没有谁能一直称王，但加上前缀谁都有称王的机会。
AI文生图，还能玩出什么新花样？
在这片群雄割据的红海，头部被Midjourney、DALL·E、StableDiffusion等占据，其余还能让人眼前一亮的产品并不多。
然而，仍有黑马杀出：Ideogram，前Google工程师创立，硅谷AI大神投资，去年8月面世，2月底发布了最新的模型。
Ideogram的特别在于，擅长生成包含文本的图片，这恰恰是几大巨头都在改善的难题。
事实证明，从别人跌倒的地方爬起来，不失为一种弯道超车的方式。
能“画图”和“摄影”，但AI可能还是个“文盲”
让AI精准生成文字，向来是个痛点，哪怕生成的人物和风景像相机拍出来的，那些如同乱码的扭曲文字，瞬间让AI原形毕露。
Midjourneyv5.2生成的错误文字
Ideogram站出来表示，拒绝让AI继续做个“文盲”，不妨先从它开始。
接触Ideogram的门槛很低，打开网页（https://ideogram.ai/）登录就能用，界面看起来也清爽不复杂。
生成一张图片的步骤不多，在输入框填完提示词，再根据你想要的效果，勾选图片长宽比，以及照片、海报、3D渲染等图片样式。
Ideogram还考虑到了人类可能是提示词“苦手”，今年2月推出了“魔法提示”，这就像一个内置的ChatGPT，帮你完善提示词，由AI拿捏同类的心思。
包含文本内容的图片有哪些？产品标志、T恤印花、书籍封面、电影海报......
我们先来个入门级考验，让几个人举起写着动物名称的指示牌，乍看文本对了，但脸和手不太正常，两者相互抵消，原来短板没有消失，只是转移了。
如果只让Ideogram写字，效果便惊艳得多。
让AI生成马斯克的经典句子“我宁愿乐观而错误，也不愿悲观而正确”，除了“W”有瑕疵，其他单词都写对了。
字体活泼了些，70后的马斯克不知道能不能接受，但碰撞的黑白色，应该能让爆改小蓝鸟的他满意。
再拿经典谚语“只工作不玩耍，聪明的孩子也变傻”作为考题，虽然提示词强调了使用打印机字体，但Ideogram没能做到。看来光用提示词还不能定义字体，只能取个近似值。
接着，命令AI为一家叫作“CoffeeAI”的AI初创公司设计logo。
主体是个电路图案的咖啡杯，右上角有个机器人咖啡师，公司名称用粗体大写字母写成，排版简单和克制，作为logo来看很直观，但总体来说在意料之中，很难让甲方心动拍板。
该给AI上难度了，句子更长，对设计的要求更高。
我要求Ideogram为儿童绘本设计内页，不仅要在醒目的位置写着“穿袜子的狐狸和戴礼帽的兔子”，底部还得标注“匿名”。
对于这两行文字，Ideogram基本完成了任务，用上了手绘字体和粉笔涂鸦，甚至配了符合题意的插图，绘本的味道对了，但错误也很显眼，“in”这个单词有些问题，兔子长得像狐狸还和狐狸称兄道弟。
Ideogram同样可以拿来做电影海报，不妨拿前段时间爆火的、阮经天主演的电影《周处除三害》试试水。
我在提示词里杂糅了典故和电影，背景用到侠士剪影、海、山的意象，文字部分参考电影的英文名：猪、蛇和鸽子。
除了漏了一个“the”，最终的海报效果还不错，融合了古典的形象和现代的字体，鸽子涂鸦堪称点睛之笔，但总体更像西幻风，让人觉得陌生，很难联想到电影的剧情。
体验下来发现，其实Ideogram在文字上出错的概率不小，有时候生成两三次，才能得到一字不差的理想结果。
就算文本对了，人物的脸和手指也经常翻车。
它可能还会加些花里胡哨的小动作，随机生成无意义且扭曲的文字，自己打脸自己。
这里的小字就糊成一团了
