szeretnénk létrehozni. A hatékony rendszerek másodpercek vagy percek alatt képesek minőségi képeket generálni, ami lehetővé teszi a gyors iterációt és kísérletezést.

A batch feldolgozás és variációk létrehozásának képessége időt takaríthat meg. Hasznos, ha a rendszer egyszerre több képet tud generálni ugyanazon prompt alapján, különböző variációkban, így könnyebben kiválaszthatjuk a legjobban sikerült verziót.

A fejlett rendszerek támogatják a képről-képre (image-to-image) funkciókat, amelyek lehetővé teszik meglévő képek átalakítását vagy továbbfejlesztését az AI segítségével. Ez különösen hasznos lehet vázlatok kidolgozásánál vagy meglévő fotók stílusának módosításánál.

Az integráció más szoftverekkel (Photoshop, Illustrator, stb.) megkönnyíti a munkafolyamatot a professzionális felhasználók számára, míg a felhőalapú vagy offline működés lehetősége rugalmasságot biztosít különböző munkakörnyezetekben. Ez azonban még nem annyira elterjedt a platformoknál, pedig hasznos funkció lenne.

Végül, de nem utolsósorban, fontos szempont a rendszer etikai megfelelősége és jogi biztonsága. Érdemes olyan AI képgenerátort választani, amely tiszteletben tartja a szerzői jogokat, nem másol közvetlenül létező műveket, és rendelkezik megfelelő szűrőkkel a káros vagy nem megfelelő tartalmak kiszűrésére.

Összefoglalva, egy ideális AI képgenerátor kombinálja a magas minőséget, a sokoldalú testreszabhatóságot, a felhasználóbarát kezelést és a fejlett szerkesztési lehetőségeket, miközben etikus és jogi szempontból is megbízható platformot biztosít a kreatív munkához.

Mennyire “egyszerű” az AI képgenerátorok használata?

Az AI képgenerátorok használata meglepően egyszerű, még a technológiában kevésbé jártas felhasználók számára is. Ezek a modern eszközök úgy lettek kialakítva, hogy a bonyolult mesterséges intelligencia technológiát könnyen hozzáférhetővé tegyék bárki számára, aki kreatív vizuális tartalmakat szeretne létrehozni.

Felhasználóbarát kezelőfelület

A legtöbb képgenerátor intuitív, felhasználóbarát kezelőfelülettel rendelkezik. Általában mindössze annyit kell tenned, hogy beírsz egy szöveges leírást (promptot) arról, milyen képet szeretnél látni. Ez lehet olyan egyszerű, mint “naplementés tengerpart pálmafákkal”, vagy olyan összetett, mint “futurisztikus város lebegő épületekkel és repülő autókkal, cyberpunk stílusban”, vagy még bővebb. A szoftver ezután feldolgozza ezt a leírást, és másodperceken belül létrehozza a kívánt képet.

Nincs szükség rajztudásra vagy technikai ismeretekre

A képgenerátorok egyik legnagyobb előnye, hogy nem igényelnek semmilyen előzetes művészeti képzettséget vagy rajztudást. Nem kell értened a kompozícióhoz, színelmélethez vagy bármilyen grafikai szoftver használatához (de azért nem árt, hasznos). A mesterséges intelligencia elvégzi a nehéz munkát helyetted, így bárki, aki el tudja képzelni, amit látni szeretne, képes gyönyörű és részletes képeket alkotni.

Testreszabási lehetőségek

Bár az alapvető használat rendkívül egyszerű, a legtöbb AI képgenerátor számos testreszabási lehetőséget is kínál a tapasztaltabb felhasználók számára. Beállíthatod a kép stílusát, hangulatát, részletességét, vagy akár konkrét művészek stílusában is kérhetsz alkotásokat. Meghatározhatod a kép méretarányait, felbontását és sok más paramétert is.

Gyors tanulási görbe

A legtöbb felhasználó már az első néhány próbálkozás után képes lenyűgöző eredményeket elérni. Ahogy egyre többet használod az eszközt, megtanulod, hogyan fogalmazd meg pontosabban a kéréseidet a kívánt eredmény elérése érdekében. Ez a tanulási folyamat általában gyors és szórakoztató, mivel azonnal láthatod a különböző promptok eredményeit.

