Ideogram : le nouveau générateur d’images IA qui annihile la concurrence

Ideogram AI, une startup fondée par d’anciens ingénieurs de Google et des membres d’institutions prestigieuses telles que l’UC Berkeley, l’Université Carnegie Mellon et l’Université de Toronto, a annoncé la sortie de la première version complète de son générateur d’images éponyme.

« Nous sommes ravis de lancer Ideogram 1.0, notre modèle texte-image le plus avancé à ce jour », a déclaré Ideogram AI dans un article de blog officiel. « Formé de A à Z comme tous les modèles Ideogram, Ideogram 1.0 offre un rendu de texte de nouvelle génération, un photoréalisme sans précédent et un collage rapide, ainsi qu’une nouvelle fonctionnalité appelée Magic Prompt qui vous aide à rédiger des invites détaillées pour des images magnifiques et créatives. »

Le lancement s’accompagne de l’annonce d’une collecte de fonds de série A de 80 millions de dollars menée par Andreessen Horowitz, aux côtés de Redpoint Ventures, Pear VC et SV Angel.

Décrypter a pu tester le modèle et les affirmations d’Ideogram AI ne sont pas du tout exagérées ; Ci-dessous, nous vous montrons une comparaison détaillée de plusieurs modèles. La première version d’Ideogram constitue une nette amélioration par rapport à ses prédécesseurs v0.1 et v0.2 : elle excelle en termes de rapidité d’adhérence, de qualité d’image et de capacités de génération de texte.

Le modèle n’est pas open source, il y a donc une visibilité limitée sur son fonctionnement interne et aucun document de recherche à évaluer. Mais les résultats obtenus avec le modèle parlent d’eux-mêmes, en faisant potentiellement le meilleur modèle actuellement disponible, au moins jusqu’à ce que Stable Diffusion 3 soit rendu public.

Le nouveau modèle est sans doute le générateur d’images le plus performant en termes de capacités de texte, générant des chaînes de texte plus longues avec moins d’erreurs que Dall-E 3 ou MidJourney. Le niveau gratuit actuel lui donne également un avantage sur des concurrents comme Dall-E 3 et MidJourney, ce dernier ne proposant pas de niveau gratuit. Microsoft Copilot utilise également Dall-E 3, mais il ne produit que des images carrées au format 1:1, tandis qu’Ideogram prend en charge un ensemble plus large de formats d’image.

Ideogram propose également deux forfaits payants de 7 $ et 15 $ par mois, qui donnent accès à plus de 400 builds par jour, ainsi que d’autres avantages tels qu’un éditeur d’images, des téléchargements de meilleure qualité, img2img, qui permet des modifications ou des variations d’une image. générations existantes et privées. Tous les niveaux inférieurs affichent les images demandées publiquement.

Ideogram est capable de comprendre de longues instructions, de prendre en charge Stable Diffusion 3 et de battre tous les autres imageurs dans ce domaine.

L’une des fonctionnalités les plus remarquables d’Ideogram est « Instruction Magic », qui peut être activée et désactivée. Cette fonctionnalité analyse les instructions et les améliorations pour créer des images de meilleure qualité, donnant au modèle la possibilité de comprendre le langage naturel comme Dall-E 3. Cependant, Ideogram est plus polyvalent car cette fonctionnalité est facultative. Il est toujours activé avec ChatGPT Plus, ce qui entraîne parfois des inexactitudes.

Enfin, Ideogram est moins censuré que MidJourney et Dall-E 3, et est jusqu’à présent capable de générer des images de personnes célèbres, de logos d’entreprise et de styles artistiques. Il ne génère pas de contenu pornographique explicite, mais il peut être discret lorsqu’il s’agit de censurer ou d’éviter des sujets liés au sexe ou à la nudité, et il est plus discret lorsqu’il s’agit de censurer des indications.

Et les premiers utilisateurs semblent préférer Ideogram aux autres modèles. « En utilisant un protocole d’évaluation comme celui de DALL·E 3, nous avons constaté que les évaluateurs humains préfèrent Ideogram 1.0 à DALL·E 3 et Midjourney V6 en termes d’alignement des signaux, de cohérence de l’image, de préférence globale et de qualité de rendu du texte », a-t-il déclaré. la startup.

Comparaison côte à côte : Ideogram vs MidJourney vs Dall-E 3

Décrypter a testé les capacités d’Ideogram et les a comparées à ses principaux concurrents, MidJourney et Dall-E 3. Stable Diffusion 3 (SD3) et ImageFX avancé de Google ne sont pas évalués ici car SD3 n’est pas encore sorti et ImageFX n’est pas largement disponible.

Générer de longues chaînes de texte

Invite : un Android futuriste dans une ville Cyberpunk avec un panneau indiquant : « Ne soyez pas en retard pour la tendance de l’IA : Emerge by Decrypt »

Ideogram AI a réussi à représenter à la fois l’esthétique demandée et le texte. Cependant, il y avait une faute de frappe, générant « toi » au lieu de « le ».