但总体来说，Ideogram让人惊喜，可以写对长句子，并且用上合适的字体和排版方式配合画面氛围，尽管目前还不能写中文，但如同鬼画符的几个字非常贴合衣服褶皱。
这四个字其实是“恭喜发财”
瑕不掩瑜，Ideogram的就业场景已经很多了。设计logo、海报、T恤图案时，它都可以作为灵感参考和创意辅助。
以前担心AI会“画画”和“摄影”，以后还怕AI有文化和会设计。
审美不输Midjourney，还是个表情包神器
AI的进步按天衡量，可能一觉醒来世界就发生了变化。虽然Ideogram表示自己的文本渲染能力最强，但对手们也不服输。
还未公开发布和开源的StableDiffusion3在2月官宣，改进了文字拼写能力。
StableDiffusion3的拼写能力
去年12月发布测试版的Midjourneyv6，是第一个具有可靠文本生成功能的Midjourney版本。
不过，它的要求也依然比较苛刻，除了必须把文字放在引号内，提示词最好解释文本的位置和书写方式，并用到“印刷”“写下”等关键词，一到两个词的文本生成效果最好。
Midjourneyv6的文本生成功能
被追赶的Ideogram团队不慌，认为优势在我，Ideogram仍然拥有更高的准确率，并且能够处理复杂的长句。
Ideogram的系统评估也表明，Ideogram1.0渲染文本的准确性最高，与DALL·E3等其他模型相比，错误率降低了近2倍。
光说不练假把式，不如拿相同的提示词，让Ideogram1.0和MidjourneyV6、DALL·E3同台竞技。
先来比较生成文本的准确度，我要求AI们绘制一幅浮世绘风格的日出插图，《飘》的经典台词“明天又是新的一天”放置在合适的位置，表现希望和新生。
这次，Ideogram完胜，拼写准确，线条和色彩的设计也很大胆和出众。
向来差点艺术细胞的DALL·E竟然意外得有质感，文字基本对了但没完全对，画风更加抽象，Midjourney不仅文字不准确，审美也落了下风，甚至没有认真听题。
左为DALL·E，右为Midjourney
二是比拼造梗能力，Ideogram官方特意提到了生成表情包的功能，借助“魔法提示”，AI会发挥自己的想象力扩写提示词，配上文案，让图片有感情色彩。
我想看AI能不能生成打工猫表情包，于是输入了提示词：“画一个有趣的梗图，关于一只戴着领结和衬衫、在电脑前打字的泪流满面的猫，比喻人类打工的辛苦。”
Ideogram发挥脑洞，自觉地加了句文案“猫也得工作”。
美中不足的是多了个“have”，前爪的指头数量也不对，看来AI不仅仅对人手犯难，拿猫爪也没辙。对比原版表情包，算是中规中矩，不能像“流泪猫猫头”一击即中。
左为网图，右为Ideogram
Midjourney的猫严肃且优雅，仿佛是个已经财富自由的作家，看起来更像在拍杂志写真，但这鼠标不知道怎么回事。
左为Midjourney，右为DALL·E.
DALL·E情感最为到位，画风虽然随意了些，但粗糙有粗糙的好处，仿佛不在一个图层的面条泪有内味了，真的很适合拿来当表情包用。
三是对复杂的长提示词的理解能力，尤其是提示词的元素是否齐全、出现的位置是否准确，所以我输入了比较啰嗦的提示词，规定了各个主体的位置。
Ideogram在整体构图上表现得更好，提示词说到的几个要点都覆盖了，心形牌子、机器人、宇航员、气球和奖牌都有，虽然宇航员的手、奖牌的字等细节出了问题。
相比之下，Midjourney更有艺术感，但要素缺失，又多了些有的没的装饰，更有自己的想法和个性，DALL·E不仅要素缺失，细节出错，还不好看。
上为Midjourney，下为DALL·E.
