Midjourney面临巨大威胁，Google Imagen3 生图AI超长评测

Midjourney面临巨大威胁，Google Imagen3 生图AI超长评测 Midjourney面临巨大威胁，Google Imagen3 生图AI超长评测 Modified September 11, 2025 场景表现力/Midjourney： Imagen3 目前另一个让人印象深刻的是细节表现，这不是说它的分辨率有多高，而是细节的丰富与稳定性。 细节和分辨率是完全不同的两件事。 这在赛博空间这组对比中体现明显：Imagen3 生成的城市背景建筑，即便放大后也没有出现任何的变形或者过拟合，飞艇的几何表现也很准确。相反 Midjourney 则要弱势很多，注意，这种细节的丢失不是通过 upscale 能解觉得问题，它的本质不是分辨率低，而是丢失信息量。 Imagen3 细节放大： Midjourney 细节放大，明显看到细节扭曲和异化： 总的来说， Midjourney是一个思维更活泼、富于变化的模型，而Imagen3则更像一个超乎常人的理性模型，展现出一种冷静的风格， 这也与Google的公司科技风格相符。 交互设计与辅助功能 Imagen3 目前还处在比较初级的阶段，应该是很多功能还没有配套跟上，可以做简单的局部重绘，但如放大，样式参考等功能目前还没有。在这方面 Midjourney 的强大是前者目前无法比拟的。MJ作为目前阶段 AI生图绝对的领跑者，重绘、放大、风格化等功能一应俱全，具体大家都比较熟悉了，不一一阐述。 值得一提的是，Imagen3的提示词解构设计的比较有趣，在完成一次生成后，部分核心提示词会变成一个下拉菜单的GUI，用户可以在这里快速切换Google给出的相关提示词建议，比如使用“wide shot”强调广角之后，下拉菜单中就会有“high shot”，“Close up”等相关选项，算是一个小补充。但我的观点还是一样：辅助功能是为了挖掘模型潜力的，作为AI生图工具，控制力、表现力、风格多样性依然是最核心的要素，其他都是锦上添花。 总结 最近几天Google真的是连续抛出重量产品，上周围绕Gemini2和NootbookLM 的讨论还未结束，现在又在 AI图像和 AI视频领域发力，VEO2目前展现出来的测试Demo效果也很出色，尤其在物理特性上。而Imagen3则是实实在在地展示出扎实的基本功。即便在创意多样性、交互功能的丰富度上还有差距，但作为一个刚刚更新版本的产品来说，已经足够对Midjourney构成威胁了。 体验地址： • Code block Plain Text Copy https://labs.google/fx/zh/tools/image fx 场景表现力/Midjourney： Imagen3 目前另一个让人印象深刻的是细节表现，这不是说它的分辨率有多高，而是细节的丰富与稳定性。 细节和分辨率是完全不同的两件事。 这在赛博空间这组对比中体现明显：Imagen3 生成的城市背景建筑，即便放大后也没有出现任何的变形或者过拟合，飞艇的几何表现也很准确。相反 Midjourney 则要弱势很多，注意，这种细节的丢失不是通过 upscale 能解觉得问题，它的本质不是分辨率低，而是丢失信息量。 Imagen3 细节放大： Midjourney 细节放大，明显看到细节扭曲和异化： 总的来说， Midjourney是一个思维更活泼、富于变化的模型，而Imagen3则更像一个超乎常人的理性模型，展现出一种冷静的风格， 这也与Google的公司科技风格相符。 交互设计与辅助功能 Imagen3 目前还处在比较初级的阶段，应该是很多功能还没有配套跟上，可以做简单的局部重绘，但如放大，样式参考等功能目前还没有。在这方面 Midjourney 的强大是前者目前无法比拟的。MJ作为目前阶段 AI生图绝对的领跑者，重绘、放大、风格化等功能一应俱全，具体大家都比较熟悉了，不一一阐述。 