Folyamatos fejlesztések

Az AI képgenerátorok területe (IS) rendkívül gyorsan fejlődik. A fejlesztők folyamatosan dolgoznak azon, hogy még egyszerűbbé és hatékonyabbá tegyék ezeket az eszközöket. Az újabb verziók gyakran még intuitívabb kezelőfelülettel és jobb eredményekkel szolgálnak, tovább csökkentve a belépési küszöböt.

Elérhetőség különböző platformokon

Manapság számos AI képgenerátor elérhető webes alkalmazásként, mobilalkalmazásként, vagy akár beépítve más szoftverekbe. Ez azt jelenti, hogy gyakorlatilag bármilyen eszközről hozzáférhetsz ezekhez a technológiákhoz, legyen az okostelefon, táblagép vagy számítógép (de azért a jellemző az, hogy mobilapplikációban erősen korlátozva vannak a funkciók).

Összességében az AI képgenerátorok használata rendkívül egyszerű és hozzáférhető bárki számára. Nem igényelnek speciális készségeket vagy ismereteket, mégis lehetővé teszik, hogy pillanatok alatt professzionális minőségű képeket hozz létre. Ez a technológia demokratizálja a képalkotást, és olyan kreatív lehetőségeket nyit meg, amelyek korábban csak képzett művészek számára voltak elérhetők. Akár személyes projektekhez, akár üzleti célokra szeretnéd használni, az AI képgenerátorok egy könnyen elsajátítható és rendkívül hatékony eszközt kínálnak a vizuális tartalmak létrehozásához.

Mik az AI-val készült képek licensz feltételei?

[vip szint=”3″]

Az AI-val készült képek licencfeltételei rendkívül összetett és folyamatosan fejlődő területet képviselnek a szellemi tulajdonjog világában. Ezek a feltételek nagyban függnek az adott AI rendszertől, a felhasználási módtól és az érvényben lévő jogszabályoktól, amelyek országonként jelentősen eltérhetnek.

Elsősorban fontos megérteni, hogy az AI-generált képek szerzői jogi helyzete jelenleg jogi szürkezónában van. Számos országban, beleértve Magyarországot is, a szerzői jogi törvények eredetileg emberi alkotókra lettek kialakítva, és nem feltétlenül alkalmazhatók egyértelműen a gépi algoritmusok által létrehozott tartalmakra. A legtöbb jogrendszer megköveteli az “emberi alkotói elemet” a szerzői jogi védelem biztosításához.

Az AI képgeneráló rendszerek különböző licencmodelleket alkalmaznak:

1. Kereskedelmi AI-platformok (mint a DALL-E, Midjourney, Leonardo…): Ezek általában saját felhasználási feltételekkel rendelkeznek. Például a DALL-E 3 esetében az OpenAI bizonyos kereskedelmi jogokat biztosít a felhasználóknak, de fenntartja a jogot a képek felhasználására saját szolgáltatásai fejlesztéséhez. A Midjourney hasonló modellt követ, de a részletes feltételek eltérhetnek. Minden esetben az adott platform ezen részét alaposan olvassuk át.

2. Nyílt forráskódú modellek (mint a Stable Diffusion): Ezek esetében a licencfeltételek általában megengedőbbek, de még mindig függenek a modell konkrét licencétől és a felhasználás módjától. A Stable Diffusion például a CreativeML Open RAIL-M licencet használja, amely bizonyos etikai korlátozásokat tartalmaz.

3. Vállalati felhasználás: Vállalati környezetben az AI által generált képek gyakran a munkáltató tulajdonát képezik, különösen, ha a képek létrehozása a munkavállalói kötelezettségek részeként történt.

Fontos figyelembe venni a betanítási adatok eredetét is. Ha egy AI rendszert szerzői joggal védett képekkel tanítottak be, ez jogi kérdéseket vethet fel a generált képek felhasználhatóságával kapcsolatban. Néhány jogrendszer ezt “származékos műnek” tekintheti, ami további komplikációkat okozhat.

A magyar jogrendszerben is egyelőre nincs egyértelmű szabályozás az AI-generált tartalmakra vonatkozóan. Az 1999. évi LXXVI. törvény a szerzői jogról elsősorban emberi alkotókra fókuszál, így az AI-val készült képek jogi státusza bizonytalan lehet.