所以抛开文字，光看出图质量，Ideogram也不差，有时候对提示词里各个物体空间关系的还原，比其他AI还要更加准确。
从使用体验来说，Ideogram的生成速度比Midjourney快，一般十几秒就能完成四张图片。
甚至根据行业的评估规则，人类评估者在提示对齐、图像连贯性、整体偏好和文本渲染质量方面，更喜欢Ideogram1.0，而不是DALL·E3和MidjourneyV6。
哪怕你不满意Ideogram生成的图，把它的魔法提示词拿去用，在Midjourney和DALL·E的生成效果，可能也比自己手搓更好，不失为一种优化提示词的方式。
没人能在我的BGM里打败我，但同个提示词给不同AI使用，胜负还真不一定。
Google工程师创办的明星公司，接地气的AI产品
Ideogram成立于去年8月，今年2月推出最新的模型Ideogram1.0。
这又是一家明星公司，创始团队共7人，来自GoogleBrain、加州大学伯克利分校、卡内基梅隆大学和多伦多大学，其中4位是Google文生图扩散模型Imagen研究论文的作者。
谨小慎微的Google经常在推出产品时慢半拍，多次眼睁睁看着对手在全球声名大噪，聊天机器人被ChatGPT抢先，Imagen也被DALL·E2超车。
从工程师们的角度看，研究成果无法落地为面向消费者的应用并非好事。不少人选择了离开，亲自打造新的产品，尽量开放使用，先积累下用户规模和口碑。
Ideogram一天25次提示词的免费额度，可能也是出于这样的考虑。
市场很看好这个产品，Ideogram完成了硅谷风投a16z领投的8000万美元A轮融资，投资者中还有AI大神，包括Google首席科学家JeffDean、OpenAI创始团队成员AndrejKarpathy。
其实在体验了很多AI产品之后，我暗暗有一个疑问：怎么定义一款产品好用性？
Ideogram生成的T恤图案
之前让我觉得好用的，是插件“沉浸式翻译”，它不像Google翻译覆盖原文，可以中英文对照，不仅是新闻网页，X信息流、YouTube字幕、PDF文件，都能用上。
Ideogram似乎也是这样接地气。一方面，它可以更加精准地生成用户所需的文字内容，并适配各种风格的图片。另一方面，它也能无中生有，为图片配上契合的文字，比如表情包。
虽然Ideogram生成的结果很多也不能拿来就用，但至少基本符合提示词要求，文字大多可读。
我也在体验中发现，Ideogram的写实类图片一般，但涂鸦、插图、绘画方面不错，艺术天赋向Midjourney看齐。
Ideogram的官网还有各种作品的热度排行榜。打开网站的瞬间，你仿佛误入了一个ins风的图片社区，上面的提示词也都可以学习。
当AI工具兼具了创意、便利和分享，就很容易让人上头，具体的表现是，一天的25次提示词很快用完，这焦急的感觉，和等待Suno的积分更新差不多。
如果是每月7美元或者16美元的会员，除了更多生成次数，Ideogram还提供了图像上传和编辑器的功能。
图像上传指的是，用户上传自己的图片，然后通过Remix功能再创作。
左为原图，右为输出
编辑器除了裁剪、缩放等常规功能，还有一个很有意思的绘图工具，从一幅抽象的图画生成图片。人类的画工粗糙勾勒各个元素的形状、构图、颜色等，AI负责化腐朽为神奇，有些神笔马良的既视感。
Ideogram能从血雨腥风里杀出，好用当然是最重要的，同时它的定位也很准确。
如果美学是最重要的标准，那么Midjourney一骑绝尘。虽然DALL·E的水平时好时坏，但内置于ChatGPT调用方便，开源的StableDiffusion则带来了自由。
单论用户规模，Ideogram可能哪个都打不过，但它的长板做得很好，应当也能收获自己稳固的受众。
至少免费可用的AI图像生成器里面，Ideogram的整体质量领先，网页使用方便，提供免费额度，文本渲染强大，魔法提示功能和创作者社区提供创意和灵感。
文生图模型们还远非完美，仍在努力地还原物理世界，或者向画家和设计师看齐。更多的Ideogram，或许仍能找到自己的一席之地。
这也正是AI竞争的残酷和魅力所在，不知道谁能笑到最后，但永远有新的对手瞄准阿喀琉斯之踵加入。
