GPT-4o，被擊敗了？

最近大伙都被GPT-4o生成的各種“整活”圖像刷屏了吧，各種動漫油畫風(fēng)格改圖、經(jīng)典影視復(fù)現(xiàn)、漫畫設(shè)計改圖……，大有“AI一日，人間一年”之勢。

甚至OpenAI CEO Sam Altman都累了:“收手吧，我們需要休息！”

但就在GPT-4o火遍全球之際，一個來自初創(chuàng)團(tuán)隊的新模型Reve Image，卻憑借其在特定圖像生成領(lǐng)域的出色表現(xiàn)，悄然贏得了用戶和專業(yè)榜單的認(rèn)可，排名連續(xù)多日超過GPT-4o，在人物、奇幻與神話、插畫等細(xì)分領(lǐng)域更是妥妥的*。

自3月發(fā)布以來，它在多個海外第三方“盲測競技榜”上表現(xiàn)搶眼，即使在GPT-4o持續(xù)刷屏的日子里，依然能在榜單上占據(jù)高位。

截圖日期:4月1日

這不禁讓人好奇，Reve這匹“黑馬”究竟有何過人之處？它如何在巨頭林立的文生圖“牌桌”上占據(jù)一席之地？我們通過一系列實測來一探究竟。

實測:從AI生圖到AI“攝影”

模型發(fā)布后，Reve官方在X平臺上將自己的核心優(yōu)勢概括為三點(diǎn):提示詞遵循、美學(xué)(Aesthetics)和排版(Typography)。

我們就從這幾個方面入手，把它與如今大熱的GPT-4o、Imagen3、Recraft直接對比，來看看Reve表現(xiàn)究竟如何。

1. 提示詞遵循:不漏掉任何一個元素，還要邏輯合理

首先，我們來測試模型處理復(fù)雜指令的能力，將幾種風(fēng)馬牛不相及的元素組合在一起，觀察模型的還原度和邏輯性。

提示詞:一只杰出的暹羅貓被描繪成一個富麗堂皇的姿勢，穿著帶有復(fù)雜金色刺繡的伊麗莎白時代天鵝絨緊身褲。這只貓的服裝包括一個大的蕾絲鑲邊的圍脖，勾勒出它的頭。一條帶有寶石吊墜的粗金鏈掛在它的脖子上。貓的藍(lán)眼睛直視著觀眾。背景是深綠色的森林，一旁是披著深紅色天鵝絨的古典大理石柱子，暗示著宏偉的莊園環(huán)境。場景以16世紀(jì)油畫的風(fēng)格呈現(xiàn)，對細(xì)節(jié)和紋理一絲不茍，尤其是毛皮、織物和背景元素。

我們再來一組:

提示詞:一只戴墨鏡的企鵝，站在極地夜晚的冰川洞穴入口，左手舉著一個插著吸管的菠蘿，洞穴內(nèi)漂浮著3只發(fā)光的彩虹色獨(dú)角獸，背景有霓虹燈組成的'生日快樂'字樣，空中懸浮一條蒸汽朋克風(fēng)格的機(jī)械魚，整體畫風(fēng)為超現(xiàn)實主義，地面有融化的巧克力河流，天空出現(xiàn)梵高《星月夜》的筆觸，部分物體邊緣帶有故障藝術(shù)的數(shù)碼裂紋效果。

這組對比除了能直觀地檢查各模型是否遵循提示詞以外，還可以很直觀地看到它們的風(fēng)格偏好。雖然這是一個虛構(gòu)場景，但Reve和GPT-4o生成的圖像中，企鵝和巧克力河流的元素仍呈現(xiàn)出偏寫實的風(fēng)格。相比之下，Recraft生成的圖像風(fēng)格雖然更討喜，但卻忽略了很多細(xì)節(jié)。

2. 美學(xué)表現(xiàn)與風(fēng)格塑造:氛圍感與人文氣息是亮點(diǎn)

在很多評測中，美學(xué)風(fēng)格符合大眾偏好是大模型在盲測中脫穎而出的關(guān)鍵。我們換一組較為正常和細(xì)致的提示詞，其中包含了大量主觀描述，看看這些模型會怎么處理。

