Grok Imagine Image 2.0 Low vs Medium: ทดสอบตัวอักษรและการแก้ไขภาพ

ข้อมูลเชิงลึกอ่าน 15 นาที
Grok Imagine Image 2.0 Low vs Medium: ทดสอบตัวอักษรและการแก้ไขภาพ

รีวิว Grok Imagine 2.0: Low และ Medium เทียบ Grok Imagine รุ่นแรกและ GPT Image 2.6 กับโปสเตอร์ แพ็กเกจ เมนู ภาพบุคคล การแก้ไขสามภาพ และความเร็ว

xAI เปิดตัว Grok Imagine Image 2.0 เมื่อวันที่ 7 สิงหาคม ประกาศอย่างเป็นทางการ ให้คำมั่นไว้สองสามข้อ: ทำตามพรอมต์ลงไปถึงรายละเอียด จัดตัวอักษรได้เหมือนนักออกแบบ ตัวอักษรเล็กยังอ่านออก และเวลาแก้ไขภาพก็รักษาสิ่งที่คุณใส่ให้ไว้ได้ ตั้งแต่วันที่ 15 พฤศจิกายน คุณใช้มันบน ZOOOP ได้แล้วเช่นกัน

ZOOOP มี Grok Imagine รุ่นแรกอยู่แล้ว เราจึงอยากได้คำตอบสองข้อ: Grok Imagine 2.0 ทำอะไรได้ดีขึ้นจริงๆ และ Low กับ Medium คุ้มไหมที่จะมองเป็นเครื่องมือแยกกัน เรารันพรอมต์เดียวกันบน 2.0 ทั้งสองระดับคุณภาพ บนรุ่นแรก และบน GPT Image 2.6 แล้ววางเทียบกัน สรุปสั้นๆ: เรื่องตัวอักษร รอบนี้ทั้งสี่ตัวเสมอกัน จุดที่ Grok Imagine Image 2.0 ทิ้งห่างคือการแก้ไขที่รักษาตัวแบบไว้ครบ การไม่เติมสิ่งที่คุณไม่ได้ขอ และเลย์เอาต์ที่ดูใกล้งานสำเร็จมากกว่า

Grok Imagine Image 2.0 คืออะไร และต่างจากเวอร์ชันแรกอย่างไร

Grok Imagine Image 2.0 คือโมเดลภาพรุ่นที่สองของ xAI บน ZOOOP มันทำงานแบบเดียวกับ Grok Imagine รุ่นแรก: สร้างจากพรอมต์โดยตรง หรือใส่ภาพอ้างอิงได้สูงสุด 3 ภาพเพื่อแก้ไขหรือรวมภาพ มีอัตราส่วนภาพเจ็ดแบบ คือ 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 และ 9:16 ที่ 1K หรือ 2K ช่องพรอมต์รับได้ถึง 8,000 ตัวอักษร ข้อความ ลำดับความสำคัญ และสี จึงใส่ได้หมดในย่อหน้าเดียว

การเปลี่ยนแปลงที่เห็นชัดที่สุดจากเวอร์ชันแรกคือตัวเลือกระดับคุณภาพใหม่สองระดับ คือ Low และ Medium โดย Low ถูกกว่า Medium แต่ทั้งสองอยู่ฝั่งราคาถูกเมื่อเทียบกับโมเดลอื่นใน เครื่องกำเนิดภาพ AI ของ ZOOOP รุ่นแรกยังไม่ได้ถูกปลดระวาง และอยู่ในทุกการเปรียบเทียบด้านล่าง

เราทดสอบอย่างไร

สี่พรอมต์ แต่ละพรอมต์รันครั้งเดียวบนสี่โมเดล ทั้งหมดที่ 1K: Grok Imagine Image 2.0 ระดับ Low และ Medium, Grok Imagine รุ่นแรก และ GPT Image 2.6 ระดับ Medium เป็นตัวเทียบ เราเลือกพรอมต์ที่ตรงกับด้านที่ xAI บอกว่าพัฒนาขึ้นมากที่สุด:

