Imagen 4

Google DeepMind 近期推出的 Imagen 4 模型，作为其图像生成技术的最新迭代，正迅速成为行业焦点。该模型在提升图像的丰富性、细节精确度以及生成速度方面取得了显著进展，致力于将用户的想象力以前所未有的方式变为现实。目前，用户已能在 Gemini 、 Whisk 及 Vertex AI 等平台体验到 Imagen 4 的强大功能。

核心能力：真实感、清晰度与文本表现力的新高度

Imagen 4 在多个核心维度展现了其卓越性能。

首先是照片级真实感（Photo-realistic）。该模型能够生成栩栩如生的风景、植物、人物及动物图像，细节表现力极强，贴近真实生活。

其次是精细细节（Fine details）的捕捉。Imagen 4 能够呈现具有丰富色彩、纹理和渐变的特写镜头，图像质感仿佛触手可及。

再者是高级拼写与排版（Advanced spelling and typography）能力。这使得漫画、包装设计和收藏品等内容能够通过改进的拼写、更长的文本字符串以及全新的布局和样式焕发生机，这在许多AI图像工具中是一大进步。

此外，Imagen 4 还能以更高的准确性渲染多样化的艺术风格（Diverse art styles），从照片写实主义、印象派到抽象派和插画等，均能驾驭。

Imagen 4 的新特性：速度、创意与清晰度的三重提升

最新一代的 Imagen 4 带来了显著的功能改进：

• 超快选项（Ultra-fast option）：即将推出的这一模式，其速度预计比前代模型快高达10倍，能够让用户即时测试数十种创意想法。这无疑将极大提升创作效率。
• 实现您的愿景（Realize your vision）：通过增强的色彩、风格、细节和文本渲染，进一步拓展创意边界。
• 卓越清晰度（Exceptional clarity）：Imagen 4 专为创意而优化，可生成高达 2K 分辨率的图像，满足高质量输出需求。

技术规格与版本概览

以 imagen-4-0-generate-preview-05-20 (预览版) 和 imagen-4.0-ultra-generate-exp-05-20 (实验性超强版) 为例，我们可以一窥 Imagen 4 的技术实力。这些模型支持图像生成、预览数字水印及验证、用户可配置的安全设置、通过提示重写器增强提示以及人物生成（预览版功能）。

然而，当前版本（如 imagen-4-0-generate-preview-05-20）尚不支持使用少量样本学习自定义图片、产品/人物/宠物主体定制、样式定制、控管定制、指示定制或风格转换、以及多种高级图片编辑功能（如遮罩编辑、涂改、产品图编辑、提高分辨率）和负面提示。

图像比例和分辨率支持广泛：

• 1:1：1024×1024
• 3:4：896×1280
• 4:3：1280×896
• 9:16：768×1408
• 16:9：1408×768

提示语言支持多种主流语言，包括英文，以及预览版的简体中文、繁体中文、印地文、日文、韩文、葡萄牙文和西班牙文。

使用限制方面，例如 imagen-4-0-generate-preview-05-20 模型，每个项目的每分钟 API 请求数量上限为 20 项，每次请求返回的图片数量上限为 4 张（文本转图像生成），输入符号上限为 480 个符号。

基准测试与用户反馈

在测试中，用户对最新版 Imagen 的偏好度高于先前模型以及其他主流文本到图像模型。例如，在 GenAI-Bench 的人类评估中，Imagen 4 在总体偏好度 Elo 得分上表现优异。 Product Hunt 上的用户反馈也印证了其在排版、色彩和细节方面的提升。

创意局限性与持续改进

尽管 Imagen 4 表现出色，Google DeepMind 坦承其仍在努力改进关键功能。

• 事实表述：扩散模型本身不具备大型语言模型的真实世界知识储备。用户在处理复杂构图时，仍可能观察到伪影，尤其是在包含小面部、文本渲染和精细结构的图像中。
• 居中图像：Imagen 有时难以完美生成居中图像，例如将圆形精确对齐于图像中心。
• 难解提示：对于清晰的文本提示，Imagen 响应可靠，但面对无意义的提示（如表情符号或随机字符序列），输出结果可能难以预测。

安全与责任：内置 SynthID

Google DeepMind 强调通过广泛的过滤和数据标记来最大限度地减少数据集中的有害内容，并降低有害输出的可能性。同时，团队也针对内容安全（包括儿童安全）和表征进行了红队测试与评估。

Imagen 4 发布时搭载了最新的隐私、安全功能，其中包括 SynthID 工具。SynthID 能够将不可见的数字水印直接嵌入图像中，从而可以识别图像是否由 AI 生成。这一举措对于提升 AI生成内容的可追溯性和透明度至关重要。

提示工程的重要性

要充分发挥 Imagen 4 等 AI 图像生成模型的潜力，精确、细致的提示词至关重要。用户需要明确定义主体及其属性（包括独特细节和动作），指明环境或背景，期望的艺术风格（如照片写实、矢量艺术或特定艺术流派），以及预期的情绪或氛围。加入相机角度和构图元素等参数，能让生成结果更接近预期。结构化和描述性的语言是引导 AI 模型产生目标视觉内容的关键。

Google DeepMind 的 Imagen 系列模型，其核心在于利用大型 Transformer 语言模型对文本的深刻理解，并结合扩散模型在高保真图像生成方面的强大能力。Imagen 4 的推出，无疑为AIGC领域注入了新的活力，其在图像质量、创作工具集成以及对负责任AI的探索，都预示着未来AI图像生成的广阔前景。