AI képgenerátor minden féle képhez.

Az AI képgenerátor írott leírásból hoz létre eredeti képeket, nem kamerából. Leírja a témát, a környezetet, a fényt és a képkivágást hétköznapi nyelven, a modell pedig egy soha nem létezett fotót szintetizál. Mivel valószínűsíthető pixeleket jósol, nem pedig egy tárolt fájlt hív elő, a kapott kép nem stockfotó, amit más is használ.

A körülötte használt szóhasználat zavaros, ezért érdemes egyenesen fogalmazni: az AI fotógenerátor, AI képgenerátor, AI image maker, AI fotókészítő, AI picture maker és a photo AI ugyanannak az eszközkategóriának a neve, ahogy minden olyan megoldás is, amely AI fotók készítését hirdeti. Az AI photo app jellemzően ugyanaz a generátor telefonos felülettel. A „photo” általában a fotórealisztikus célt jelzi, míg az „image” a realisztikus felvételektől az illusztráción és grafikai munkán át mindent lefed — valódi termékbeli különbség nincs mögöttük. A LaFoto a spektrum fotográfiai végére készült.

A legtöbb mai rendszer diffusion módszert használ. Tanítás közben a modell valódi fotókat vesz, lépésről lépésre vizuális zajt ad hozzájuk, amíg a kép statikussá nem válik, és megtanulja visszafordítani ezt a folyamatot. Képzés után tiszta zajból indulva denoise-lépésekkel közelít egy koherens kép felé.

A prompt a kormány. Egy nyelvi komponens számmal leírható jelentésre alakítja a szavait, és a modell minden denoise-lépésnél e jelentés felé tereli az éppen kialakuló képet. Elég lépés után a statikus zaj azzá a jelenetté áll össze, amit leírt. Ezért hívják a kategóriát szövegből képnek, illetve szövegből fotónak, ha kifejezetten fotórealisztikus a cél.

Két gyakorlati következmény fontos. Ugyanaz a prompt kétszer futtatva két különböző képet ad, mert az új kép mindig friss véletlen zajból indul — a seed rögzítése teszi ismételhetővé az eredményt. Az irányítási erősség pedig meghatározza, mennyire szó szerint követi a modell az utasításait: túl alacsonyan figyelmen kívül hagyja, túl magasra állítva merev, túltelített képet ad.

Akik a legjobb ingyenes AI képgenerátort keresik, valójában szűkebb dologra kérdeznek rá: melyik ingyenes szint használható tényleg. A legtöbb válasz csalódás: az ingyenes szint vízjelet tesz a letöltésre, két képnél limitál, vagy kizárja a kereskedelmi felhasználást — ez demó, csak barátságosabb névvel. Ugyanez igaz az „AI képgenerátor ingyen, regisztráció nélkül” ígéretre is. Az AI képgenerátor online, regisztráció nélkül jellemzően várólistát és vízjelet jelent, nem valódi hozzáférést.

A LaFoto teljesen online, böngészőben fut, nem kell telepíteni, és ingyenes útvonalon generál, vízjel nélkül a letöltött fájlon, a nyolc böngészős képeszköz — átméretező, konvertáló, tömörítő, kivágó, színválasztó, EXIF megtekintő, háttéreltávolító, prompt generátor — pedig egyáltalán nem igényel fiókot. Ami valóban pénzbe kerül, az a számítási kapacitás: a magas felbontás, a hosszú sorozatok és a nagy forrásképek. A fizetős szintek ezt fedezik, nem pedig mesterségesen visszatartott funkciókat oldanak fel.

A szövegből fotó üres vászonnal és leírással indul, a modell az egész jelenetet felépíti. Ez a helyes mód, ha nincs kiinduló anyaga — egy termék márvány pulton, egy nem létező helyszín, vagy egy portré, amely nem egy konkrét személyről készül.

Az AI fotószerkesztés meglévő képből indul, és annak egy részét módosítja: hátteret távolít el, tárgyat cserél, vagy a képet más képarányra bővíti. Az inpainting maszkolt területen belül szerkeszt; az outpainting az eredeti széleken túl generál. Az alapmodell ugyanaz, a lényegi különbség az, hogy éppen kitalál egy képet, vagy egy meglévőt őriz meg.

Gyakorlati szabály: alkosson, ha nincs semmije; szerkesszen, ha majdnem kész. Egyetlen hibás részlet javításához az egész kép újragenerálása az időpazarlás leggyakoribb módja egy AI képgenerátorban.