Суреттегі мәтінді генерациялау: Midjourney v6.1, FLUX 1.1 Pro Ultra және Recraft v3 салыстыруы

Суреттегі мәтінді генерациялау нейрожелілер үшін әлі де күрделі тапсырмалардың бірі болып қалады, дегенмен ол визуалды контентпен жұмыс істейтін дизайнерлер, SMM-менеджерлер және басқа мамандар арасында сұранысқа ие.

Танымал модельдердің көпшілігі әзірге тек ағылшын тілінде мәтін генерациялайды, ал нәтижелердің сапасы әрдайым күткендей бола бермейді, дегенмен әзірлеушілер бұл функцияны үздіксіз жетілдіріп келеді.

2025 жылы сурет генерациялауға арналған үш жетекші нейрожелінің бұл тапсырманы қалай орындайтынын салыстырып көрейік: Midjourney v6.1, FLUX 1.1 Pro Ultra және Recraft v3.

Сурет генерациялайтын нейрожелілерге шолу‍

Практикалық салыстыруға көшпес бұрын, әр модельдің негізгі ерекшеліктері мен артықшылықтарын қарастырайық. Бұл олардың күшті жақтары мен мамандануын жақсырақ түсінуге көмектеседі.

‍Midjourney v6.1
Көркем суреттер жасаудағы флагман. Жаңа нұсқасы мәтінді жоғары дәлдікпен генерациялайды, адамдар мен жануарлардың анатомиясын дұрыс бейнелейді, ұсақ элементтерді егжей-тегжейлі салады.

FLUX 1.1 Pro Ultra
Бұл модель егжей-тегжейлі суреттер жасайды. Ол күрделі промпттарды әсіресе жақсы түсінеді және орындайды, сипаттамаға барынша сәйкес келетін суреттер жасайды. ‍

Recraft V3
Тек қысқа фразаларды ғана емес, сурет ішінде ұзын мәтіндік блоктарды дәл орналастыра алатын жалғыз модель. Әзірлеушілердің мәлімдеуінше, генерация сапасы нарықтың басқа ірі ойыншыларының көрсеткіштерінен асып түседі.

Мәтін генерациясы: Midjourney v6.1, FLUX 1.1 Pro Ultra және Recraft v3 салыстыруы

Ұсынылған модельдердің әрқайсысының өзіндік ерекше артықшылықтары мен қасиеттері бар. Модельдердің суреттегі мәтінді генерациялау мүмкіндіктерін нақты көрсету үшін екі тестілік сұраныста салыстыру жүргіземіз: қарапайым және күрделі.

Қарапайым сұраныс

Бірінші тест ретінде «GPTunneL» неон маңдайшасы бар киберпанк стиліндегі дүкен витринасын генерациялап көрейік. Бұл модельдердің қысқа мәтінді қала пейзажы контексінде қалай орналастыратынын бағалауға мүмкіндік береді.

Промпт: cyberpunk store front, large neon sign «GPTunneL», rain, night city, glowing lights --ar 16:9

Midjourney v6.1

Midjourney v6.1 нейрожелісі киберпанк стиліндегі атмосфералық сахналарды неон маңдайшалармен жасады.

Қызық сол, промпттта көрсетілген дүкен витринасының (store front) орнына, төрт нұсқа да «GPTunneL» сөзін тура мағынасында — футуристік туннельдер немесе өткелдер ретінде түсіндірген. Бірінші генерацияда мәтін қатемен жазылған, ал қалған үш жағдайда атау дұрыс көрсетілген.

Берілген дүкен тұжырымдамасынан ауытқығанына қарамастан, модель түнгі қала атмосферасын беруде керемет жұмыс атқарды: дымқыл асфальттағы шағылысулар, жаңбыр тамшылары, неон жарықтандыру және футуристік көліктер егжей-тегжейлі өңделген.

FLUX 1.1 Pro Ultra

FLUX 1.1 Pro Ultra нейрожелісі «дүкен» тұжырымдамасын дәлірек берді — біз маңдайшасы бар витринаны көреміз.

«GPTunneL» мәтіні дұрыс орналастырылған және жақсы оқылады. Сурет неон элементтер мен жалпы стилистика арқылы киберпанк атмосферасын жеткізеді, дегенмен эффекттердің (мысалы, шағылысулар мен жаңбырдың) детализациясы мен өңделуі Midjourney-ден төмен.

Recraft v3

Recraft v3 нейрожелісі жаңбырлы түнгі қала атмосферасын күшейту үшін қолшатыры бар адамды да генерациялады.

«GPTunneL» мәтіні дұрыс бейнеленген. Киберпанк эстетикасының негізгі элементтері бар болғанымен (неон маңдайшалар, дымқыл асфальттағы шағылысулар), суреттің жалпы сапасы мен детализациясы басқа модельдерден едәуір төмен.

Күрделі сұраныс

Екінші тест үшін тапсырманы қиындатайық: әртүрлі өлшемдегі екі мәтіндік блокты біріктірген ғарыш сахнасын генерациялап көрейік. Бұл модельдердің әртүрлі масштабтағы мәтінді орналастыруын және оның композицияға көркемдік тұрғыдан интеграциялануын бағалауға мүмкіндік береді.