自然風(fēng)光與氛圍

提示詞:白雪皚皚的山峰聳立在寒冷的黎明天空中，充滿了淡藍(lán)色和紫色的色調(diào)。飄渺的云層飄過高處的山坡，被清晨的陽光照亮。這座山鋸齒狀的巖壁顯示出清晰的細(xì)節(jié)和紋理，而雪塊則突出了山脊和裂縫。前景以植被稀疏的巖石地形為特色，一直延伸到主峰的底部。廣角風(fēng)景攝影，自然采光充足，在冷色調(diào)的天空下清晰聚焦山區(qū)細(xì)節(jié)。

人物肖像與故事感

提示詞:一位年輕的白人男性士兵身著二戰(zhàn)時期的戰(zhàn)斗裝備，站在嚴(yán)酷的冬季條件下，周圍下著雪。士兵戴著一頂橄欖綠色的軍用頭盔，頭盔的邊緣有積雪，肩膀上穿著風(fēng)化的棕褐色冬季戰(zhàn)斗外套，肩膀上有明顯的濕氣。他的表情緊張而擔(dān)憂，嘴唇微微張開，仿佛在說話或呼吸沉重，而他的目光則略微向下和向側(cè)面。背景顯示了他身后的其他戴頭盔的士兵，在戰(zhàn)場場景中創(chuàng)造了深度。在陰沉的天空下，遠(yuǎn)處光禿禿的冬樹清晰可見。該圖像具有自然的正面照明和淺景深，可保持主體清晰對焦，同時略微模糊背景元素。調(diào)色用柔和的綠色、灰色和棕色來降低飽和度，強(qiáng)調(diào)冬季戰(zhàn)爭的嚴(yán)峻現(xiàn)實。特寫人像攝影，具有淺景深和自然的正面照明，色彩飽和度低。

動態(tài)場景與情緒

提示詞:一個剪影音樂家得意洋洋地拿著他們的吉他彈唱，在一片人群組成的海洋沖浪，海洋中雙手向上伸展。他們沐浴在暖光的舞臺燈光，背景有標(biāo)志性的太空針?biāo)檀┮箍?。這模糊、充滿活力的人群消失在黑暗中場地，他們的興奮是顯而易見的。反射著舞臺燈光的泡沫在空氣中飄蕩，增添了慶祝的氣氛。低光照片烘托出現(xiàn)場表演的原始能量。

藝術(shù)風(fēng)格與虛構(gòu)場景

提示詞:希臘哲學(xué)家們聚集在狂暴的天空下，一道閃電劃破畫布，呈對角線照亮了他們。他們的表情交織著敬畏與恐懼，揮手指向天空，身上的長袍隨風(fēng)旋轉(zhuǎn)，與烏云遙相呼應(yīng)。在他們腳下，一塊風(fēng)化的石碑上隱約刻著“fate”二字，被飄動的衣袍部分遮住。這是一幅充滿戲劇性的明暗對比油畫，具有強(qiáng)烈的對角線構(gòu)圖和富有氛圍感的光影效果。

意境理解和視覺化

我們再上些難度，把經(jīng)典名著中的景物描寫交給模型，這些描述相對模糊，看看它們會給出怎樣的答卷。

提示詞:穿過縣境上長長的隧道，便是雪國。夜空下，大地一片白茫茫。火車在信號所前停了下來。

在以上幾組對比中，各模型生成的圖像在核心元素還原上似乎并未拉開決定性差距，但仔細(xì)對比后不難發(fā)現(xiàn)，Reve在處理細(xì)節(jié)上與其他模型存在一些不同之處。

例如最后一個案例中，將川端康成《雪國》開篇文字視覺化，是對模型捕捉意境及理解能力的考驗。所有模型都生成了火車、雪景、夜晚這些關(guān)鍵元素，但只有Reve在這一測試中采用了框式構(gòu)圖，拍攝角度和質(zhì)感都更接近人類攝影師拍攝的照片。

