当前位置:首页|资讯|OpenAI|AI大模型|人工智能

国内各大AI产品功能横向对比及使用建议(2/3):图片生成 & 图片处理篇

作者:人人都是产品经理发布时间:2024-08-18

本文旨在深入分析国内各大AI产品在“图片生成 & 图片处理”领域的功能对比,帮助用户更好地理解各产品特性,并作出适合自己需求的选择。

2022年OpenAI发布了ChatGPT3.5,标志着以AI大模型为主体的人工智能时代到来。自此之后,国内各个传统大厂、AI独角兽纷纷下场,各类AI大模型及其对应的产品纷纷如雨后春笋般问世。

在带来行业繁荣的同时,也为普通用户带来了不少选择的困惑。究竟国内各大AI产品有什么差异?我们应该如何选择?

要对比各大AI产品,我们可以粗略分为内、外两层,内在是其内核的大模型智能程度,外在是各团队研发的产品功能。对于大模型,市面上已有不少报告进行测评。但对于外在产品功能的梳理对比,似尚未有过多关注。

有感于此,我计划从对“文本生成”、“图片生成 & 图片处理”、“智能体”三个当下AI最为热门的领域入手,梳理目前国内各大AI产品功能的横向对比。

当然,我的主要关注点是“有无”,而非“优劣”,即我主要着眼在某一项功能在各大AI产品上是“有”还是“没有”,而不会具体比对该功能的具体表现“好”还是“不好”,因此也不会涉及到功能的具体评分。

我的目标是通过对国内各大AI产品功能横向对比,为不同使用场景、使用诉求的人群提供产品选择上的建议。

横向对比采集时间:2024年8月(目前设想可能每3个月更新对比一轮,并视情况是否更新使用建议)。如果有朋友们感兴趣但我没有涵盖的AI产品,或者对于本文的任何批评建议,欢迎在评论区里留言。

本篇是这个系列的第二篇——“图片生成 & 图片处理”篇

第一篇——文本生成篇见:国内各大AI产品功能横向对比及使用建议(1/3):文本生成篇

一、【对比产品及项目】

严格来说,“图片生成”和“图片处理”是两个独立的领域。前者是通过给AI输入文字或图片,让AI生成新的图片(即俗称“文生图”、“图生图”);后者是对已有的图片,通过AI能力进行各类调整处理。

但从产品视角来看,二者又有明确的联系,毕竟,AI生成图片后进行处理,是一个很流畅的操作。

并且,从用户视角来看,如果有涉及“图片”的相关工作,那大概率是“图片生成”和“图片处理”都有所涉及。因此,我们会将二者放在一起进行对比。

关于“图片生成 & 图片处理”领域的产品对比,入围标准是:

  • 必须是通用的图片产品,意味着只针对某个特定图片领域(如:海报、漫画、二维码、头像)的产品不在此列。
  • 必须是有独立的AI大模型部署,意味着市面上那些包壳类的AI产品不在此列(比如通过封装Midjourney来提供服务的产品)。
  • 图片生成:有可以设置生成图片具体参数的能力,意味着仅仅是通过对话就能简单生成图片的产品(在前面“文本生成”领域中,我们就有“生成图片”的功能项梳理)不在此列。
  • 图片处理:必须是可以单独上传图片进行处理,意味着仅仅是对生成图片进行处理的产品,只会归入“图片生成”的一部分功能(这一条实际是针对“豆包”进行区分,它的图片处理功能就是只能对其生成的图片进行操作,说实在的有点迷)。

基于以上标准,在“图片生成 & 图片处理”领域的入围产品有:

(注:SD即Stable Diffusion,是一套开源的AI图片生成工具,支持安装多个的生图大模型。)

对比的项目主要由以下类别组成:

  • 免费使用条件:AI生成图片的计算成本远高于生成文本,因此各家提供的AI生成图片服务都是“有条件免费”,我们会将各家的具体使用条件梳理出来。
  • 使用引导:包括功能引导、Prompt库等内容,反映的是产品的“易上手”程度。
  • 详细参数设置:与“文本生成”不同,“图片生成”的效果受具体的参数设置影响较大。因此,详细的参数设置能力反映了产品的“可调整性”。
  • 高级功能:如ControlNet、LoRA训练等,反映的是产品在高级功能上的丰富度和深度。
  • 图片处理主流功能:主要包括图片放大、扩展、叠加、抠图等主流的AI图片处理功能。
二、【完整对比结果】

基于上述产品和项目,完整横向对比结果如下:

图片生成:

图片处理:

三、【结果解析】 1. 简易使用型:元宝、豆包、可灵AI

  • 类型特点:通过输入Prompt进行图片生成,但不具备“设置图片风格(并非提示词,而是指定不同生图大模型)”及其他更高级功能。
  • 适用人群:对于“生成图片”诉求接近“有图即可”的人群。
2. 类MJ型:江城洛神、通义万相、文心一格
  • 类型特点:具备更多的生成图片设置能力,使用习惯上类似Midjourney,但不支持诸如ControlNet的高级功能。
  • 适用人群:对于“生成图片”有一定的质量要求,希望控制其大体风格走向,但又没有科学上网条件的人群。
3. 类SD型:智影、WHEE+美图设计室、堆友
  • 类型特点:具备更多高级功能(如ControlNet、LoRA模型训练),能力及交互界面接近SD WebUI。
  • 适用人群:对“生成图片”有精细化调整的诉求,或有意在“生成图片”领域进行深耕的人群。
四、【整体使用建议】

对于“图片生成 & 图片处理”领域,因此其学习广度、深度和难度,都要比“文本生成”要更高。因此,我会统一推荐使用顺序是:先使用“文心一格”,如果有进一步想深入研究,则再切换至“堆友”。

首先不建议使用“简易使用型”的产品。倒不是说他们能力不行,主要是考虑到入门和使用,他们都并非最好选择。最典型的体现就是关于“风格”的设置。众所周知,画面“风格”是一张图片最基本的属性。

虽然“简易使用型”的产品也是可以通过在Prompt里面进行风格描述来实现,但是进阶后还是要切换到“选择生图模型”。因此从一开始上手就应该建立“选择生图模型”来控制风格的认知。此外,从易用性来看,也不及可以直接选择风格的产品。

然后就是“类MJ型”的产品,它们在最基础的“文生图”领域都较易上手,既能满足日常需要,又能低门槛上手。而具体到哪一款产品,则首推“文心一格”,原因无他,就是因为它无论是图片生成还是图片处理,功能都相对齐全。

最后就是想进一步深入研究AI生成图片,那必须会走到“学习Stable Diffusion”的阶段,此时推荐产品更多则是要考虑其功能是否足够全面。以此为标准,那么综合功能最齐全且免费使用条件简单的“堆友”就成为不二之选了。

五、【附:部分产品特色功能截图】

文心一格将提示词中的部分内容结构化(画面风格、修饰词、艺术家)

通义万相围绕电商场景打造了相关的特色功能

腾讯智影围绕“视频+图片”打造了一系列功能

WHEE全面的AI生图能力

堆友友好且接近SD WebUI的操作界面

作者:产品经理崇生,公众号:崇生的黑板报

本文由 @产品经理崇生 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自 unsplash,基于CC0协议


Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1