Gyakorlati tanácsként érdemes:
– Mindig ellenőrizni az adott AI-platform specifikus licencfeltételeit
– Kereskedelmi felhasználás esetén különös figyelmet fordítani a jogosultságokra
– Szükség esetén jogi szakértővel konzultálni, különösen nagyobb projekteknél
– Nyomon követni a jogszabályi változásokat, mivel ez a terület gyorsan fejlődik

Összességében az AI-val készült képek licencfeltételei jelenleg átmeneti állapotban vannak, és várhatóan a következő években jelentős fejlődésen mennek keresztül, ahogy a jogrendszerek alkalmazkodnak az új technológiai valósághoz. A felhasználóknak érdemes naprakésznek maradniuk és körültekintően eljárniuk az ilyen tartalmak felhasználásakor.

Hogyan javítható a képek minősége?

Az MI képgenerátorok által létrehozott képek minőségének javítása számos tényezőtől függ, és több módszerrel is elérhető. Az alábbiakban részletesen bemutatom a leghatékonyabb technikákat és megközelítéseket.

Prompt mérnökség tökéletesítése

A prompt megfogalmazása kulcsfontosságú a minőségi képek generálásánál. Részletes, specifikus utasításokat érdemes adni, amelyek pontosan leírják a kívánt stílust, kompozíciót, megvilágítást és hangulatot. Például ahelyett, hogy egyszerűen azt írnánk “egy tájkép”, érdemes így fogalmazni: “napnyugta egy hegyvidéki tájban, meleg narancssárga és vörös színekkel, részletes előtérrel és ködös háttérrel, fotorealisztikus stílusban”.

Technikai paraméterek optimalizálása

A generálási beállítások finomhangolása jelentősen javíthatja a képminőséget:

– Felbontás növelése: Magasabb pixelszám általában részletgazdagabb képeket eredményez (FHD, 4K)
– Guidance scale beállítása (ahol lehet): A magasabb értékek jobban követik a promptot, de kevésbé kreatívak

– Seed érték rögzítése (ahol lehet): Sikeres generálás esetén a seed érték újrafelhasználásával hasonló minőségű képek hozhatók létre

Utófeldolgozási technikák alkalmazása

A generált képek további szerkesztése jelentősen javíthatja a végeredményt:

– Photoshop vagy egyéb képszerkesztő segítségével a színek, kontrasztok és élesség finomhangolása
– Upscaling eszközök használata a felbontás utólagos növelésére
– Részletek hozzáadása vagy javítása kézi retusálással / vagy AI segítségével
– Hibák eltávolítása (például extra ujjak, torzult arcok – szintén AI segítségével)

Modellválasztás és finomhangolás

Nem minden képgenerátor modell egyformán jó minden feladatra:

– Különböző modellek (Stable Diffusion, Midjourney, DALL-E, Leonardo, stb.) eltérő erősségekkel rendelkeznek
– Specifikus feladatokra specializált modellek használata (pl. portré, tájkép, absztrakt)
– Saját adatokkal történő finomhangolás (fine-tuning, model training) a személyes stílus kialakításához

Kompozíciós elvek alkalmazása

A klasszikus művészeti elvek beépítése a promptba javítja a vizuális minőséget:

– Harmadolási szabály alkalmazása a kompozíció kialakításánál
– Megfelelő fény-árnyék viszonyok meghatározása
– Színharmóniák tudatos használata
– Mélységérzet kialakítása (előtér, háttér)

Tanulás és gyakorlás

Az MI képgenerálás is egy készség, amely fejleszthető:

– Sikeres promptok gyűjtése és elemzése
– Közösségi visszajelzések kérése (erre az MIfoto közösség is tökéletes platform)
– Kísérletezés különböző technikákkal és beállításokkal
– A generált képek rendszeres értékelése és a tanulságok levonása

A folyamatos fejlődés és kísérletezés kulcsfontosságú ebben a gyorsan fejlődő technológiai területen.

Szeretnéd Te is megtanulni a képgenerálást? Jelentkezz az egyéni képzésre most előregisztrációval, hogy az elsők között tanulhasd meg ezt az új szakmát.

Melyek a legjobb AI képgenerátorok az online piacon?

Ez a pont erősen szubjektív, és kizárólag a saját tapasztalataimra (90%) és az elérhető információkra hagyatkozva osztom meg veled.