而這種對攝影構(gòu)圖和真實感的偏好，并非個例。

Reve在這一案例中生成的照片大量出現(xiàn)遠(yuǎn)景，利用天空、雪地、火車在畫面比例上的對比，表現(xiàn)“大地一片白茫?！?/p>

AI新榜觀察到，當(dāng)許多文生圖模型傾向于生成視角相對“標(biāo)準(zhǔn)”、構(gòu)圖“板正”的圖像時，Reve常常會采用一些在AI生成領(lǐng)域不那么常見、但在人類攝影作品中卻很經(jīng)典的構(gòu)圖方式。例如更具縱深感的角度、利用前景遮擋、模擬特定鏡頭焦段的效果等。

再加上Reve本身在光影效果、內(nèi)容質(zhì)感方面的不錯表現(xiàn)，使其生成的圖像甚至難辨真假。

這種對構(gòu)圖、光影和質(zhì)感的細(xì)膩把握，使得Reve在生成具有人文氣息、故事感和電影質(zhì)感的寫實風(fēng)格圖像方面尤為出色，這或許就是它能夠在考察大眾審美偏好的盲測中取得好成績的秘密。

3. 文字排版能力:圖文融合有亮點(diǎn)，但語種支持待提升

提示詞:一張專業(yè)的野生動物攝影作品，畫面中一只棕熊站立在高草叢中，背景是深色的森林。畫面中融入了粗體黃色復(fù)古風(fēng)格的襯線字體，拼寫出“bear”一詞，文字部分被巧妙地遮擋在熊的頭部之后。熊的頭部從字母“e”中探出，形成了文字與主體之間的巧妙視覺互動。照片采用自然光線拍攝，采用中景構(gòu)圖和略低的角度，營造出一種強(qiáng)大而平衡的畫面效果。棕熊濃密的棕色毛發(fā)與深沉的暗綠色森林背景形成了美麗的對比。

不過遺憾的是，目前，Reve在處理除英文以外的其他語言時仍然存在一些問題。比如，當(dāng)我們把提示詞從“熊”換成“虎”，并要求模型生成中文時，雖然圖像從文字中間穿過的效果仍然可以實現(xiàn)，但漢字卻無法正常生成。

綜合來看，Reve是一個長處和短處都非常明顯的產(chǎn)品。

長處:

*的美學(xué)表現(xiàn): 尤其擅長營造人文氣息、故事感、電影感的寫實風(fēng)格，符合大眾審美。

良好的提示詞遵循能力: 對細(xì)節(jié)元素的還原度較高。

創(chuàng)新的圖文排版: 在英文語境下能實現(xiàn)較好的圖文融合設(shè)計。

用戶友好: 目前網(wǎng)頁版無水印、無需注冊、支持中文界面、生成速度快。

短板:

非英文文字處理能力弱: 基本無法準(zhǔn)確生成除英文外的文字。

復(fù)雜指令下的邏輯性: 處理一些復(fù)雜或需要深度邏輯推理的提示詞時仍會出錯。

多輪生成與一致性: 相較于一些能多次修改的模型，在保持角色、風(fēng)格一致性方面稍弱。

通用性與多模態(tài): 功能相對單一，不像GPT-4o等具備更強(qiáng)的多模態(tài)交互能力。

復(fù)雜元素過多時Reve表現(xiàn)不如GPT-4o，左Reve右GPT-4o

不知道是不是為了防止因訪問量太多而崩潰，Reve AI并非完全免費(fèi)，但每天登錄會贈送20次試用，新賬號贈送100積分，也可以購買積分，價格是5美元500積分。

02Reve登頂背后，是三位Adobe老將的“夢想”

我們是一個小團(tuán)隊:充滿激情的研究人員、建造者、設(shè)計師和具有偉大創(chuàng)意的故事講述者。

但這個“小”團(tuán)隊背后，是三位圖形處理界的“大佬”:

Christian Cantrell:前Stability AI產(chǎn)品副總裁，Stable Diffusion Photoshop插件的創(chuàng)建者。

