El nuevo modelo de texto a imagen de código abierto de inteligencia artificial de Zhipu AI, CogView4, hace su debut oficial. CogView4 no solo alcanza los 600 millones de parámetros, sino que también admite completamente la entrada en chino y la generación de imágenes a partir de texto chino, y se le considera el primer modelo de código abierto capaz de generar caracteres chinos en imágenes. El punto más destacado de CogView4 es su capacidad para admitir indicaciones en chino e inglés, siendo especialmente bueno para comprender y seguir instrucciones complejas en chino, lo que lo convierte en una bendición para los creadores de contenido chino. Como el primer modelo de texto a imagen de código abierto capaz de generar caracteres chinos en imágenes, llena un vacío importante en el campo del código abierto.

La tecnología de generación de imágenes con IA está avanzando rápidamente, pero los modelos son cada vez más grandes, lo que hace que su entrenamiento y uso sean muy costosos para el usuario medio. Ahora, un nuevo framework de texto a imagen llamado "Sana" permite generar imágenes de ultra alta resolución de hasta 4096×4096 píxeles de forma eficiente y asombrosamente rápida, incluso en GPUs de portátiles. El diseño principal de Sana incluye: Autocodificador de compresión profunda: a diferencia de los autocodificadores tradicionales que solo comprimen imágenes 8 veces, el autocodificador de Sana...

El asistente de IA inteligente Doubao, de la compañía ByteDance, ha mejorado recientemente su capacidad de generación de imágenes a partir de texto. La nueva función permite a los usuarios generar imágenes con texto específico con una sola operación. El responsable del equipo de modelos grandes de Doubao señaló que el modelo de generación de imágenes a partir de texto de Doubao, mediante la integración de LLM (modelo de lenguaje grande) y DIT (tecnología de imagen digital), ha optimizado la capacidad de aprendizaje de datos en chino y, sobre esta base, ha reforzado la capacidad de generación de caracteres chinos, mejorando significativamente los resultados de la generación.

Esta semana, el equipo de Alibaba Cloud Tongyi Wanxiang lanzó el nuevo modelo de edición de imágenes ACE, diseñado para ofrecer a los usuarios un servicio de generación y edición de imágenes más conveniente e inteligente. Los usuarios solo necesitan instrucciones sencillas y coloquiales para generar o modificar imágenes, simplificando enormemente la complejidad de la edición de imágenes. Esta herramienta admite una amplia gama de escenarios de aplicación, incluyendo retratos estilizados, creación de storyboards y diseño de interiores. El modelo ACE no solo admite la generación de imágenes a partir de texto (texto a imagen), sino que también cuenta con una potente función de edición de imágenes. Los usuarios pueden realizar ediciones visuales controlables y modificar elementos a través de un diálogo.

La investigación más reciente del laboratorio Tongyi de Alibaba muestra que los modelos Diffusion Transformer de texto a imagen existentes ya poseen la capacidad de generar múltiples imágenes con relaciones específicas; solo necesitan un ligero "empujón" para "integrar" y generar conjuntos de múltiples imágenes de alta calidad. Los modelos de difusión tradicionales son más como estudiantes que "memorizan", que necesitan entrenamiento con una gran cantidad de datos para generar imágenes de alta calidad. Pero con IC-LoRA, se convierten en estudiantes "brillantes" que pueden "aplicar lo aprendido", solo necesitan

Baidu Input ha anunciado una actualización completa de su asistente de creación de IA para todas las escenas, "Chao Hui Xie", que integra varias funciones como creación de IA, chat de IA y preguntas y respuestas inteligentes de IA, fortaleciendo sus capacidades integrales como producto de IA para entrada de texto. Además, Baidu Input también ha lanzado nuevas funciones de creación multimodales como "texto a imagen", mejorando aún más la experiencia de creación de contenido de los usuarios en diferentes escenarios.