值得一提的是，Imagen3的提示词解构设计的比较有趣，在完成一次生成后，部分核心提示词会变成一个下拉菜单的GUI，用户可以在这里快速切换Google给出的相关提示词建议，比如使用“wide shot”强调广角之后，下拉菜单中就会有“high shot”，“Close up”等相关选项，算是一个小补充。但我的观点还是一样：辅助功能是为了挖掘模型潜力的，作为AI生图工具，控制力、表现力、风格多样性依然是最核心的要素，其他都是锦上添花。 总结 最近几天Google真的是连续抛出重量产品，上周围绕Gemini2和NootbookLM 的讨论还未结束，现在又在 AI图像和 AI视频领域发力，VEO2目前展现出来的测试Demo效果也很出色，尤其在物理特性上。而Imagen3则是实实在在地展示出扎实的基本功。即便在创意多样性、交互功能的丰富度上还有差距，但作为一个刚刚更新版本的产品来说，已经足够对Midjourney构成威胁了。 体验地址： • 这篇文章就到这里，如果觉得还不错，欢迎三连。 我是汗青，AI.TALK创始人，一个6岁开始学美术的AI创作者，也是厮混互联网圈16年的产品经理。我在这里分享对AI技术与媒介的思考。 我的愿景是寻找新技术与媒介艺术的结合方式。如果你同样对这个话题感兴趣，欢迎关注我的公众号和视频作品。 • 商务合作：aitalkgina • 频道视频号：AI.TALK • 个人视频号：汗青HQ 🔗 原文链接： https://mp.weixin.qq.com/s/LuRIm2pd... https://mp.weixin.qq.com/s/LuRIm2pd... 原创 汗青 AI Talk 汗青 AITalk 2024年12月18日 09:00 日本 Google刚刚发布了最新的Imagen3图像模型和VEO2视频模型，剑指 Sora 和 Midjourney。 VEO2 目前还需要等候申请，我们今天重点看一下 Imagen3 的实际测试表现，先说个人观点： Midjourney这次遇到了的真正购成威胁的对手。 Google 官方是这样描述 Imagen3 的： 我们改进了 Imagen 3 图像生成模型，生成更靓丽、构图更好的图像。以更高的准确性渲染更多样化的艺术风格——从照片现实主义到印象派，从抽象到动漫。此升级还更忠实地遵循提示，并渲染更丰富的细节和纹理。在人类评审者对领先图像生成模型的输出进行的并排比较中，Imagen 3 达到了最先进的结果。 都是片汤话，其实我关心的事就三个： 1. 语意遵循和画面控制力——足够听话 2. 风格化——足够灵活 3. 质感——足够有 B 格 语义遵循与画面控制 在画面控制力上，我们希望佣金可能复杂多的人物主体和画面要求来测试 Imagen3 和 MJ 的对比。熟悉 MJ或者 SD、Flux 的朋友都知道，Prompts 越长，模型产生混淆和错误的可能性就越高，但也代表我们有希望得到更准确的结果。所以这次测试我们就走一个极端：尽量加长测试提示词。 整体测试环境： 第一组测试： 场景1：一个充满神秘感的图书馆，光线昏暗，充满年代感。 人物 1 (老年男性): 人物 2 (年轻女性): 背景: 输入英文： 场景1/Imagen3： Imagen3 给出的结果相当让人震惊，画面内容、服饰、姿势都完整还原，并且兼顾了构图。最能体现语意遵循细节的是背景女性“正要从高处取下一本书，身体稍稍向后倾斜，她伸出一只手，仿佛害怕书会掉落。”这个描述，吃惊的是 Imagen3 再现这个细节姿势非常到位，而且整体画面被安排在一个相当合理的构图中，四张图像非常稳定，具备一致性特征。 场景1/Midjourney： 反观 Midjourney出现的问题就比较多了，你是不是想问：哎，平时用MJ生成人物肖像不是很逼真，很稳嘛？其实经常用MJ 的朋友对这个情况都不会陌生：在 多主体人物和描述词下，MJ的画面质量会下降非常明显， 这一点它一直是不如Flux等模型的。可以看到：女性的身材比例明显被压缩（强制控构图），并且“从高处取下书”这个细节根本没出现。 场景2: 设定一个动态的、戏剧性的场景，让两个人物的动作和服装能充分展现。 人物 1 (女性): 人物 2 (男性): 背景: 完整提示词： 看一下结果： 场景2/Imagen3： 场景2/Midjourney： Midjourney 这次的结果大概还原了对两个人物的要求，不苛刻地评价，其实完成的不错。