DALL-E (OpenAI)
A DALL-E az OpenAI egyik legismertebb képgenerátora, amely kivételes minőségű és részletgazdag képeket képes létrehozni egyszerű szöveges utasítások alapján. A DALL-E 2 és a legújabb DALL-E 3 verzió még pontosabb és részletesebb képeket generál, amelyek fotorealisztikus minőséget érnek el. Az eszköz különösen jól teljesít absztrakt koncepciók vizualizálásában és komplex jelenetek létrehozásában. Mivel a ChatGPT (fizetős) része, így remek lehetőség a tanulásra, viszont korlátozott beállítási lehetőségeit nem árt szem előtt tartani. Örömteli hír, hogy a legutóbbi nagy fejlesztési csomagban már a magyar ékezeteket is tökéletesen kezeli, ami nem nagyon mondható el a többire. 10/6

Midjourney
A Midjourney az egyik legművészibb megközelítést kínálja a képgenerálás terén. A Discord platformon keresztül (és már webes felületen is) elérhető, és különösen erős a művészi stílusok és esztétikák létrehozásában. A Midjourney által generált képek gyakran festményszerűek, erős kompozícióval és egyedi hangulattal rendelkeznek. Az eszköz folyamatosan fejlődik, és minden új verziója jelentős minőségi ugrást jelent. 10/8

Stable Diffusion
A Stable Diffusion egy nyílt forráskódú modell, amely különösen népszerű a fejlesztők és a technikai szakemberek körében. Nagy előnye, hogy helyi számítógépen is futtatható, így nem kell felhőalapú szolgáltatásokra támaszkodni. Számos különböző változata és finomhangolása létezik, amelyek különböző stílusokra és képtípusokra specializálódtak. 10/7

Adobe Firefly
Az Adobe nemrégiben lépett be az AI képgenerálás piacára a Firefly eszközével, amely különösen jól integrálódik az Adobe termékcsaládjába. A Firefly különlegessége, hogy kereskedelmi felhasználásra is biztonságos tartalmakat generál, és különös figyelmet fordít a szerzői jogi kérdésekre. Kiválóan alkalmas vektorgrafika, textúrák és kereskedelmi célú vizuális anyagok létrehozására. (nem használtam)

Canva Text to Image
A Canva népszerű grafikai tervezőplatformja is beépített AI képgenerátort kínál, amely különösen felhasználóbarát és könnyen integrálható a meglévő tervezési munkafolyamatokba. Bár talán nem olyan fejlett, mint a specializált eszközök, nagy előnye a Canva ökoszisztémájába való zökkenőmentes integráció. Ha most ismerkedsz a területtel, akkor javaslom a kipróbálását. 10/7

Tengr.ai

Magyar fejlesztésű, sok beállítási lehetőséggel, vizuális ikonokkal a jobb érthetőség kedvéért. Hasonló a Canva-hoz, de itt kifejezetten a képalkotásra fektetik a hangsúlyt, így erősebb például a portrékban, tájfotókban és szinte mindenben, ellentétben a fentivel, ahol inkább a grafikus vonal az erősebb. A generált képet itt is tudod felskálázni, hátteret eltávolítani, arcot variálni. 10/8

Leonardo ai

A személyes kedvencem, direkt a végére hagytam. Nagyon sokszor használom, számtalan beállítási lehetőséggel, elsőre talán bonyolultnak tűnő elrendezéssel és gombokkal. Sok előre beállított modell mellett tudsz feltanítani sajátot is, élőben tudsz szerkeszteni (rajzolni), javítani részeken, prompt javaslat is van, amivel felturbózhatod a sajátodat, stílus/karakter alapján is finomíthatsz a képeken. Egyéni mentorálásomon többek között ezt a platformot is bemutatom. 10/9

• Választási szempontok

Képminőség és részletesség
A különböző generátorok eltérő minőségű képeket hoznak létre. Míg a Midjourney, Leonardo általában a legmagasabb minőséget kínálja, a Stable Diffusion különböző modelljei specializáltabb eredményeket produkálhatnak.

Felhasználói felület és hozzáférhetőség
Míg egyes eszközök, mint a DALL-E és a Canva könnyen használható felülettel rendelkeznek, mások, mint a Midjourney Discord / webes alapúak, vagy mint a Stable Diffusion, technikai ismereteket igényelhetnek a telepítéshez és használathoz.

Költségek és korlátozások
A legtöbb AI képgenerátor előfizetéses modellt vagy kreditrendszert használ. Érdemes figyelembe venni a havi költségeket és a generálható képek mennyiségét a választásnál. A Leonardo mellett mutat, hogy 25.000 kreditig engedi a rollovert, vagyis a fel nem használat tovább tudod vinni a következő hónapra. Ez nem nagyon jellemző a többire.

Kereskedelmi felhasználhatóság
Ha üzleti célokra tervezed használni a generált képeket, különösen fontos figyelembe venni a licencfeltételeket. Az Adobe Firefly például kifejezetten kereskedelmi felhasználásra készült.