Stability AI, en colaboración con Amazon Web Services (AWS), ha introducido tres nuevos modelos de generación de imágenes a partir de texto en el servicio Amazon Bedrock para mejorar su posicionamiento comercial y competitividad en el mercado. Estos tres modelos —Stable Image Ultra, Stable Diffusion 3 Large y Stable Image Core— están diseñados para diferentes necesidades, ofreciendo desde la generación de imágenes de alta calidad hasta la producción rápida de imágenes a gran escala.

El 21 de agosto de 2024, el equipo de Ideogram lanzó con orgullo su modelo de texto a imagen de última generación: Ideogram 2.0. Esta importante actualización no solo ofrece a los usuarios acceso gratuito, sino que también introduce una serie de funciones y herramientas innovadoras, marcando un gran avance en la tecnología de texto a imagen.

La función "ImageFX" del modelo de texto a imagen Imagen 3 de Google ya está disponible para todos, ofreciendo una experiencia de interacción con indicaciones mejorada. Los usuarios solo necesitan introducir un texto descriptivo, y el sistema generará la imagen correspondiente y optimizará las indicaciones, ofreciendo varias opciones para mejorar el resultado. Además, Imagen 3 cuenta con una función de modificación local, que permite a los usuarios modificar partes de la imagen usando una herramienta de pincel y escribiendo descripciones, y el sistema generará automáticamente la imagen modificada, aumentando considerablemente la flexibilidad y comodidad de la generación de imágenes.

Desarrollado conjuntamente por investigadores de la Universidad de Hong Kong y ByteDance, LlamaGen es un método de generación de imágenes basado en el modelo autorregresivo Llama, que ha demostrado un potencial superior a los modelos de difusión tradicionales en el campo de la generación de imágenes. El lanzamiento de código abierto de LlamaGen ha recibido rápidamente casi 900 estrellas en GitHub. Este logro no solo demuestra la competitividad de los modelos autorregresivos en la generación de imágenes, sino que también aporta nueva vitalidad e impulso a la innovación en la comunidad de código abierto.

Recientemente, la organización de investigación de inteligencia artificial Artificial Analysis lanzó una nueva iniciativa llamada 'Artificial Analysis Text to Image Leaderboard & Arena' (tabla de clasificación y arena de texto a imagen) con el objetivo de evaluar exhaustivamente el rendimiento de estos modelos.

Generative AI by iStock: Getty Images y Nvidia se asocian para lanzar Generative AI by iStock. Pensada para pequeñas y medianas empresas (PYMEs): Esta plataforma busca ayudar a las PYMEs a obtener las fotos que necesitan de manera más eficiente, ofreciendo planes de uso individual o para un solo usuario. Precios y protección legal: La plataforma ofrece un paquete de 100 generaciones por 14.99 dólares, generando cuatro imágenes por cada solicitud.

Microsoft ha añadido un botón Cocreator a la aplicación Paint en Windows 11. La función de generación de imágenes de Cocreator se basa en el modelo DALL-E 3 de OpenAI. Todos los usuarios pueden utilizar esta tecnología de generación de IA en Microsoft Paint. Microsoft está integrando la función de generación de imágenes a partir de texto de DALL-E 3 en varios de sus productos.

Microsoft está probando una herramienta de creación de imágenes a partir de texto impulsada por DALL-E en la aplicación Paint de Windows 11. Los usuarios podrán generar imágenes artísticas escribiendo descripciones de texto. Paint Cocreator permite a los usuarios seleccionar un estilo artístico y generar ejemplos de imágenes. Los usuarios también pueden editar las imágenes añadiendo capas, entre otras opciones. Paint Cocreator se está lanzando actualmente como versión preliminar para los usuarios de Windows Insider.

'1. Se informa que Microsoft podría integrar una función de IA en el Paint de Windows 11. 2. La nueva función, impulsada por Bing Image Creator, permite generar imágenes a partir de descripciones. 3. Se puede introducir texto en la barra lateral y la IA creará una imagen según la descripción.'