但最大的问题是：缺乏美感和合理性，就是一种“AI味儿”的畸形感，更谈不上优雅。还是那句话，经常用 MJ的朋友对这些问题应该了然于胸。 Imagen3 的表现则稳定的多（ 事实上，它有点太稳定了，这是后面要聊的一个问题 ）。可贵的是在保证准确性的情况下，画面呈现出了美感。这个美感背后一方面是合理性，另一方面就是真实度。其实“真实度”和“AI味”是一组有趣的话题，有一些看似很真实的 AI作品依然有浓重的恐怖谷效应，原因就在于真实是一个感官上的风格化问题，而不是有多清晰、细节有多丰富这样技术规格的问题。在整体测试中，Imagen3 的“真实感”是一个非常明显的特性。 我们继续加大难度，这次是三个人： 场景3：三个人在热闹的咖啡馆露台上，正在进行一场轻松愉快的对话。 人物 1 (中年男性): 人物 2 (年轻女性): 人物 3 (年轻男性): 背景： 完整提示词： 场景3/Imagen3： Imagen3 在三个主题人物的描述下依然准确还原了所有细节， 语义遵循能力强的可怕。并且在人物比例，手脚崩坏方面几乎没什么错误 ，也就是说Google 的模型保证了画面中丰富元素的细节质量，并没有那种“主体很好，细节看命”的感觉，3 次开卡稳定性很高。 场景3/Midjourney： 你是不是也想问：为啥你非得挑一张MJ没有跑好的找茬？这个吧...因为Midjourney 在 12 张卡中只成功两次呈现了“女孩站立”姿势的要求，并且伴随一定的手脚崩坏或者异位。 语义遵循+多主体控制测试环节结束，Imagen3 完胜。 风格化 这轮测试就不用那么复杂了，既然你夸下海口说印象派、抽象、动漫都没问题，那我们就可劲儿折腾。以下所有对比组中， 上方为Imagen3，下方为Midjourney生成结果 ： 印象派 (Impressionism) 抽象主义 (Abstract Expressionism) 美式漫画 (American Comic Book) 日式漫画 (Japanese Manga) 中国山水画 (Chinese Ink Painting) 3D 皮克斯风格 (3D Pixar Style) • 建筑 (Architectural Rendering) • 科幻电影 (Sci Fi Movie) • 风景 (Landscape Hyperrealism) • 经过风格化测试，我们发现 Imagen3和Midjourney在风格还原上的表现比较接近，二者都能比较好地生成具有明显风格特征的图像，但Midjourney 在非写实题材上表现更好，代价是有时会忽略风格化，比如山水画中，大量结果实际上更像摄影。 值得注意的是， Imagen3的生成结果过于稳定，多次生成的结果高度一致，虽然确保了作品的统一性，但也缺乏变化。相比之下，MJ在风格还原的同时，更能满足想象力的要求，每次生成的结果差异性较大，提供了更灵活的选择。而在特定风格如中国山水画或漫画 等非写实题材的还原上，Midjourney在美学方面明显胜一筹，这可能与数据集的差异有关。 总而言之，Imagen3在风格化上表现稳定， 但MJ 在美感和想象力方面明显胜出 。如果让我选择， 我认为Midjourney 提供的多样性和想象力更重要一些。 画质表现力与细节 经过对肖像和写实场景的质感测试，二者都展现出了出色的质感还原能力，并融合了各自的美学和风格理解。 肖像表现力/Imagen3： 肖像表现力/Midjourney： 在肖像摄影方面，Midjourney的表现稳定且精细，皮肤纹理和雀斑等细节清晰可见。然而，Imagen3也并未逊色，它在呈现方面有自己的特色，尤其在男性模特的影视化表现上更胜一筹，轻微的褪色和色彩的和谐感都达到了较高水平，两者难分伯仲。 在场景测试中，双方的优势更加明显：Imagen3以其超强的稳定性和高度写实的画面脱颖而出，几乎没有明显错误，细节到位；而Midjourney光影和视觉冲击力上占据优势，细节变化更加丰富，但会偶尔出现错误，整体感觉更加灵活。 场景表现力/Imagen3：