MidJourney n’a pas pu générer de texte cohérent et s’est concentré sur la création d’un androïde futuriste détaillé. C’est le thème principal de toute la composition et la ville n’est pas du tout cyberpunk.

Dall-E 3 se trouve au milieu. Il a réussi à générer le robot futuriste, la ville est cyberpunk, mais le panneau ne comportait pas le mot « Emerge ».

Fait intéressant, Ideogram a compris que le robot se trouvait dans la ville et était associé au panneau, tandis que Dall-E supposait que le panneau faisait partie du paysage urbain.

Requêtes longues et capacités spatiales

Invite : Une scène surréaliste et intrigante avec un chat perché au sommet d’un téléviseur à côté d’un panneau indiquant « Emerge ». En arrière-plan, un androïde futuriste se tient d’un côté et un astronaute de l’autre. Les murs de la pièce sont ornés d’une image saisissante d’une molécule et d’un brin d’ADN.

Ideogram était de loin le meilleur générateur. Il a compris chaque partie de l’invite, généré le texte sans fautes de frappe, compris l’emplacement de chaque élément avec le chat au-dessus d’un téléviseur, le panneau à côté, l’androïde et l’astronaute de chaque côté, et a même compris qu’il devait y avoir Il y avait une molécule et un brin d’ADN au fond.

L’esthétique de MidJourney n’était pas surréaliste, mais hyperréaliste. Elle a généré le mot « Emerge », mais elle l’a placé sur la télévision et n’a pas généré le signe. Le chat est également à côté de la télévision et non pas dessus. Elle n’a pas généré l’androïde et n’a pas suivi les indications pour l’arrière-plan, mais en a généré un qui correspond mieux à l’esthétique de la composition, donnant plus d’importance au sujet (le chat) sur la scène en général.

Dall-E 3 a conservé son style caricatural caractéristique et n’a pas réussi à suivre complètement l’exemple. Il a plus de compréhension spatiale et d’adhésion aux signaux que MidJourney, mais beaucoup moins qu’Ideogram. Cependant, il perd en termes de style. Il a fait apparaître le chat sur le téléviseur, mais n’a pas réussi à faire apparaître le panneau « Emerge » à côté du chat. Il n’a pas généré l’androïde et n’a pas suivi l’invite lors de la génération de l’arrière-plan.

La censure

Indication : Une fille séduisante et sensuelle.

La demande n’inclut pas de propos qui pourraient être interprétés comme des discours de haine ou des insultes, et encore moins de contenu particulièrement sexuel. Après tout, une « fille chaude et sexy » peut être entièrement habillée et ne pas être sexualisée de manière agressive.

Ideogram AI a compris la demande et a généré une image qui suivait les instructions. Cependant, Ideogram dispose d’un modérateur IA qui s’active lorsque des mots plus évidents sont utilisés et conduisent immédiatement à une génération censurée (par exemple, des mots familiers pour les organes génitaux ou des tags comme nu, nu, etc.).

MidJourney et Dall-E 3 n’ont pas réussi à générer l’image et ont interdit les mots, même s’ils n’auraient pas conduit à une génération de contenu explicite.

Ideogram semble être davantage axé sur la censure, et il est possible de visualiser l’image générée, qu’il s’agisse d’un contenu explicite ou d’un autre contenu douteux, avant d’être supprimée par l’application.

Personnages célèbres et images protégées par le droit d’auteur

Invite : Joe Biden et Vladimir Poutine heureux, se tenant la main devant un mur avec le texte « Décrypter ».

L’intelligence artificielle d’Ideogram a généré l’image, le texte est correct, le décor est réaliste et les personnages sont facilement identifiables (même s’ils ne sont pas précis à 100 %).

Dall-E 3 a généré l’image, mais Biden n’est pas facilement identifiable et Trump ne peut être identifié que par sa coiffure emblématique. Le texte n’est pas correct et le décor n’est pas réaliste, mais plutôt caricatural.

MidJourney s’est opposé à la génération de l’image.

Conclusion

En conclusion, Ideogram AI s’impose comme le meilleur générateur d’images disponible sur le marché aujourd’hui. Avec une excellente compréhension du langage naturel, des capacités spatiales exceptionnelles et une réponse rapide, Ideogram peut être considéré comme le meilleur générateur de texte et d’images disponible aujourd’hui.

Si l’esthétique est la considération la plus importante, au point que la cohérence du texte est moins pertinente, alors MidJourney pourrait encore être un concurrent sérieux pour des cas d’utilisation spécifiques. Bien qu’il ne soit pas particulièrement robuste et fortement censuré, Dall-E 3 peut toujours avoir du sens dans le cadre d’un abonnement ChatGPT Plus.

En bref, Ideogram AI se positionne comme le leader parmi notre boîte à outils de génération d’images, du moins pour le moment.

Edité par Ryan Ozawa.