Testreszabhatóság
Egyes platformok, különösen a Stable Diffusion, széleskörű testreszabási lehetőségeket kínálnak, lehetővé téve a felhasználók számára, hogy saját modelljeiket finomhangolják specifikus stílusokra vagy témákra.

***

A legjobb választás nagyban függ az egyéni igényektől, a technikai jártasságtól és a költségvetéstől. Mindenképpen érdemes több platformot is kipróbálni, mivel mindegyiknek megvannak a maga erősségei és egyedi jellemzői, amelyek különböző projektekhez, különböző mértékben lehetnek hasznosak. A legtöbb platform biztosít ingyenes, de korlátozott tudással ellátott belépő csomagot (kreditet).

Te melyiket fogod használni?

[/vip]

Hirdetés:

A március vége igen erősre sikerült a képgenerátorok tekintetében. Nyilván nem volt véletlen, de szinte egyszerre jött ki az Ideogram 3, a Dall-E 3 (ami igazán felkavarta az állóvizet), és két új szereplő is megjelent, akikkel számolni kell (Mage AI és a Reve AI). Ebben a postban most a Reve AI képgenerátort elemzem szubjektíve.

Elöljáróban annyit, hogy számomra nem hozta azt a bizsergető érzést, mint amit sokan emlegetnek, és azt sem nagyon tudom hova tenni, hogy mi ez a nagy hype mögötte, mégis vitatlahatlan, hogy egy picike kaliforniai startuphoz viszonyítva a végeredményt nézve ott van a nagyok sarkában.

Viszont azt is tudni kell, hogy mivel itt nincs sok beállítási lehetőség, ezért a promptba kell ezt részletesen megírnunk, ami kezdőknek talán nehézséget fog okozni. Ám aggodalomra semmi ok, már egy egyszerűbb leírással is elboldogul (természetesen angolul). Amúgy a Dall-E 3-nál sincs ilyen lehetőség, szóval ott is hasonló a helyzet.

Ami pozitívumként ért, hogy az alul lévő kis boxba ki tudjuk választani, hogy mennyi képet generáljon le, a képarányt, az enhance-t (legyen ON-ban és felturbózza a promptodat), és a seed-et is (ezt hagyd auto módban). Majd ha megvan a generált kép, és majdnem tökéletes, akkor az EDIT PROMPT résznél tudsz rajta finomítani.

A lenti 3 tesztképeknél azonos promptot használtam, különös figyelmet szentelve az ujjakra, a testtartásra, a tekintetre, az arcra, no és arra, hogy egy képre rakjon 4 változatot (ez pl a Mage-nek nem sikerült).

A mini tesztben szoros versenyben volt a Dall-E 3 generátorral. Az arcot tartotta mind a 4 változatnál, az ujjak is rendben vannak, nincs észrevehető extra torzítás, ami egyből szemet szúrna. A Dall-E hasonlóan jól szerepelt, a kettő között nekem az utóbbinál természetesebb a bőrszín, és a realisztikusabb modell (semmi diszkrimináció) tolta pozitív irányba a tesztet.

Azt meg kell hagyni, hogy a nyilván kisebb adatbázis ellenére amiből dolgozik, ez az eredmény dícsérendő.

Alap esetben napi 20 képet engedélyez freeben, de vásárolhatsz 5 dodóért 500 creditet, ami a többi generátorhoz képest aprópénz (MJ, Leonardo, stb. )

Próbáld ki és oszd meg velünk tapasztalatodat itt kommentben, vagy csatlakozz AI közösségünkhoz.

Ez is érdekelhet:

Hirdetés:

A Google nemrég bemutatta a Gemini 2.5 Pro modellt, amely jelentős előrelépést hozott a mesterséges intelligencia terén. Ez a modell kiemelkedő képességekkel rendelkezik a képgenerálásban, lehetővé téve a felhasználók számára, hogy részletes és valósághű képeket hozzanak létre különböző stílusokban és témákban. A Gemini 2.5 Pro multimodális működése révén képes egyszerre több információforrást, például szöveget, képet és videót feldolgozni, így a képgenerálási folyamat még pontosabb és kreatívabb eredményeket nyújt.

