AI绘画王者MidJourney遇到挑战，谷歌藏着的先进技术终曝光

AI绘画王座上的MidJourney，终于迎来强劲对手。

最新挑战者Ideogram横空出世，开局就靠免费注册吸引众多目光。

最瞩目的特性：在图中精准生成文字，英伟达科学家范麟熙直接毫不客气地用它画了一个“It’s over, MidJourney”。

打开凤凰新闻，查看更多高清图片

背后公司Ideogram AI，谷歌AI绘画7大牛集体离职的创业项目，坐标多伦多，带着1650万美元 （约1.2亿人民币）种子轮融资席卷而来。

创始团队中前4人都是谷歌文生图研究Imagen论文作者，组成一个扩散模型顶级研究团队。

谷歌藏着掖着这么久都不给大家玩的先进研究成果，终于被他们给开放出来。

Ideogram AI种子轮融资由a16z和Index Ventures领投。

个人投资者中也不乏知名人物，如OpenAI创始成员Andrej Karpathy，强化学习大牛Pieter Abbeel，Node.js创始人Ryan Dahl、GitHub联合创始人Tom Preston-Werner等。

甚至团队的老上司，前谷歌大脑掌门人Jeff Dean也有参与。

Ideogram AI的创始人团队虽然以技术见长，但在宣传推广方面同样具备高度的专业素养。为了扩大品牌知名度，他们创新性地利用?’这一社交平台，倡导用户参与#二创tag的话题讨论，从而引发了一场病毒式营销活动。

AI学会精准画出文字

让AI精准地绘制文字始终是一项具有挑战性的任务。尽管SDXL和MidJourney最新推出的局部重绘功能有所改进，但是用户反馈的成功率仍然不够高，需要不断尝试。

Ideogram一搞定这个痛点，直接被网友们玩出花了。

让文字出现在指示牌上、同时适应环境光影，没问题。

做一个咖啡拉花也没问题。

抽象风格的海报，也可以搞出风格合适的字体。

一句话直出品牌logo更是生产力属性拉满。

从网友们分享的提示词中也可以看出，增加画文字成功概率的“咒语”也很简单，就一个单词：

typography（印刷排版）

不过很可惜的是，它还不太能掌握中文。

Ideogram作为一种图像生成技术，其图像质量在某种程度上可与MidJourney和Stable Diffusion相媲美，这一观点并非空穴来风。事实上，通过运用先进的算法和技术，Ideogram能够生成具有高度真实感和视觉效果的图像，这使得它在图像生成领域具有广泛的应用前景。

当采用与Imagen完全相同的技术时，选择谷歌T5而非OpenAI CLIP作为语言编码模型，将导致Ideogram在理解提示词中空间关系描述方面具有更强的能力。

有人成功用它生成一组风格一致的图像。

再结合视频生成工具Pika Labs直接搞出电影预告片风格的短片。

扩散模型顶级研究团队

Ideogram AI创始团队共7人，其中4人都是谷歌Imagen的合著者。

其中共同一作Mohammad Norouzi任CEO，他在多伦多大学计算机科学博士就读期间拿到了谷歌ML博士奖学金。

他毕业后在谷歌大脑工作了长达7年，期间不仅专注于模型的生成，更是谷歌神经机器翻译团队的元老之一。同时，他还是Hinton团队 SimCLR 自监督对比学习框架的共同作者。

共同一作William Chan (陳俊樂)任新公司CTO，他先后就读于加拿大滑铁卢大学、卡内基梅隆大学。

他2012年加入谷歌时先做的机器学习广告工程，后转到谷歌大脑作NLP研究。

第三位共同一作Chitwan Saharia本科毕业于孟买理工学院，2019年加入谷歌，现在是Ideogram的联合创始人。

第四位联创Jonathan Ho博士毕业于UC伯克利，曾在OpenAI工作一年，后加入谷歌。

他除了是Imagen论文的核心贡献者，还是去噪扩散模型奠基之作《Denoising Diffusion Probabilistic Models》的一作，这篇论文合著者中的Pieter Abbeel也是Ideogram AI的投资人。

创始团队中的另外三人，Shayaan Abdullah曾是Twitter的机器学习工程师，于今年4月离职，后加入Ideogram AI。

Jacob Lu为软件工程师，加入Ideogram之前曾在亚马逊等公司任职；Jenny Lei是软件工程实习生，加入Ideogram AI之前曾在谷歌实习。

还要做视频生成

Ideogram AI的四位联创在谷歌期间，还完成了视频生成的后续工作Imagen Video。

在一年前就已经实现了生成1280*768分辨率、每秒24帧的高清视频片段。

在今年三月份，量子位从投资领域得知其天使轮估值已经达到了1亿美元的水平。这使得许多风险投资公司（VC）希望能够投资但他们却无法做到，或者无法参与他们的创业方向。关于这些信息以及他们的创业方向的其他细节，我们都有所了解。

不仅做图像生成，将来还要做视频生成。

谷歌对于其图像识别技术（Imagen）以及视频识别技术（Imagen Video） never 提供试玩、API 或开源代码，这是为了确保安全和遵循伦理规范。

研究成果无法转化为应用，是近年来不少从谷歌离职创业者遇到的共同问题。

如大模型那边的Transformer八位作者中，Cohere创始人Aidan Gomez就曾表示离开的原因是“我在谷歌没有看到大模型发挥它真正的力量”。

Ashish Vaswani与Niki Parmar离开谷歌创办Adept AI与Essential AI的原因也是“谷歌希望用Transformer优化现有产品，而我们希望创造新产品”。

后来这些研究者所担心的事也确确实实发生了：

尽管2021年5月（比ChatGPT训练数据截止日期还早）谷歌就已经开发出了LaMDA对话大模型与聊天机器人，但在推出产品方面有太多顾虑，最终18个月后被隔壁ChatGPT一手直接面对公众开放抢尽了风头。

……

吸取了这些教训，新成立的Ideogram AI也拿出一副尽量开放、先把用户吸引进来玩的架势。

最初宣布了1000人测试名额，但没一会就满了。

今天似乎又开放了一些名额，量子位上午注册时并没有遇到排队。

总之名额应该还是有限的，感兴趣的朋友抓紧了。

— 完 —