‍Промпт: Small astronaut in space, huge bold text «GPTunneL» integrated with scene, smaller text below «your tunnel to artificial intelligence», dark dramatic background --ar 16:9

‍Midjourney v6.1

Midjourney v6.1 нейрожелісі орындаған ғарыш сахнасы

Модель астронавты бар ғарыш сахнасының төрт нұсқасын жасады. Әр сурет орындалу сапасының жоғарылығымен, драмалық жарықтандырумен және скафандр мен ғарыш ортасының егжей-тегжейлі өңделуімен ерекшеленеді.

Дегенмен, генерациялардың бірде-біреуінде мәтін 100% дұрыс бейнеленбеген — барлық жерде қателер бар: не «GPTunneL» сөзінде, не «your tunnel to artificial intelligence» тақырыпшасында. Бұл жаңа нұсқасында да Midjourney-де берілген мәтінді дәл бейнелеуде қиындықтар сақталып отырғанын көрсетеді.

‍FLUX 1.1 Pro Ultra

FLUX 1.1 Pro Ultra нейрожелісі мәтінді мінсіз бейнелеумен жарнамалық баннер стиліндегі кәсіби суретті жасады.

«GPTunneL» логотипі ақ-көк түс гаммасында орындалған және қараңғы ғарыш фонымен әсерлі контраст жасайды. «your tunnel to artificial intelligence» тақырыпшасы негізгі мәтіннің астына дұрыс орналастырылған және сол стильде безендірілген.

Ай бетіндегі астронавт фигурасы композицияның дұрыс масштабы мен тереңдігін жасайды. Жұлдызды аспан мен жалпы түс гаммасы драмалық ғарыш атмосферасын қалыптастырады.

Сурет кәсіби жарнамалық материал сияқты көрінеді, онда барлық элементтер бір-бірімен үйлесімді үйлеседі.

Recraft v3

Recraft v3 нейрожелісі жарнамалық баннер стиліндегі ықшам әрі кәсіби суретті жасады.

Екі мәтіндік блок та мүлдем дәл бейнеленген: негізгі «GPTunneL» мәтіні ірі қаріппен орындалған, ал «your tunnel to artificial intelligence» тақырыпшасы оның астында анық оқылады. Модель берілген контексте мәтінді дәл бейнелеу негізгі тапсырмасын керемет орындады.

Композициялық тұрғыдан сурет жақсы теңгерімделген: ай бетіндегі астронавт мәтіндік бөлікті үйлесімді толықтырады, ал жеңіл көгілдір жарқыраумен қараңғы ғарыш фоны қажетті атмосфераны жасайды.

Нәтижелерді салыстырмалы талдау

Үш модельді тестілеу олардың әрқайсысының өзіндік күшті және әлсіз жақтары бар екенін көрсетті. Салыстыру нәтижелері төмендегі кестеде келтірілген.

Мақала негізінде Claude 3.5 Sonnet нейрожелісі жасаған салыстырмалы кесте

Біздің салыстырмалы тестілеуіміз заманауи нейрожелілердің суреттегі мәтінмен жұмыс істеу қабілетінің әртүрлі деңгейде екенін көрсетті. Midjourney v6.1 визуализация сапасы бойынша көш бастап тұрса да, ол мәтін жазуда әлі де қателер жібереді. FLUX 1.1 Pro Ultra және Recraft v3 нейрожелілері дәл мәтін бейнелеу дәлдігі бойынша тұрақты нәтижелер көрсетеді.

Басқа тілдердегі промпттармен жұмыс ерекшеліктері

GPTunneL-де қарастырылған барлық нейрожелілерде промпттарды ағылшын тіліне автоматты аудару жүйесі кіріктірілгенін атап өткен жөн.

Бұл дегеніміз, промпт басқа тілде енгізілгенде, ол өңделмес бұрын автоматты түрде ағылшын тіліне аударылады. Мұндай тәсіл ағылшын тілін білмейтін пайдаланушыларға бұл жүйелермен тілдік кедергісіз жұмыс істеуге мүмкіндік береді.

Ең жақсы нәтижеге қол жеткізу үшін, әсіресе суретте мәтінді дәл бейнелеу қажет болғанда, промпттарды бірден ағылшын тілінде құрастыру ұсынылады.‍

Қорытынды ұсыныстар

Генерация нәтижесі промпттың дұрыс құрастырылуына қатты тәуелді екенін есте ұстаған жөн. Бір ғана сұраныс тек әртүрлі модельдерде емес, тіпті бір модель шеңберінде де тапсырманы тұжырымдаудың әртүрлі тәсілдеріне байланысты мүлдем басқа нәтижелер бере алады.

Сондықтан оңтайлы нәтижеге жету үшін мыналар ұсынылады:

Сұраныс тұжырымдамаларымен тәжірибе жасау;
Нақты тапсырма үшін әртүрлі модельдерді тестілеу;
Әр модельдің жұмыс ерекшелігін зерттеу;
Қайта пайдалану үшін сәтті промпт мысалдарын жинау.

Барлық модельдер GPTunneL платформасында қолжетімді, онда сіз олардың жұмысын тексеріп, өз тапсырмаларыңызға оңтайлы нұсқаны таңдай аласыз.