A modell hosszú kontextusablakának köszönhetően akár 1 millió tokennyi információt is képes kezelni, ami lehetővé teszi összetett és részletes képek létrehozását. Ez különösen előnyös a kreatív iparágakban dolgozók számára, akik nagy mennyiségű adat alapján szeretnének egyedi vizuális tartalmakat előállítani. ​

A Gemini 2.5 Pro fejlesztése során a Google nagy hangsúlyt fektetett a modell hatékonyságára és gyorsaságára, így a felhasználók rövidebb idő alatt érhetnek el kiváló minőségű eredményeket. Ez a fejlesztés új távlatokat nyit a digitális művészet, a reklám és a dizájn területén, lehetővé téve a szakemberek számára, hogy még kreatívabb és lenyűgözőbb vizuális élményeket hozzanak létre.

​blog.google

Ez is érdekelhet:

Hirdetés:

Az AI térnyerésével – és különös tekintettel a képgenerálásra – párhuzamosan egyre élesebben merülnek fel etikai kérdések, különösen a szerzői jogok és az eredetiség területén. Ahogy egyre nagyobb szeletet követel magának e terület, vélhetően úgy lesz majd egyre több és több (kisebb vagy nagyobb) vitás kérdés és szituáció is.

Az egyik központi kérdés: ki a szerzője egy AI által generált műalkotásnak?

• Az ember, aki a promptot írta?
• Az AI fejlesztője?
• Vagy maga az AI program / platform ?

Ez nem csak elméleti probléma – komoly jogi és gazdasági következményei is vannak.

Nézzük meg közelebbről a főbb etikai kérdéseket:

1. Szerzői jogok: Ha egy AI olyan képeket generál, amelyek hasonlítanak létező művészek stílusára, az sérti-e az eredeti művész jogait?
Mi a helyzet, ha az AI védett művekből “tanult”?

2. Eredetiség: Lehet-e egyáltalán “eredeti” egy AI által generált mű?
Vagy minden ilyen alkotás csupán meglévő művek újrakeverése?

3. Művészi érték: Hogyan értékeljük az AI művészetet az emberi alkotásokhoz képest?
Van-e különbség a kettő “értéke” között?

4. Átláthatóság: Kötelező-e feltüntetni, ha egy mű AI-generált?
Mi a helyzet, ha emberi utómunkával is kiegészül?

5. Adatvédelem: Milyen adatokat használhat fel egy AI a tanuláshoz?
Szükséges-e az érintettek beleegyezése?

Személyes véleményem szerint nincs egyszerű és egyértelmű válasz (MÉG) ezekre a kérdésekre, de tudomásom szerint az EU-ban már létrehoztak egy jogi szervezetet / egységet, ami ezzel fog foglalkozni. Jelenleg a jogi szabályozás nem tudja olyan gyorsan követni a fejlődést, mint amit az elmúlt 2-3 évben produkált a mesterséges intelligencia. A jogi passzusok kidolgozásához idő kell, és az sem segít a szakembereknek, hogy ezidáig még – szerencsére – nem volt olyan jogi eset, ami ezzel összefüggésbe hozható.

Néhány lehetséges megközelítés / szubjektíve /:

– Új szerzői jogi kategória létrehozása az AI-generált művekre.

– Az AI fejlesztők (és platformok) és felhasználók közötti felelősségmegosztás tisztázása.

– Átláthatósági irányelvek bevezetése, amelyek megkövetelik az AI használatának feltüntetését. Erre van már példa a Facebookon (MI megjelölés), de egyes eszközökön (lásd PC és Mac) még nem találkoztam vele, csak mobilon, ott is jól eldugva.

– Etikai kódexek kidolgozása az AI művészet területén.

Fontos megjegyezni, hogy ezek a kérdések nem csak az AI művészetre vonatkoznak. Hasonló dilemmákkal szembesülünk más területeken is, ahol az AI kreatív munkát végez, például zeneszerzés, szövegírás, vagy akár az online marketing terén, ami MI-al készült.

Személyes tapasztalatom, hogy mindig legyünk átláthatóak az AI használatával kapcsolatban. Ha AI-generált képet készítünk, tüntessük fel azt egyértelműen. Ez nem csak etikus, de segít megőrizni a bizalmat is a közönségünkkel. Ugyanakkor ne felejtsük el, hogy az AI csak egy eszköz. Az igazi kreativitás és művészi vízió továbbra is emberi tulajdonság. Az AI-t használó művészek nem kevésbé kreatívak – egyszerűen egy új, rendkívül hatékony eszközt használnak a víziójuk még jobb és gyorsabb megvalósításához. Az etikai kérdések megválaszolása kulcsfontosságú lesz az AI művészet jövője szempontjából. Ahogy a technológia fejlődik, valószínűleg új kérdések is felmerülnek majd.