  1. โปสเตอร์คืนดนตรีแจ๊ส, 2:3 พาดหัว "MIDNIGHT TIDE" มีตัวอักษรเล็กหนึ่งบรรทัดที่ด้านล่าง "Live at Harbor Hall · Friday 21 November · Doors 8 PM" ในสไตล์ซิลค์สกรีน
  2. บรรจุภัณฑ์กระป๋องชา, 1:1 ฉลากเขียนว่า "CHAMOMILE CALM" มีตัวอักษรเล็กหนึ่งบรรทัดอยู่ใต้ลงมา "Organic herbal infusion · 20 pyramid bags" และดอกคาโมมายล์วาดด้วยมือ
  3. ภาพบุคคลบนถนน, 3:4 ลิสบอนยามฝนตก: ผู้หญิงวัยหกสิบกว่า ผมหยิกสีเงิน สวมเสื้อกันฝนสีเหลือง หัวเราะอยู่ใต้กันสาดของคาเฟ่
  4. เมนูกระดานดำ, 4:3 หัวข้อ "TODAY'S BREWS" เครื่องดื่มหกรายการเขียนด้วยลายมือบรรทัดละรายการ แต่ละรายการมีไอคอนเล็กๆ พรอมต์ไม่ได้ระบุราคา

นอกจากนี้เรายังรันการรวมสามภาพแยกต่างหาก เฉพาะบน 2.0 Medium และรุ่นแรก

โปสเตอร์และบรรจุภัณฑ์: ตัวอักษรถูกจริงไหม

เริ่มด้วยผลที่เราไม่คาดคิด ทั้งสี่โมเดลสะกดทั้งพาดหัวและตัวอักษรเล็กได้ถูกต้อง รวมถึงรุ่นแรกด้วย บรรทัดล่างที่มีวันที่และเวลาออกมาถูกทุกตัวอักษรบนโปสเตอร์ทั้งสี่ใบ

โปสเตอร์คืนดนตรีแจ๊ส พรอมต์เดียวกันบนสี่โมเดล

จากซ้ายไปขวา: Grok Imagine Image 2.0 Low, 2.0 Medium, Grok Imagine รุ่นแรก, GPT Image 2.6

ภาพขยายตัวอักษรเล็กที่ด้านล่างของโปสเตอร์แต่ละใบ

จากบนลงล่าง: 2.0 Low, 2.0 Medium, Grok Imagine รุ่นแรก, GPT Image 2.6

พูดกันตรงๆ: กับข้อความสั้นขนาดนี้ การอัปเกรด "ตัวอักษรแม่นขึ้น" ไม่ได้แสดงให้เห็น ตัวอักษรเล็กคมชัด แต่รุ่นแรกก็รับมือกับบรรทัดยาวขนาดนี้ได้อยู่แล้ว เลย์เอาต์ที่ยากกว่า เช่น คำแนะนำเต็มหน้า หรือตัวอักษรเล็กหลายคอลัมน์ ไม่ได้อยู่ในการทดสอบนี้

ความต่างอยู่ที่เลย์เอาต์ โปสเตอร์ทั้งสี่มีดวงจันทร์ คลื่น และเงาของนักแซกโซโฟน 2.0 Low ล้อมตัวอักษรเล็กด้วยลายคลื่นเล็กๆ 2.0 Medium ตีเส้นบางรอบทั้งโปสเตอร์และเก็บตัวอักษรเล็กไว้ข้างใน ดูเหมือนโปสเตอร์คอนเสิร์ตที่ส่งโรงพิมพ์จริง รุ่นแรกย่องานภาพลงเป็นบล็อกบนพื้นส้ม และองค์ประกอบดูแบนลง GPT Image 2.6 มีเกรนที่ให้ความรู้สึกเหมือนงานซิลค์สกรีนจริงมากที่สุด

กระป๋องชาเห็นช่องว่างชัดกว่า

บรรจุภัณฑ์กระป๋องชา พรอมต์เดียวกันบนสี่โมเดล

จากซ้ายไปขวา: 2.0 Low, 2.0 Medium, Grok Imagine รุ่นแรก, GPT Image 2.6

Grok Imagine Image 2.0 ระดับ Medium ทำฉลากเป็นสติกเกอร์สีขาวนวล มีขอบบางๆ และดอกคาโมมายล์ลายเส้น กระป๋องทั้งใบดูเหมือนของที่หยิบจากชั้นวางได้เลย Low พิมพ์ตัวอักษรลงบนกระป๋องตรงๆ ลำดับความสำคัญยังชัดเจน และดีพอสำหรับงานพิตช์ ตัวอักษรเล็กของรุ่นแรกเบลอลงนิดหน่อยเมื่อซูมดู แต่สะกดถูก