Taesung Park:前Adobe研究科學(xué)家，是GauGAN的共同作者之一。

Micha?l Gharbi:前Adobe研究科學(xué)家，研究方向包括計算攝影、圖像/視頻處理和機(jī)器學(xué)習(xí)。

有網(wǎng)友推測，三人離開公司重組Reve團(tuán)隊，可能是為了完成一些在原公司推行受阻的項目。

Reve面世后，創(chuàng)始人們在社交平臺上的發(fā)言似乎印證了這一點(diǎn)，還為我們揭示了Reve AI更深層的目標(biāo)。創(chuàng)始人Taesung Park在X平臺發(fā)文表示:

與LLMs相比，今天的文生圖像/視頻模型常常缺乏邏輯。我們在Reve的使命是用邏輯增強(qiáng)視覺生成模型，專注于通過高級語言功能理解用戶意圖，從而實現(xiàn)更好的復(fù)雜提示理解能力。

Micha?l Gharbi也發(fā)表了類似的觀點(diǎn)，并將現(xiàn)有模型比作只會模仿的“隨機(jī)鸚鵡”:

基于創(chuàng)始人在計算攝影、GauGAN等方面的過往成就，我們謹(jǐn)慎推測:Reve在技術(shù)路徑上可能借鑒了計算攝影，模型注重學(xué)習(xí)場景的3D布局、對象間的空間關(guān)系以及光照與材質(zhì)的物理交互。

從這個角度而言，或許Reve和這個“小團(tuán)隊”的故事，或許才剛剛翻開序章，我們可以期待它在邏輯性、可控性和多語言支持等方面持續(xù)進(jìn)化。

說起來，Reve這次確實有點(diǎn)“生不逢時”。

團(tuán)隊埋頭苦干一年，好不容易把*代模型Reve Image發(fā)出來，它也爭氣地沖上了盲測榜首，甚至一度被興奮的用戶捧為“世界*圖像模型”。

僅僅過了一天之后，功能更全面、聲勢更浩大的GPT-4o便橫空出世，把熱度完全搶走，這讓剛剛嶄露頭角的Reve Image瞬間顯得黯淡無光。

這也讓我們回到了最初的問題:在GPT-4o這樣強(qiáng)大且全面的多模態(tài)模型陰影下，其他文生圖模型是否還有機(jī)會？

而Reve或許已經(jīng)用它帶有明顯傾向性的生圖策略，給了我們答案。

當(dāng)下的AI模型在“生成萬物”上已取得長足進(jìn)步，“整活”玩法層出不窮，但往往缺乏獨(dú)特的“視覺品味”或難以穩(wěn)定輸出特定的高級美學(xué)風(fēng)格。

Reve則敏銳地切入了“人文寫實”及“電影氛圍感”這一細(xì)分審美領(lǐng)域，通過深度優(yōu)化，提供了超越許多通用模型的效果，同時保持了極低的門檻，將“審美”本身作為核心競爭力。

這種“審美力”并非空中樓閣，而是具有實實在在的商業(yè)價值。

這種由Reve獨(dú)特審美驅(qū)動、與其他AI工具聯(lián)動組合的玩法，也是其“專精”價值得以延伸和放大的體現(xiàn)。

顯然，如果你追求的不是天馬行空的奇幻效果，而是希望獲得更貼近真實世界、蘊(yùn)含情緒和敘事性的現(xiàn)實風(fēng)格圖像，那么Reve會是個不錯的選擇。

雖然GPT-4o的光芒已經(jīng)足夠耀眼，但一個健康繁榮的AI生態(tài)，既需要GPT-4o這樣的強(qiáng)大“平臺”和“通才”，也離不開像Reve這樣在垂直領(lǐng)域深耕細(xì)作、獨(dú)具特色的“專才”。

資料:

免責(zé)聲明：此文內(nèi)容為本網(wǎng)站轉(zhuǎn)載企業(yè)宣傳資訊，僅代表作者個人觀點(diǎn)，與本網(wǎng)無關(guān)。僅供讀者參考，并請自行核實相關(guān)內(nèi)容。