Végül, ne felejtsük el, hogy az AI művészet, minden etikai kihívása ellenére, hihetetlen lehetőségeket kínál. Az előttünk álló kihívás az, hogy megtaláljuk a módját, hogyan aknázhatjuk ki ezeket a lehetőségeket etikus és felelősségteljes módon.

Ne feledd az AI csak egy eszköz, ami megcsinálja azt a feladatot, amire utasítást adtál neki, ennél fogva minden felelősség a tiéd, nem a gépezeté!

Csatlakozz díjmentesen az első magyar AI közösséghez!
Kattints IDE

Hirdetés:

2 perc olvasási idő.

A Google sem szeretne lemaradni a képgenerálós versenyből, és bár még csak egy apró és vékony szeletkéje van, de igyekszik. Láthatóan erősítenek ezen a vonalon és vannak próbálkozások. Azért nevezem próbálkozásnak, mert a többi versenytárssal összevetve azért valljuk be van még mit csiszolni a technikán.

Az Imagen 3 a Google saját kis AI képgenerátora, amit (mint mindenki más a konkurensek közül) finomítgat, fejlesztget, adatbázist bővítget, tanítgat. Most egy olyan feature-t mutatott be nekünk a keresőóriás (hopp ez a kifejezés is véges már), aminek segítségével kép(ek) feltöltésével tudsz generáltatni vele egy új képet. Amolyan modell betanítás feeling, csak ők másképp nevezték el, de lényegében erről van szó (a szerk.). Ez pedig a Google Whisk (nincs magyar fordítása).

Ez egyelőre természetesen még csak az USA-ban érhető el, a Google Labs oldalán keresztül, szóval mi ne is próbálkozzunk vele egyelőre.

A Whisk a Google fejlett Imagen 3 képgeneráló modelljét használja képek létrehozására, amelyet az eszköz megjelenésével nagyjából egyidejűleg jelentettek be. A generálási folyamat úgy zajlik, hogy a felhasználó egy vagy több képet tölt fel vizuális mintaként, opcionálisan szöveges leírásokkal kiegészítve. Ezután a Whisk elemzi ezeket a bemeneteket, hogy megértse a kívánt témákat, jeleneteket és stílusokat, és egy promptot hoz létre, amely irányítja a képgenerálási folyamatot.

Az eszköz több variációt generál a vizuális és szöveges bemenetek alapján, és a felhasználók számára egy válogatást kínál az AI által generált képekből, mindegyikhez tartozó szöveges promptokkal együtt. A felhasználók ezután finomíthatják eredményeiket az alapvető promptok szerkesztésével vagy különböző bemeneti képkombinációkkal való kísérletezéssel, elősegítve egy iteratív és felfedező jellegű kreatív folyamatot. Az eszköz felületén található egy praktikus dobókocka ikon, amely véletlenszerű képi javaslatokat generál azok számára, akik nem rendelkeznek forrásképekkel. A végeredményt berakhatod kedvencekbe, letöltheted, a promptot kimásolhatod, újat generálhatsz.

Az nem derült ki, hogy maga a rendszer milyen alapon működik (esetleg ingyenes a bevezető időszakban), az sem derült ki, hogy a generált képeket miképpen exportálhatom, és az sem, hogy nagyítható -e AI segítségével. Az sem világos, hogy ha egy kép majdnem tetszik, akkor hogyan tudok rajta finomítani anélkül, hogy az egészet újra kezdené.

Továbbá az sem világos (nekem), hogy ez tulajdonképpen mire jó? Miért jobb ez a képes megközelítés, mint a promtp generálású változat?

Te ki fogod próbálni? Írd meg kommentben.

_{Forrás: https://petapixel.com/2024/12/17/googles-new-ai-image-tool-whisk-lets-you-use-photos-as-prompts/}

Hirdetés:

Az AI képgenerálás kulcsa abban rejlik, hogy a mesterséges intelligenciát megtanítjuk különböző művészeti stílusok, festési technikák és vizuális elemek felismerésére és újraalkotására. De hogyan is tanul az AI? Hogyan képes egy gép utánozni egy festő stílusát, és hogyan lehet ezt a tanulási folyamatot finomhangolni? Ez a folyamat jóval több, mint egyszerű minták felismerése – a háttérben bonyolult gépi tanulási algoritmusok működnek.