เมนูและภาพบุคคล: จุดที่ Low กับ Medium แยกทางกัน

เมนูกระดานดำเป็นครั้งเดียวที่ Grok Imagine Image 2.0 Low ทำผิดชัดเจน

เมนูกระดานดำ พรอมต์เดียวกันทั้งสองระดับคุณภาพ

ซ้าย: 2.0 Low ขวา: 2.0 Medium

ทั้งคู่ได้เครื่องดื่มครบหกรายการพร้อมไอคอน แต่ Low เติมราคาไว้ท้ายทุกบรรทัดเอง ทั้งที่พรอมต์ไม่ได้พูดถึงราคาเลย ถ้าคาเฟ่เอากระดานนี้ไปใช้จริง ก็ต้องมีคนมานั่งแก้ตัวเลขทีละบรรทัด Medium เขียนเฉพาะที่ถูกขอ การทดสอบครั้งเดียวพิสูจน์ไม่ได้ว่า Low จะทำแบบนี้เสมอ แต่ควรจำไว้ว่า Low บางครั้งก็เติมสิ่งที่ไม่มีใครขอ

ภาพบุคคลไม่มีถูกหรือผิด ทั้งสี่ภาพดี และความต่างขึ้นอยู่กับรสนิยม

ภาพบุคคลบนถนน พรอมต์เดียวกันบนสี่โมเดล

จากซ้ายไปขวา: 2.0 Low, 2.0 Medium, Grok Imagine รุ่นแรก, GPT Image 2.6

ใน 2.0 Low เธอหัวเราะมองตรงเข้ากล้อง ดูจัดท่านิดๆ ใน Medium เธอเอียงหัวและหัวเราะสบายๆ เหมือนช่วงเวลาที่ใครบังเอิญจับภาพได้ รุ่นแรกถอยกล้องออกมา และถนนกินพื้นที่ส่วนใหญ่ของเฟรม GPT Image 2.6 ก็ให้ความรู้สึกเป็นธรรมชาติเช่นกัน และกระดานดำเล็กๆ ด้านหลังเธอเขียนรายการขนมอบสองสามอย่างเป็นภาษาโปรตุเกส ซึ่งเป็นรายละเอียดแบบลิสบอนที่น่ารัก ไม่มีภาพไหนในสี่ภาพตกหล่นสิ่งที่พรอมต์ขอ

การแก้ไขและการรวมภาพ: สามภาพรวมเป็นหนึ่ง

ตรงนี้คือจุดที่ Grok Imagine Image 2.0 ทิ้งห่างรุ่นแรกในที่สุด มีภาพอ้างอิงสามภาพ: รูปมือถือของคอร์กี้ จักรยานวินเทจสีแดงที่มีตะกร้า และตรอกริมทะเลที่มีแดดจ้า พรอมต์ขอให้คอร์กี้นั่งอยู่ในตะกร้าหน้ารถ และจอดจักรยานไว้ในตรอกนั้น

ภาพอ้างอิงสามภาพและภาพรวมจากแต่ละโมเดล

แถวบน ภาพอ้างอิงสามภาพ: รูปคอร์กี้ จักรยาน และตรอกริมทะเล แถวล่าง: ภาพรวมจาก 2.0 Medium ทางซ้าย ภาพรวมจากรุ่นแรกทางขวา

แวบแรกทั้งคู่ทำได้ คอร์กี้อยู่ในตะกร้า จักรยานกับตรอกตรงกับภาพอ้างอิง แม้แต่โคมไฟติดผนังและกระถางดอกไม้ก็มาครบ ต้องซูมเข้าไปถึงจะเห็นความต่าง

ข้อแรกคือตัวหมา คอร์กี้ในรูปอ้างอิงเป็นสามสี มีขนดำเหนือตาและตามแนวหลัง 2.0 Medium รักษาลายดำนั้นไว้ คอร์กี้ของรุ่นแรกออกมาเป็นสีน้ำตาลอ่อนกับขาว และพอดูใกล้ๆ ก็ไม่ใช่หมาของคุณแล้ว ข้อที่สองอยู่ที่มุมซ้ายล่าง ตรงที่รุ่นแรกเติมข้อความบรรทัดเล็กๆ ที่ดูเหมือนลายเซ็นช่างภาพ 2.0 ไม่ได้ทำแบบนั้น ลายน้ำที่โผล่มาเองคืออีกอย่างที่ต้องเก็บกวาดก่อนโพสต์

คำกล่าวของ xAI ที่ว่าโมเดลรักษาสิ่งที่คุณให้ไว้เวลาแก้ไข เห็นได้ชัดตรงนี้ ถ้าคุณใช้ แก้ไขภาพ กับสัตว์เลี้ยงของคุณ ภาพบุคคล หรือภาพสินค้า ข้อนี้สำคัญกว่าการสะกดพาดหัวถูกหรือไม่

ความเร็ว: Low และ Medium ใช้เวลาเท่าไร

นี่คือเวลาที่แต่ละภาพใช้ในการทดสอบนี้ ทั้งหมดที่ 1K:

