现在哪个应用文生图的效果最好？

即使与当前最流行的文生图应用Midjourney相比，DALL・E 3也能打个平手甚至超越Midjourney。而且与Midjourney相比，DALL・E 3不需要用户自己掌握复杂的Prompt编写知识，使用起来门槛更低。DALL・E 3 vs.Midjourney文生图效果。prompt：这幅插画描绘了一颗由半透明玻璃制成的人心，矗立在惊涛骇浪中的基座上。一缕阳光穿透云层，照亮了心脏，揭示了其中的小宇宙。地平线上镌刻着一行醒目的大字「Find the universe within you」。这一模型的发布引发了不小的轰动，也再次巩固了OpenAI技术领头羊的形象。一时间，所有人都很好奇，这么炸裂的效果是怎么做到的？不过，令人失望的是，当时OpenAI并没有透露技术细节，就像之前发布GPT-4时一样。不过，一个月后，OpenAI还是给了大家一些惊喜。在一份篇幅达22页的论文中，他们阐述了针对DALL・E 3所做的改进。论文要点包括：模型能力的提升主要来自于详尽的图像文本描述（image captioning）；他们训练了一个图像文本描述模型来生成简短而详尽的文本；他们使用了T5文本编码器；他们使用了GPT-4来完善用户写出的简短提示；他们训练了一个U-net解码器，并将其蒸馏成2个去噪步骤；文本渲染仍然不可靠，他们认为该模型很难将单词token映射为图像中的字母除了论文之外，OpenAI还公布了一个重要消息：DALL・E 3已经正式上线ChatGPT，Plus用户和Enterprise用户都可以使用。以下是机器之心的试用效果：

定主题：你需要生成一张什么主题、什么风格、表达什么信息的图。选择基础模型Checkpoint：按照你需要的主题，找内容贴近的checkpoint。一般我喜欢用模型大佬麦橘、墨幽的系列模型，比如说麦橘写实、麦橘男团、墨幽人造人等等，效果拔群。选择lora：在你想要生成的内容基础上，寻找内容重叠的lora，帮助你控制图片效果及质量。可以多看看广场上做得好看的帖子里面，他们都在用什么lora。ControlNet：控制图片中一些特定的图像，可以用于控制人物姿态，或者是生成特定文字、艺术化二维码等等。也是高阶技能，后面再学不迟。局部重绘：下篇再教，这里不急。设置VAE：无脑选择前面提到的840000这个即可。Prompt提示词：用英文写你想要AI生成的内容，不用管语法也不要写长句，仅使用单词和短语的组合去表达你的需求。单词、短语之间用英文半角逗号隔开即可。负向提示词Negative Prompt：用英文写你想要AI避免产生的内容，也是一样不用管语法，只需单词和短语组合，中间用英文半角逗号隔开。采样算法：这玩意儿还挺复杂的，现在我一般选DPM++2M Karras比较多。当然，最稳妥的是留意checkpoint的详情页上，模型作者是否有推荐采样器，使用他们推荐的采样器会更有保障。采样次数：要根据你采样器的特征来，一般我选了DPM++2M Karras之后，采样次数在30~40之间，多了意义不大还慢，少了出图效果差。尺寸：看你喜欢，看你需求。

|排序（从高到低）|模型|特点（优缺）||-|-|-||1|Imagen 3|真实感满分，指令遵从强||2|Recraft|真实感强，风格泛化很好，指令遵从较好（会受风格影响）||3|Midjourney|风格化强，艺术感在线，但会失真，指令遵从较差||4|快手可图|影视场景能用，风格化较差||5|Flux.1.1[Pro]|真实感强，需要搭配Lora使用||6|文生图大模型V2.1L（美感版）|影视感强，但会有点油腻，细节不够，容易糊脸||7|Luma|影视感强，但风格单一，糊||8|美图奇想5.0|AI油腻感重||9|腾讯混元|AI油腻感重，影视感弱，空间结构不准||10|SD 3.5 Large|崩|