MidJourney vs. DALL-E 3: Promptná bitva Head to Head

Už žádné šťastné malé nehody

Technologie generování obrazu AI se zlepšuje tak rychle, že během několika týdnů nebo měsíců se kvalita a možné funkce mohou zcela lišit. DALL-E 3 přináší technologický skok, ale jak se vyrovná MidJourney?

Co je speciálního na DALL-E 3?

Evoluci a možnostem MidJourney jsme se podrobně zabývali již dříve a dosud to byl hlavní generátor obrázků pro nejlepší umělecký výstup vhodný pro skutečné použití. Nicméně přiblížit se k tomu, co jste ve vygenerovaném obrázku v MidJourney skutečně chtěli, může být extrémně nešťastná záležitost. Pokud chcete přesné ovládání, budete se muset uchýlit k použití Stable Diffusion a jednoho z mnoha jeho modů, jako je ControlNet. Stable Diffusion je však výrazně obtížnější na použití a MidJourney i DALL-E 3 jsou lepší, pokud jde o snadné použití.

DALL-E slibuje, že se bude mnohem přesněji držet znění vaší výzvy. Jinými slovy, pokud se zeptáte na konkrétní pozice postav, detaily ve scéně nebo uspořádání objektů ve scéně, teoreticky by vám DALL-E 3 měl dát to, o co jste žádali. Budeme porovnávat DALL-E 3 a MidJourney pomocí několika výzev. Stejná výzva bude dána každému generátoru AI.

Výzva 1: Umělecký talent

Za prvé, chci získat obecný přehled o tom, co bude každý generátor umělecky dělat, takže začneme poněkud obecnou výzvou:

Generate an image of an epic fantasy scene with elves and dragons in a 90s fantasy art style

Zde je obrázek MidJourney, který jsem považoval za nejlepší.

A tady je obrázek DALL-E 3, který jsem považoval za nejlepší.

Zde je zajímavé poznamenat, že ChatGPT (v tomto případě frontend pro DALL-E 3) nepředává mou přesnou výzvu do generátoru obrázků. Součástí hlavního prodejního argumentu pro DALL-E 3 je to, že používá ChatGPT (tj. GPT-4), aby převzal váš nápad a udělal za vás část práce „pohotové inženýrství“. Takže to vytvoří mnohem podrobnější výzvy, abyste se pokusili získat lepší výsledky. Zde je výzva, kterou ChatGPT vytvořil na základě mého požadavku:

Oil painting reminiscent of 90s fantasy artwork, showcasing a group of elves, both male and female, standing on a cliff's edge. In the background, colossal dragons soar, their wings casting shadows over a lush forest below. The scene is filled with vibrant colors and dramatic lighting.

To představuje jedinečnou výzvu při pokusu o porovnání dvou generátorů obrázků, protože GPT zvyšuje kvalitu výzvy. Takže, aby to bylo spravedlivé, vložil jsem výzvu vygenerovanou GPT do MidJourney a toto je výsledek.

Nyní máme něco mnohem srovnatelnějšího. Nicméně, který z nich vyhraje? V tomto případě je můj názor takový, že obrázek DALL-E 3 se blíží tomu, co jsem požadoval, zatímco obrázek MidJourney má výraznější styl a více uměleckého nádechu. Aktuální model V5 od MidJourney podle mého názoru vyniká celkovým uměleckým vkusem, ale to je samozřejmě vysoce subjektivní.

Pro zbytek srovnání budu používat pouze výzvy generované GPT pro oba generátory obrázků, abych zrušil své dovednosti (nebo jejich nedostatek), pokud jde o výzvy k vytváření. Jinými slovy, nejprve požádám ChatGPT o obrázek a poté zkopíruji a vložím nejlepší obrázek, který vygeneruje, do MidJourney.

