Grok Imagine Image 2.0 Low vs Medium : texte et retouches à l'épreuve

Perspectives9 min de lecture
Grok Imagine Image 2.0 Low vs Medium : texte et retouches à l'épreuve

Grok Imagine 2.0 testé : Low et Medium vs le premier Grok Imagine et GPT Image 2.6 sur affiches, emballages, menus, portraits, montage 3 images et vitesse.

xAI a sorti Grok Imagine Image 2.0 le 7 août. L'annonce officielle fait quelques promesses : il suit les prompts jusque dans les détails, compose la typographie comme un graphiste, garde les petits textes lisibles et conserve ce que vous lui donnez quand vous retouchez une image. Depuis le 15 novembre, vous pouvez aussi l'utiliser sur ZOOOP.

ZOOOP proposait déjà le Grok Imagine de première génération, et je voulais répondre à deux questions : ce que Grok Imagine 2.0 fait vraiment mieux, et si Low et Medium méritent d'être traités comme deux outils distincts. J'ai passé les mêmes prompts dans les deux niveaux de qualité de 2.0, le modèle de première génération et GPT Image 2.6, côte à côte. En bref : sur le texte, les quatre sont à égalité cette fois-ci. Là où Grok Imagine Image 2.0 prend l'avantage, c'est dans les retouches qui préservent votre sujet, dans le fait de ne pas ajouter ce que vous n'avez pas demandé, et dans des mises en page plus proches d'un travail fini.

Ce qu'est Grok Imagine Image 2.0, et ce qui le distingue de la première version

Grok Imagine Image 2.0 est le modèle d'image de deuxième génération de xAI. Sur ZOOOP, il fonctionne comme le Grok Imagine de première génération : générez directement à partir d'un prompt, ou ajoutez jusqu'à 3 images de référence pour les retoucher ou les combiner. Vous avez sept formats, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 et 9:16, en 1K ou 2K. Le champ de prompt accepte jusqu'à 8 000 caractères, donc le texte, la hiérarchie et les couleurs tiennent dans un seul paragraphe.

Le changement le plus visible par rapport à la première version est un nouveau choix entre deux niveaux de qualité, Low et Medium. Low coûte moins cher que Medium, mais les deux se situent dans le bas de la fourchette parmi les modèles du Générateur d'images IA de ZOOOP. Le modèle de première génération n'a pas été retiré, et il figure dans toutes les comparaisons ci-dessous.

Comment nous avons testé

Quatre prompts, chacun lancé une fois sur quatre modèles, tous en 1K : Grok Imagine Image 2.0 en Low et en Medium, le Grok Imagine de première génération, et GPT Image 2.6 en Medium comme point de repère. J'ai choisi des prompts qui touchent les domaines où xAI dit avoir le plus progressé :

  1. Affiche de soirée jazz, 2:3. Le titre « MIDNIGHT TIDE », une seule ligne de petits caractères en bas, « Live at Harbor Hall · Friday 21 November · Doors 8 PM », dans un style sérigraphie.
  2. Emballage d'une boîte de thé, 1:1. Une étiquette « CHAMOMILE CALM », avec en dessous une ligne de petits caractères, « Organic herbal infusion · 20 pyramid bags », et de la camomille dessinée à la main.
  3. Portrait de rue, 3:4. Lisbonne sous la pluie : une femme d'une soixantaine d'années aux boucles argentées, en ciré jaune, qui rit sous l'auvent d'un café.
  4. Menu sur ardoise, 4:3. Le titre « TODAY'S BREWS », six boissons écrites à la main, une par ligne, chacune avec une petite icône. Les prix ne faisaient pas partie du prompt.

J'ai aussi lancé à part un montage à partir de trois images, uniquement sur 2.0 Medium et le modèle de première génération.

Affiches et emballages : le texte est-il vraiment juste ?

D'abord, un résultat inattendu. Les quatre modèles ont écrit correctement le titre comme les petits caractères, y compris le modèle de première génération. La ligne du bas avec la date et l'heure est sortie sans une seule faute sur les quatre affiches.

Affiche de soirée jazz, le même prompt sur quatre modèles

De gauche à droite : Grok Imagine Image 2.0 Low, 2.0 Medium, Grok Imagine de première génération, GPT Image 2.6.

Gros plan sur les petits caractères en bas de chaque affiche

De haut en bas : 2.0 Low, 2.0 Medium, Grok Imagine de première génération, GPT Image 2.6.

Donc, honnêtement : avec un texte aussi court, l'amélioration « texte plus précis » ne s'est pas vue. Les petits caractères sont nets, mais le modèle de première génération savait déjà gérer une ligne de cette longueur. Les mises en page plus difficiles, comme une page entière d'instructions ou plusieurs colonnes de petits caractères, ne faisaient pas partie de ce test.

La différence est dans la mise en page. Les quatre affiches ont une lune, des vagues et un saxophoniste en silhouette. 2.0 Low encadre les petits caractères de petits ornements en forme de vagues. 2.0 Medium trace un filet fin tout autour de l'affiche et y glisse les petits caractères, si bien qu'on dirait une affiche de concert qui est vraiment passée chez l'imprimeur. Le modèle de première génération réduit l'illustration à un bloc sur fond orange, et la composition devient plus plate. GPT Image 2.6 a le grain qui ressemble le plus à une vraie sérigraphie.

La boîte de thé montre un écart plus net.

Emballage d'une boîte de thé, le même prompt sur quatre modèles

De gauche à droite : 2.0 Low, 2.0 Medium, Grok Imagine de première génération, GPT Image 2.6.

En Medium, Grok Imagine Image 2.0 a transformé l'étiquette en autocollant blanc cassé avec une fine bordure et une camomille au trait, et toute la boîte ressemble à un produit qu'on pourrait prendre sur une étagère. Low imprime les mots directement sur la boîte. La hiérarchie reste claire, et c'est assez bon pour une présentation. Les petits caractères du modèle de première génération deviennent un peu flous quand on zoome, même si l'orthographe est juste.

Menu et portrait : là où Low et Medium se séparent

Le menu sur ardoise est la seule fois où Grok Imagine Image 2.0 Low s'est clairement trompé.

Menu sur ardoise, le même prompt aux deux niveaux de qualité

À gauche : 2.0 Low. À droite : 2.0 Medium.

Les deux ont bien les six boissons et leurs icônes. Mais Low a ajouté de lui-même un prix au bout de chaque ligne, alors que le prompt ne parlait jamais de prix. Si un café utilisait vraiment cette ardoise, quelqu'un devrait corriger ces chiffres un par un. Medium n'a écrit que ce qu'on lui demandait. Un seul test ne prouve pas que Low le fait toujours, mais mieux vaut se souvenir que Low ajoute parfois des choses que personne n'a demandées.

Le portrait n'a pas de bonne ou de mauvaise réponse. Les quatre sont bons, et les différences sont une affaire de goût.

Portrait de rue, le même prompt sur quatre modèles

De gauche à droite : 2.0 Low, 2.0 Medium, Grok Imagine de première génération, GPT Image 2.6.

Sur 2.0 Low, elle rit face à l'objectif, ce qui fait un peu posé. Sur Medium, elle penche la tête et rit sans contrainte, comme un instant que quelqu'un aurait saisi par hasard. Le modèle de première génération prend du recul, et la rue occupe la majeure partie du cadre. GPT Image 2.6 paraît lui aussi pris sur le vif, et la petite ardoise derrière elle liste quelques pâtisseries en portugais, une jolie touche lisboète. Aucun des quatre n'a oublié quoi que ce soit de ce que demandait le prompt.

Retouche et montage : trois images en une

C'est là que Grok Imagine Image 2.0 se détache enfin de la première génération. Il y avait trois images de référence : une photo de corgi prise au téléphone, un vélo rouge vintage avec un panier, et une ruelle ensoleillée en bord de mer. Le prompt demandait le corgi assis dans le panier avant du vélo, avec le vélo garé dans cette ruelle.

Les trois images de référence et le montage de chaque modèle

En haut, les trois références : la photo du corgi, le vélo et la ruelle en bord de mer. En bas : le montage de 2.0 Medium à gauche, celui de la première génération à droite.

Au premier coup d'œil, les deux ont fait le travail. Le corgi est dans le panier, le vélo et la ruelle correspondent à leurs références, et même l'applique murale et les pots de fleurs y sont. Il faut zoomer pour voir la différence.