Mi is az a gépi tanulás?

Az AI képgenerálás szíve a gépi tanulás (machine learning). Ez egy olyan mesterséges intelligencia technológia, amely az adatokból tanul, anélkül, hogy előre meghatározott szabályokat követne. A gépi tanulás lehetővé teszi, hogy az AI ne csak felismerje a mintákat, hanem azokat újra is alkossa. Ezt úgy éri el, hogy rengeteg adatot – például képeket és azok leírásait – kap, majd ezeket elemzi és általános szabályokat fedez fel.

A tanítás során az AI-t hatalmas mennyiségű képpel “etetik meg”, ahol minden képhez tartozik egy szöveges leírás. Ez lehet például „impresszionista festmény naplementéről”. Ahogy az AI több millió ilyen képet lát és elemez, egyre jobban megérti, hogyan ábrázolják a művészek a különböző témákat, és képes lesz ezek alapján saját képeket létrehozni.

A stílusok és technikák megtanítása

Ahhoz, hogy az AI ne csak egyszerű képeket, hanem különböző festészeti stílusokat is felismerjen, úgynevezett neurális hálózatokat használnak. A neurális hálózatokat rétegek alkotják, amelyek mind egy-egy részletért felelősek, például a színekért, textúrákért, vagy éppen a fény-árnyék játékért. Amikor egy festő stílusát akarjuk megtanítani az AI-nek, specifikus műalkotásokat mutatunk neki. Ha például egy impresszionista festő stílusát szeretnénk átadni, akkor a neurális hálózat megtanulja, hogy az impresszionista művek jellemzője a finom, gyors ecsetvonás és a színek gazdag használata.

A stílustranszfer technikája, ami az AI művészeti alkotásokban elért egyik legizgalmasabb újítása, lehetővé teszi, hogy a gép ne csak saját stílusában dolgozzon, hanem híres festők stílusát is adaptálja. Képzeld el, hogy egy modern fotót alakít át az AI egy Vincent van Gogh stílusában készült festménnyé. A modellek azt is megtanulják, hogyan kezeljék a bonyolultabb elemeket, például a perspektívát és a térérzetet.

Mennyire tud az AI önállóan alkotni?

Az AI folyamatosan fejlődik, és már most lenyűgöző képességekkel rendelkezik. Azonban érdemes észben tartani, hogy az AI nem úgy alkot, mint egy ember. Nincs “kreatív ötlete”, nem merít inspirációt a valóságból vagy érzelmekből. Mindezek ellenére képes lenyűgöző, valósághű képeket előállítani, és adott esetben olyan kombinációkat létrehozni, amelyek egy ember számára akár meglepőek is lehetnek.

Az AI-t azonban “irányítani” kell – mi határozzuk meg, hogy milyen típusú képet akarunk látni, milyen stílusban, milyen részletekkel. Ez az irányítás pedig egyre precízebbé válik, ahogy az AI képes finomhangolni az egyes elemeket, mint például a fények, árnyékok, vagy éppen a textúrák.

Miért hasznos mindez?

Az AI képgenerálás nem csak a művészek számára izgalmas, hanem a hétköznapi felhasználók és a cégek számára is komoly lehetőségeket rejt. Gondoljunk csak bele: ha valaki vizuális tartalmat szeretne létrehozni, de nincs grafikai tudása, az AI segítségével akár egy teljes marketingkampány látványvilágát is megalkothatja. A jövőben talán eljutunk oda, hogy bárki, bármilyen előzetes tudás nélkül, képes lesz lenyűgöző művészi alkotásokat létrehozni – pusztán azáltal, hogy pontosan meghatározza, mit szeretne.

Összegzés

Az AI képgenerálás egy összetett, de egyre hozzáférhetőbb technológia, amely rengeteg lehetőséget rejt magában. A gépi tanulás és a stílustranszfer technikái lehetővé teszik, hogy a mesterséges intelligencia festeni tanuljon, és egyedi, művészi alkotásokat hozzon létre. Bár még mindig szükség van az emberi irányításra és kreatív vezérlésre, az AI folyamatos fejlődésével egyre jobban közelítünk egy olyan világhoz, ahol a mesterséges intelligencia valódi alkotótárssá válik.

Te mit gondolsz erről? Írd meg nekünk, és mutasd meg saját AI alkotásodat.
Regisztrálj Magyarország első MI közösségi platformjára.

Hirdetés: