AI इमेज जनरेशन तकनीक तेज़ी से विकसित हो रही है, लेकिन मॉडल का आकार लगातार बढ़ता जा रहा है, जिससे सामान्य उपयोगकर्ताओं के लिए प्रशिक्षण और उपयोग की लागत बहुत अधिक हो गई है। हाल ही में, एक नया टेक्स्ट-टु-इमेज फ्रेमवर्क 'सना' उभरा है, जो 4096×4096 रिज़ॉल्यूशन तक की अल्ट्रा-एचडी इमेजेस को प्रभावी ढंग से उत्पन्न कर सकता है, और इसकी गति आश्चर्यजनक है, यहां तक कि यह लैपटॉप के GPU पर भी चल सकता है। सना की मुख्य डिजाइन में शामिल हैं: डीप कॉम्प्रेशन ऑटोएन्कोडर: पारंपरिक ऑटोएन्कोडर की तुलना में, जो केवल 8 गुना छवि संकुचन करता है, सना द्वारा उपयोग किए जाने वाले ऑटोएन्कोडर का डिजाइन बहुत अधिक है।

हाल ही में, एनवीडिया ने एक ओपन-सोर्स इमेज जनरेशन मॉडल साना लॉन्च किया, जिसमें केवल 0.6 करोड़ पैरामीटर हैं, जिससे इसे चलाने की बाधाएं काफी कम हो गई हैं। जानकारी के अनुसार, साना 4096×4096 रिज़ॉल्यूशन की इमेज बना सकता है और इसे 16 जीबी की ग्राफिक्स कार्ड पर चलाया जा सकता है, 1024×1024 रिज़ॉल्यूशन की उच्च गुणवत्ता वाली इमेज बनाने में 1 सेकंड से भी कम समय लगता है, जो इसे समान मॉडल में अद्वितीय बनाता है। साना की कार्यप्रणाली डीसी-एई (डुअल चैनल ऑटोएन्कोडर) तकनीक पर निर्भर करती है, जो 32 गुना संभाव्यता का उपयोग करती है।

शंघाई स्टेप स्टार्स इंटेलिजेंट टेक्नोलॉजी कंपनी ने हाल ही में घोषणा की कि उनके इमेज जनरेशन मॉडल स्टेप-1X श्रृंखला में बड़ा अपग्रेड हुआ है, और अधिक शक्तिशाली स्टेप-1X-मीडियम संस्करण लॉन्च किया गया है। इस अपग्रेड संस्करण ने कई क्षेत्रों में महत्वपूर्ण सुधार किए हैं: MMDit आर्किटेक्चर के आधार पर, उत्पादन गति में 30% से अधिक वृद्धि हुई है; लक्षित प्रशिक्षण के बाद, नए संस्करण की समझ और टेक्स्ट-इमेज संगति में अधिक ताकत है, और उत्पन्न छवियों की विवरण गुणवत्ता अधिक स्वाभाविक है।

टेक्स्ट-आधारित स्टाइल ट्रांसफर इमेज सिंथेसिस क्षेत्र में एक महत्वपूर्ण कार्य है, जिसका उद्देश्य संदर्भ छवि की शैली को टेक्स्ट संकेत द्वारा वर्णित सामग्री के साथ मिलाना है। हाल ही में, टेक्स्ट से इमेज जनरेशन मॉडल में महत्वपूर्ण प्रगति हुई है, जो अधिक फाइन ट्यून स्टाइल ट्रांसफर को सक्षम बनाता है, जबकि सामग्री की उच्च निष्ठा बनाए रखता है। यह तकनीक डिजिटल पेंटिंग, विज्ञापन और गेम डिज़ाइन जैसे क्षेत्रों में巨大实用价值 रखती है। हालांकि, मौजूदा स्टाइल ट्रांसफर तकनीक में कुछ कमी हैं, मुख्य चुनौतियाँ शामिल हैं: स्टाइल ओवरफिटिंग: मौजूदा मॉडल संदर्भ छवि के सभी तत्वों की नकल करने की प्रवृत्ति रखते हैं।

स्पेनिश आर्टिफिशियल इंटेलिजेंस स्टार्टअप Magnific AI ने हाल ही में अपने नवीनतम इमेज जनरेशन मॉडल — Super Real का आधिकारिक रूप से लॉन्च किया। यह मॉडल आर्किटेक्चर, इंटीरियर्स, फिल्म और फोटोग्राफी जैसे पेशेवर क्षेत्रों के लिए उच्च गुणवत्ता, यथार्थवादी इमेज जनरेशन सेवाएं प्रदान करने के लिए डिज़ाइन किया गया है। उपयोगकर्ता बस Magnific AI की वेबसाइट पर जाकर इस अपेक्षित उपकरण को पा सकते हैं। इस फ़ीचर को सक्रिय करने का तरीका बहुत सरल है, बस Mystic > Model > Super Real में जाएं।

AI इमेज जनरेशन प्लेटफार्म Ideogram ने हाल ही में एक नई सुविधा पेश की है - बैच इमेज जनरेशन टूल, जो उपयोगकर्ताओं को एक्सेल जैसी फ़ाइलों (जिसमें संकेत शब्द और सेटिंग्स शामिल हैं) को अपलोड करके बड़े पैमाने पर इमेज जनरेशन की अनुमति देता है। यह नवोन्मेषण सुविधा इमेज जनरेशन प्रक्रिया को सरल बनाने के लिए बनाई गई है, कार्य कुशलता में काफी वृद्धि करती है, और पेशेवर डिज़ाइनरों और रचनात्मक लोगों के लिए एक सुविधाजनक क्रिएटिंग अनुभव लाती है। चित्र स्रोत नोट: छवि AI द्वारा उत्पन्न की गई है, छवि授权 सेवा प्रदाता Midjourney द्वारा बैच में उत्पन्न: एक-एक करके इनपुट करने की छुट्टी, कुशलता में वृद्धि।

मिडजर्नी एक लोकप्रिय एआई इमेज जनरेशन स्टार्टअप है, जिसमें 2100万人 से अधिक डिस्कॉर्ड उपयोगकर्ता हैं। हाल ही में, कंपनी ने "पैचवर्क" नामक एक नया वर्ल्ड बिल्डिंग टूल लॉन्च करने की घोषणा की, जो उनकी इमेज क्रिएशन से अधिक जटिल रचनात्मक सहयोग के क्षेत्र में विस्तार को दर्शाता है। "पैचवर्क" को मिडजर्नी के डिस्कॉर्ड चैनल पर लाइव प्रदर्शित किया गया, उपयोगकर्ताओं को अपने मिडजर्नी डिस्क

हाल ही में, अलीबाबा ने अपने नवीनतम विकसित इमेज जनरेशन मॉडल Qwen2vl-Flux को ओपन-सोर्स करने की घोषणा की, जो न केवल संपादन, फ्यूजन और मिश्रण जैसी कई सुविधाएँ प्रदान करता है, बल्कि उपयोगकर्ता द्वारा इनपुट की गई इमेज या टेक्स्ट के आधार पर उच्च समानता वाली नई इमेज भी जनरेट कर सकता है। Qwen2vl-Flux शक्तिशाली इमेज चेंजिंग क्षमताएँ प्रदान करता है। उपयोगकर्ताओं को केवल एक इमेज इनपुट करनी होती है, बिना किसी टेक्स्ट संकेत के, और मॉडल मूल इमेज के आधार पर कई समान इमेज जनरेट कर सकता है। उदाहरण के लिए, यदि उपयोगकर्ता एक व्यक्ति की फोटो अपलोड करता है, तो मॉडल विभिन्न कोणों से कई छवियाँ उत्पन्न कर सकता है।

प्रसिद्ध AI इमेज जनरेशन टूल FLUX1.1Pro ने एक महत्वपूर्ण अपडेट प्राप्त किया है, नया संस्करण FLUX1.1Pro Ultra पेश किया गया। नया संस्करण अधिकतम 4 मेगापिक्सल रिज़ॉल्यूशन का समर्थन करता है और उत्पन्न करने की गति काफी बढ़ गई है, हर इमेज केवल लगभग 10 सेकंड में पूर्ण हो जाती है। FLUX1.1Pro Ultra अल्ट्रा मोड और रॉ मोड दो मोड प्रदान करता है, जो उपयोगकर्ताओं की स्पष्टता और वास्तविकता की विभिन्न आवश्यकताओं को पूरा करता है। अल्ट्रा मोड में, उपयोगकर्ता अति उच्च रिज़ॉल्यूशन इमेज उत्पन्न कर सकते हैं।

हाल ही में, Canva ने कई नई AI सुविधाएँ पेश की हैं, जिनमें सबसे उल्लेखनीय इसका नया इमेज जनरेशन टूल - 'Dream Lab' है। यह टूल Canva द्वारा जनित एआई स्टार्टअप Leonardo.ai के अधिग्रहण के बाद पेश किया गया, जो Leonardo के Phoenix मॉडल का उपयोग करता है (जिसे Adobe के Firefly AI से भ्रमित नहीं होना चाहिए)। उपयोगकर्ता अब विभिन्न शैलियों की छवियाँ उत्पन्न करने के लिए वर्णन का उपयोग कर सकते हैं, जैसे कि

जिज्ञान अनुसंधान संस्थान ने अपने नवीनतम मल्टी-मॉडल वर्ल्ड मॉडल Emu3 का आधिकारिक रूप से विमोचन किया, जिसमें इसकी सबसे बड़ी विशेषता यह है कि यह केवल अगले टोकन की भविष्यवाणी की क्षमता पर आधारित है, जो टेक्स्ट, इमेज और वीडियो जैसे तीन विभिन्न मोड में समझने और उत्पन्न करने में सक्षम है। इमेज जनरेशन के क्षेत्र में, Emu3 दृश्य टोकन की भविष्यवाणी के अनुसार उच्च गुणवत्ता वाली छवियों का निर्माण कर सकता है। इसका मतलब है कि उपयोगकर्ता लचीली रिज़ॉल्यूशन और विविध शैलियों की उम्मीद कर सकते हैं। जबकि वीडियो जनरेशन के मामले में, Emu3 पूरी तरह से नए तरीके से काम करता है, जो अन्य मॉडलों से भिन्न है।

NVIDIA ने MIT और Tsinghua विश्वविद्यालय के शोधकर्ताओं के सहयोग से Sana नामक एक नई टेक्स्ट से इमेज जनरेशन फ्रेमवर्क विकसित की है, जो 4096×4096 रिज़ॉल्यूशन तक की इमेज को कुशलता से उत्पन्न करने में सक्षम है। Sana का उपयोग करते हुए, उच्च गुणवत्ता वाली और टेक्स्ट के साथ अत्यधिक संगत उच्च रिज़ॉल्यूशन इमेज को बेहद तेज़ गति से आज़माया जा सकता है, और यह लैपटॉप के GPU पर भी काम कर सकता है। Sana के मुख्य डिज़ाइन में शामिल हैं: गहरी संकुचन स्वचालित एन्कोडर: पारंपरिक स्वचालित एन्कोडर के विपरीत, जो केवल इमेज को 8 गुना संकुचित करते हैं, Sana द्वारा प्रशिक्षित स्वचालित एन्कोडर

हाल ही में, Nvidia और तेल अवीव विश्वविद्यालय के शोधकर्ताओं ने ComfyGen नामक एक नवीन AI उपकरण लॉन्च किया है, जिसने इमेज जनरेशन क्षेत्र में एक नया मोड़ दिया है। ComfyGen सरल टेक्स्ट प्रॉम्प्ट्स के आधार पर जटिल इमेज वर्कफ़्लो को स्वचालित रूप से उत्पन्न कर सकता है, जिससे उच्च गुणवत्ता वाली इमेज जनरेशन की प्रक्रिया बहुत आसान हो गई है। ComfyGen का मुख्य लाभ इसके बहु-चरण वर्कफ़्लो दृष्टिकोण में है। पारंपरिक एकल मॉडल टेक्स्ट-टू-इमेज विधियों के विपरीत, ComfyGen बुद्धिमानी से उपयुक्त मॉडल का चयन कर सकता है।

Getty Images और NVIDIA ने एक उन्नत AI इमेज जनरेशन टूल लॉन्च किया है, जो 6 सेकंड में 4 इमेज बनाने की गति प्रदान करता है, जो पिछले संस्करण की तुलना में दोगुनी तेज है। नया मॉडल NVIDIA Edify आर्किटेक्चर का उपयोग करता है, जिससे आउटपुट की गुणवत्ता में काफी सुधार होता है, लंबे निर्देश इनपुट का समर्थन करता है, इमेज़ को बढ़ाने का प्रभाव बेहतर होता है और मॉडल को ट्यून करने की क्षमता बढ़ी है। टूल में एक नया AI इमेज संशोधन फीचर जोड़ा गया है, जिससे उपयोगकर्ता उत्पन्न AI इमेज और पूर्व-शूट की गई रचनात्मक इमेज को संशोधित कर सकते हैं, जिसमें तत्वों को जोड़ना या बदलना, कैनवास का विस्तार करना आदि शामिल हैं। यह फीचर iStock पर उपलब्ध हो गया है और जल्द ही अन्य प्लेटफार्मों पर भी आ रहा है।

एलन मस्क की xAI कंपनी ने नए AI मॉडल Grok-2 और Grok-2mini जारी किए, जो अंतर्ज्ञान क्षमता को उल्लेखनीय रूप से बढ़ाते हैं, इमेज बनाने और AI संचालित फीचर्स के लिए उपयोगी होते हैं। Grok-2, Grok-1.5 का एक महत्वपूर्ण उन्नयन है, जिसमें चैट, कोडिंग और अंतर्ज्ञान के क्षेत्र में नई सुविधाओं को प्रभावशाली ढंग से प्रदर्शित किया गया है। Grok-2mini छोटा और शक्तिशाली है। टेस्ट संस्करण X प्लेटफॉर्म के प्रीमियम और प्रीमियम+ उपयोगकर्ताओं के लिए उपलब्ध है। नई सुविधाएं खासकर इमेज जनरेशन क्षमताओं के कारण ध्यान आकर्षित कर रही हैं, इसका उपयोग राजनीतिक हस्तियों की छवियों को जनरेट करने के लिए किया गया है।

Flux एक AI इमेज जनरेशन उपकरण है, जिसने हाल ही में अपने यथार्थवादी जोड़े की तस्वीरों के कारण इंटरनेट पर हलचल मचाई है। इन तस्वीरों में विवरण, रोशनी, बनावट और बालों के मामले में इतनी यथार्थता है कि ये असली और नकली के बीच का फर्क मिटा देती हैं, चाहे किसी भी दृश्य में हों। हालाँकि, नेटिज़न्स की बारीकी से जांच करने पर कुछ छोटे दोष जैसे अंगूठी की कमी और हार की खामियाँ सामने आईं, लेकिन इसने Flux द्वारा बनाई गई तस्वीरों की लोकप्रियता को प्रभावित नहीं किया। कुछ लोगों ने तो Flux,可灵AI और synclabs का उपयोग करके आश्चर्यजनक Yo बनाया।

एप्पल इंक. ने हाल ही में Matryoshka Diffusion Models (MDM) नामक एक नवीन इमेज और वीडियो जनरेशन तकनीक पेश की है, जिसे मात्रीयोशका विसरण मॉडल के रूप में जीवंत तरीके से कहा गया है। MDM एक अभिनव दृष्टिकोण अपनाता है, जिसमें विभिन्न संकल्पों पर एक साथ इमेज को संसाधित किया जाता है, जो कम स्पष्टता के स्केच से उच्च स्पष्टता के विवरण तक निर्बाध रूप में निर्माण को सक्षम बनाता है, जिसकी मुख्य तकनीकी अवधारणा रूसी मात्रीयोशका के समान है, प्रत्येक स्तर में एक छोटा लेकिन पूरी तरह से कार्यात्मक उपसंरचना शामिल होता है। इस नवोन्मेषी विधि की केंद्रीय आर्किटेक्चर को NestedUN कहा जाता है।

PanoFree एक नवोन्मेषी मल्टी-एंगल इमेज जनरेशन तकनीक है जो बिना ट्यूनिंग के लंबी छवियों, 360-डिग्री पैनोरमा, और स्काई बॉक्स चित्रों सहित मल्टी-एंगुलर पैनोरमा छवियों को बनाने की अनुमति देती है। इसका मूल लक्ष्य पुनरावृत्त विकृति और मरम्मत प्रक्रिया के माध्यम से निर्माण प्रक्रिया के दौरान संगति मुद्दों और कलंक की समस्याओं को हल करना और अंतर-व्यू संवेदनशीलता को बढ़ाना है। PanoFree अंतर-व्यू मार्गदर्शन, जोखिम क्षेत्र के अनुमान, मिटाने और समलिंगी द्विदिश मार्गदर्शन जैसी तकनीकों का उपयोग करता है, जो मार्गदर्शित मौलिक संरचना और घनत्व नियंत्रण के साथ संयोजन करता है, दृश्य संरचना के संरक्षण को सुनिश्चित करने के लिए। प्रयोग बताते हैं कि PanoFree में त्रुटि...

देश का प्रमुख AI इमेज जनरेटिंग प्लेटफ़ॉर्म LiblibAI ने पिछले एक वर्ष में तीन फंडिंग राउंड पूरे किए हैं, जिसमें कुल राशि कई करोड़ RMB तक पहुँच गई है, जो देश में AI इमेज ट्रैक की अधिकतम कुल फंडिंग रिकॉर्ड स्थापित करती है। इन तीन फंडिंग राउंड में से पहला एंजल राउंड है जिसमें स्रोत कैपिटल, हाई रॉन्ग वेंचर और जिंशाजींग वेंचर ने निवेश किया, दूसरा राउंड रणनीतिक निवेशक द्वारा नेतृत्व किया गया, और तीसरा राउंड मिंगशि कैपिटल द्वारा नेतृत्व किया गया, पुराने शेयरधारकों ने कई राउंड में निरंतर समर्थन दिया। युआनशि कैपिटल कई फंडिंग राउंड मेंएक्सक्लूसिव फाइनेंशियल एडवाइज़र के रूप में कार्यरत था।

AI क्षेत्र में नई प्रगति: टीम ने Motion-I2V फ्रेमवर्क विकसित किया है, जो इमेज से वीडियो जनरेशन को अधिक संगत और नियंत्रित करने के लिए तैयार किया गया है। इस प्रक्रिया को भविष्यवाणी गति क्षेत्र और सामग्री प्रवाह के दो चरणों में विभाजित करके और प्रसार पर आधारित गति क्षेत्र भविष्यवाणी तंत्र को पेश करके, इस फ्रेमवर्क ने वीडियो जनरेशन की गुणवत्ता और उपयोगकर्ता नियंत्रण अनुभव में उल्लेखनीय सुधार किया है। Motion-I2V उपयोगकर्ताओं को लेबल करने के माध्यम से गति और सेटिंग्स को सटीक रूप से नियंत्रित करने की अनुमति देता है, अनुभव को बढ़ाता है। इसके दो प्रमुख लाभ हैं: गति की संगति में सुधार करना और जटिल गति गति को पार करना, साथ ही ऐतिहासिक तकनीक के उपयोग के दायरे का विस्तार करना।