Výzva 2: Textové prvky

Možná jste si všimli, že MidJourney má tendenci vymýšlet zmatek, kdykoli je ve vygenerovaném obrázku text. Je to proto, že generuje věci, které vypadají jako písmena, ale ve skutečnosti to nejsou písmena. Takže trička s textem nebo nápisy obchodů nebudou mít žádný rozumný text. DALL-E 3 slibuje, že vytvoří jakýkoli text, který se vám líbí, a umístí jej správně do rámečku, takže to pojďme otestovat. Zde je výzva, se kterou ChatGPT přišel:

Drawing reminiscent of newspaper comic strips, featuring a computer geek deeply engrossed in his coding work. His T-shirt stands out with the bold statement 'How-To Geek Is Awesome'. The scene is set in a cozy corner with tech posters and sticky notes on the wall.

Zde je výsledek DALL-E 3.

A tady je výsledek MidJourney.

Zatímco výstup MidJourmey je velmi příjemný na pohled, není to vůbec to, co jsme požadovali, takže DALL-E 3 to sem hodí. Na obrázku je však stále dost nesmyslného textu. Při mém testování DALL-E funguje skvěle, když zadáte veškerý text v obrázku nebo tam není žádný jiný text, než jaký jste požadovali, ale pokud má obrázek blíže nespecifikovaný text, je to nesmysl, stejně jako u MidJourney,

Výzva 3: Nastavení scény

Poslední test, který chci spustit, je nastavení scény, kde určuji polohu všech hlavních prvků.

Illustration of a cyberpunk cityscape reminiscent of Blade Runner aesthetics. A cyborg woman with glowing eyes and cybernetic limbs stands on the left, holding a shiny apple. Opposite her, on the right, a robot vendor with a worn-out exterior smokes a cigar, surrounded by an array of exotic fruits. The street is bustling with activity, with drones flying overhead and neon signs illuminating the scene.

Zde je výsledek DALL-E 3.

A tady jsou všechny čtyři pokusy MidJourney.

MidJourney opět exceluje v uměleckém vkusu, ale úplně selhává ve skutečnosti, co jsem požadoval ve výzvě.

I když můžete stejný obrázek v DALL-E 3 předělat v různých stylech, žádné přemlouvání nepřinutí MidJourney konzistentně reprodukovat specifické prvky a umístění, které požadujete. Zde je stejný obrázek, ale požádal jsem o více surrealistický a snový styl z DALL-E 3.

DALL-E 3 není dokonalý

Než se rozhodnete upustit od MidJourney pro DALL-E 3, existuje několik hlavních omezení, na která jsem při testování DALL-E 3 narazil a o kterých byste měli vědět:

ChatGPT odmítne generovat obrázky postav chráněných autorskými právy, zatímco MidJourney bude vesele vytvářet fan art existujících postav.
ChatGPT vám také nedovolí požádat o umělecký styl jakéhokoli žijícího umělce, zatímco s MidJourney to stále můžete udělat.
Obě platformy nebudou generovat umění, které překračuje určité hranice, pokud jde o obsah pro dospělé, který má násilnou nebo sexuální povahu. Nicméně, MidJourney má jednoduchý proces odvolání pro falešně pozitivní, zatímco ChatGPT může vyžadovat trochu přesvědčivosti, protože je na první pohled mnohem sofistikovanější.

Můj čas s tímto nástrojem byl omezený a DALL-E 3 i MidJourney neustále získávají nová vylepšení a funkce, ale toto byla ta nejzjevnější omezení, která by mohla většinu lidí zajímat.

Verdikt

Je docela těžké zde vyhlásit absolutního vítěze, ale jak se věci mají, MidJourney je ten správný nástroj, který můžete použít, pokud chcete expresivitu a umělecký vkus v tom, co vytváříte. Na rozdíl od toho je DALL-E 3 daleko lepším nástrojem, pokud chcete vytvořit konzistentní umělecká díla podle vašich přesných požadavků na ilustrace nebo jiné případy profesionálního použití.