Midjourney, DALL-E ή FLUX: ποιο εργαλείο ζωγραφίζει χέρια χωρίς λάθη και γράμματα που διαβάζονται;

Φανταστείτε ότι ετοιμάζετε μια αφίσα για τη γιορτή του συλλόγου σας. Θέλετε μια φωτογραφία με ένα χέρι να κρατά ένα ποτήρι, και πάνω στο ποτήρι να γράφει «Καλώς ήρθατε». Γράφετε την περιγραφή, πατάτε το κουμπί και περιμένετε. Σε λίγα δευτερόλεπτα βλέπετε το αποτέλεσμα: το χέρι έχει έξι δάχτυλα και η λέξη έχει γίνει «Καλώο ήρθατ». Αυτό το μικρό ατύχημα εξηγεί γιατί τα τρία δημοφιλή εργαλεία της αγοράς δεν είναι όλα ίδια.

Το Midjourney, το DALL-E και το FLUX δέχονται όλα μια γραπτή περιγραφή και επιστρέφουν μια εικόνα. Η διαφορά βρίσκεται στο τι κάνει το καθένα καλύτερα. Το Midjourney ξεχωρίζει στο φως και στις υφές, το DALL-E καταλαβαίνει καλύτερα περίπλοκες προτάσεις μέσα στη συνομιλία, και το FLUX έχει το πιο σταθερό χέρι στα δάχτυλα και στα γράμματα.

Πώς μια περιγραφή γίνεται εικόνα

Όταν γράφετε «ένα ζεστό δωμάτιο με ένα τραπέζι και ένα ποτήρι κρασί», το πρόγραμμα δεν ψάχνει σε κάποια αποθήκη φωτογραφιών. Ξεκινά από έναν θόρυβο, σαν χιόνι σε παλιά τηλεόραση, και τον καθαρίζει βήμα προς βήμα. Σε κάθε βήμα κοιτάζει την περιγραφή σας και αποφασίζει ποια σημεία του θορύβου να σβήσει, ώστε να εμφανιστεί σιγά σιγά το τραπέζι, το ποτήρι και το φως. Όταν τελειώσει, αυτό που μένει είναι μια καινούργια εικόνα, όχι αντίγραφο κάποιας άλλης.

Η διαδικασία αυτή ονομάζεται «διάχυση» (diffusion), επειδή μοιάζει με την αντίστροφη πορεία της κηλίδας που απλώνεται στο νερό. Στην πράξη, όμως, αυτό που μετράει για εσάς είναι τι βγαίνει στο τέλος: μοιάζει το δέρμα αληθινό, κρατούν τα δάχτυλα τη σωστή θέση, διαβάζεται η λέξη στη πινακίδα;

Τι κάνει καλύτερα το καθένα

• Midjourney: δίνει την πιο κινηματογραφική εικόνα, με φυσικό φωτισμό και λεπτομέρειες σε δέρμα και ύφασμα. Είναι η επιλογή όταν θέλετε ατμόσφαιρα και όχι ακρίβεια σε γράμματα.
• DALL-E (ChatGPT): δουλεύει μέσα στη συνομιλία. Του εξηγείτε με απλά λόγια τι θέλετε, του ζητάτε αλλαγές («πιο φωτεινό», «χωρίς το ποτήρι») και εκείνο προσαρμόζεται. Καταλαβαίνει ακόμη και μεταφορές, όπως «μια πόλη που κοιμάται».
• FLUX: κρατά καλύτερα τη γεωμετρία. Τα δάχτυλα και οι παλάμες βγαίνουν πιο σωστά, και οι λέξεις πάνω σε πινακίδες ή ρούχα εμφανίζονται με σωστή ορθογραφία πιο συχνά από τα άλλα δύο.

Αν λοιπόν η αφίσα σας έχει ένα χέρι και μια λέξη, το FLUX είναι ο πιο ασφαλής σύμμαχος. Αν θέλετε μια σκηνή που να μοιάζει βγαλμένη από ταινία, το Midjourney δίνει το πιο πλούσιο αποτέλεσμα. Και αν δεν ξέρετε ακριβώς τι θέλετε και θέλετε να το συζητήσετε, το DALL-E σας αφήνει να το παλέψετε μαζί του μέσα στο chat.

Πού ακόμη σκοντάφτουν

Κανένα από τα τρία δεν είναι αλάνθαστο. Ακόμη και το FLUX μπορεί να μπερδέψει μια δύσκολη λέξη ή ένα ασυνήθιστο σχήμα χεριού. Το Midjourney μπορεί να δώσει υπέροχο φως αλλά να θυσιάσει τη σαφήνεια ενός λογότυπου. Το DALL-E μπορεί να ακολουθήσει πιστά την περιγραφή αλλά να χάσει τη λεπτομέρεια στο δέρμα. Το πιο σημαντικό είναι να κοιτάτε το αποτέλεσμα με κριτικό μάτι: μεγεθύνετε στα σημεία που σας ενδιαφέρουν, ελέγξτε τα γράμματα και τα δάχτυλα, και μην εμπιστεύεστε την πρώτη εικόνα τυφλά.

Ένα άλλο σημείο που αξίζει προσοχή είναι η συνέπεια. Αν θέλετε το ίδιο πρόσωπο ή το ίδιο αντικείμενο σε πολλές εικόνες, κανένα εργαλείο δεν το εγγυάται απόλυτα. Μπορεί να χρειαστεί να δώσετε περισσότερες λεπτομέρειες, να δοκιμάσετε ξανά ή να διορθώσετε τη μία εικόνα με βάση την άλλη. Η τεχνητή νοημοσύνη βοηθά, αλλά ο ανθρώπινος έλεγχος παραμένει απαραίτητος.

Πώς να διαλέξετε χωρίς να χάσετε χρόνο

• Θέλετε φωτογραφικό, κινηματογραφικό ύφος με έμφαση στο φως και την ατμόσφαιρα; Δοκιμάστε πρώτα το Midjourney.
• Θέλετε να εξηγήσετε μια περίπλοκη ιδέα με λόγια και να την αλλάξετε στην πορεία; Το DALL-E μέσα στο ChatGPT είναι το πιο φιλικό.
• Θέλετε καθαρά γράμματα, λογότυπα ή σωστά χέρια; Ξεκινήστε από το FLUX.
• Σε κάθε περίπτωση, γράψτε την περιγραφή σαν να μιλάτε σε κάποιον που δεν σας βλέπει: πείτε τι, πού, με ποιο φως και τι διάθεση θέλετε.

Το εργαλείο δεν αποφασίζει μόνο του. Εσείς κρατάτε το τι θέλετε να πει η εικόνα, και εκείνο αναλαμβάνει το πινέλο. Όσο πιο καθαρή είναι η ιδέα σας, τόσο πιο πιθανό είναι να μη χρειαστεί να παλέψετε με έξι δάχτυλα και ανορθόγραφες λέξεις.