D'abord le chien. Le corgi de la photo de référence est tricolore, avec du poil noir au-dessus des yeux et le long du dos. 2.0 Medium a gardé ces marques noires. Le corgi du modèle de première génération est sorti fauve et blanc, et de près, ce n'est plus votre chien. Ensuite le coin inférieur gauche, où le modèle de première génération a ajouté une petite ligne de texte qui ressemble à une signature de photographe. 2.0 ne l'a pas fait. Un filigrane sorti de nulle part, c'est une chose de plus à nettoyer avant de publier.

L'affirmation de xAI selon laquelle le modèle conserve ce que vous lui donnez en retouche se vérifie ici. Si vous utilisez l'outil Modifier l'image sur votre propre animal, un portrait ou une photo de produit, cela compte davantage que l'orthographe d'un titre.

Vitesse : combien de temps prennent Low et Medium

Voici le temps qu'a pris chaque image dans ce test, toutes en 1K :

  • 2.0 Low : de 14 à 57 secondes, le plus souvent moins de 30
  • 2.0 Medium : de 68 à 90 secondes
  • Grok Imagine de première génération : de 11 à 14 secondes
  • GPT Image 2.6 Medium : de 26 à 51 secondes

Le niveau Medium de Grok Imagine Image 2.0 est nettement lent. Chaque image prend plus d'une minute, plus que GPT Image 2.6 sur son réglage Medium. Le modèle de première génération est le plus rapide, et très régulier. Au lancement, nous avions aussi fait deux essais rapides sur 2.0 Low : un texte vers image en 1K a pris 18 secondes et la transformation d'une photo en aquarelle 17, donc les retouches vont à peu près aussi vite qu'une génération à partir de zéro.

Quand l'utiliser, et quand passer à GPT Image 2.6

Si une image contient du texte, ou si je retouche une photo sans vouloir que les personnes ou les objets dérivent, Grok Imagine Image 2.0 est mon choix par défaut. Commencez en Low pour explorer des pistes. C'est moins cher et rapide, vous pouvez donc lancer plusieurs compositions d'un coup. Relancez ensuite en Medium le prompt qui vous plaît pour la version finale : la mise en page paraît plus aboutie, et il risque moins de glisser des éléments que le prompt n'a jamais mentionnés. Quoi qu'il sorte de Low, relisez le texte.

Si vous avez seulement besoin d'une affiche avec un titre court, le Grok Imagine de première génération y arrive aussi, et il est bien plus rapide, c'est donc un bon choix quand vous êtes pressé. Mais dès que des images de référence entrent en jeu, surtout pour des montages où un animal, un visage ou les détails d'un produit doivent rester intacts, passez à Grok Imagine 2.0.

Pour du 4K, plus de 3 images de référence ou une mise en page longue et dense, passez à GPT Image 2.6. Grok Imagine Image 2.0 plafonne à 2K et accepte 3 images de référence au maximum, et ce sont des limites fermes.

Tous ces modèles se trouvent sur la même page du Générateur d'images IA, vous pouvez donc passer de l'un à l'autre sans aller ailleurs. Lancer un même prompt sur chacun d'eux vous en apprendra plus que n'importe quel test.

Questions fréquentes

Grok Imagine Image 2.0 Low ou Medium : lequel utiliser ?

Low pour explorer des pistes et produire des séries de brouillons : c'est moins cher, et la plupart des images arrivent en moins d'une demi-minute. Medium pour l'image finale : les mises en page sont plus soignées et il ajoute moins de choses de lui-même, mais chaque image prend plus d'une minute.

Combien d'images de référence peut-on utiliser ?

Jusqu'à 3. Sans image, c'est du texte vers image ; une image en fait une retouche, et deux ou trois permettent de les combiner.

Peut-il produire des images plus grandes que 2K ?

Non, 2K est le maximum. Si vous avez besoin de 4K, passez à GPT Image 2.6.

Peut-il produire des fonds transparents ?

Non, il ne génère pas de fond transparent. Si vous voulez directement un PNG détouré, utilisez plutôt Seedream 5.5.

Peut-on écrire les prompts dans une autre langue que l'anglais ?

Vous pouvez les saisir. Mais tous les prompts de ce test étaient en anglais, et je n'ai pas encore comparé les résultats dans d'autres langues, je ne peux donc pas dire si ça fonctionne bien.

Partager

À découvrir aussi

Tout voir