  • 2.0 Low: 14 ถึง 57 วินาที ส่วนใหญ่ไม่ถึง 30
  • 2.0 Medium: 68 ถึง 90 วินาที
  • Grok Imagine รุ่นแรก: 11 ถึง 14 วินาที
  • GPT Image 2.6 Medium: 26 ถึง 51 วินาที

Grok Imagine Image 2.0 ระดับ Medium ช้าอย่างเห็นได้ชัด แต่ละภาพใช้เวลาเกินหนึ่งนาที นานกว่า GPT Image 2.6 ที่ตั้งค่า Medium รุ่นแรกเร็วที่สุดและนิ่งมาก ตอนเปิดตัวเรายังลองงานเร็วๆ สองงานบน 2.0 Low: สร้างภาพจากข้อความที่ 1K ใช้ 18 วินาที และเปลี่ยนรูปถ่ายเป็นภาพสีน้ำใช้ 17 วินาที การแก้ไขจึงเร็วพอๆ กับการสร้างใหม่ตั้งแต่ต้น

ใช้เมื่อไร และเมื่อไรควรเปลี่ยนไปใช้ GPT Image 2.6

ถ้าภาพมีตัวอักษร หรือเรากำลังแก้ไขรูปและไม่อยากให้คนหรือสิ่งของเพี้ยนไป Grok Imagine Image 2.0 คือตัวเลือกแรกของเรา เริ่มที่ Low เพื่อลองทิศทาง มันถูกและเร็ว รันหลายองค์ประกอบได้ในรอบเดียว แล้วค่อยรันพรอมต์ที่ชอบซ้ำบน Medium เป็นงานจริง: เลย์เอาต์ดูเสร็จสมบูรณ์กว่า และมีโอกาสน้อยกว่าที่จะแทรกสิ่งที่พรอมต์ไม่ได้พูดถึง อะไรที่ออกมาจาก Low ให้ตรวจตัวอักษรก่อนเสมอ

ถ้าต้องการแค่โปสเตอร์ที่มีพาดหัวสั้นๆ Grok Imagine รุ่นแรกก็ทำได้ถูกต้องเหมือนกัน และเร็วกว่ามาก จึงเป็นตัวเลือกที่ดีเวลารีบ แต่เมื่อมีภาพอ้างอิงเข้ามาเกี่ยว โดยเฉพาะการรวมภาพที่สัตว์เลี้ยง ใบหน้า หรือรายละเอียดสินค้าต้องออกมาครบ ให้เปลี่ยนไปใช้ Grok Imagine 2.0

ถ้าต้องการ 4K ภาพอ้างอิงมากกว่า 3 ภาพ หรือเลย์เอาต์ยาวและแน่น ให้เปลี่ยนไปใช้ GPT Image 2.6 Grok Imagine Image 2.0 สูงสุดที่ 2K และรับภาพอ้างอิงได้มากสุด 3 ภาพ ข้อจำกัดเหล่านี้ตายตัว

โมเดลทั้งหมดนี้อยู่ในหน้า เครื่องกำเนิดภาพ AI เดียวกัน สลับไปมาได้โดยไม่ต้องไปที่อื่น ลองรันพรอมต์เดียวผ่านแต่ละตัวดู จะบอกอะไรคุณได้มากกว่ารีวิวไหนๆ

คำถามที่พบบ่อย

Grok Imagine Image 2.0 ระดับ Low หรือ Medium: ควรใช้ตัวไหน

Low สำหรับลองทิศทางและร่างงานเป็นชุด: ถูกกว่า และภาพส่วนใหญ่ได้ภายในครึ่งนาที Medium สำหรับภาพจริง: เลย์เอาต์เนี้ยบกว่าและมีโอกาสน้อยกว่าที่จะเติมอะไรเอง แต่แต่ละภาพใช้เวลาเกินหนึ่งนาที

ใช้ภาพอ้างอิงได้กี่ภาพ

สูงสุด 3 ภาพ ไม่ใส่ภาพคือสร้างภาพจากข้อความ ใส่หนึ่งภาพจะกลายเป็นการแก้ไข และสองหรือสามภาพจะรวมภาพเข้าด้วยกัน

สร้างภาพใหญ่กว่า 2K ได้ไหม

ไม่ได้ 2K คือสูงสุด ถ้าต้องการ 4K ให้เปลี่ยนไปใช้ GPT Image 2.6

ทำพื้นหลังโปร่งใสได้ไหม

ไม่ได้ มันไม่ส่งออกพื้นหลังโปร่งใส ถ้าต้องการ PNG แบบตัดพื้นหลังทันที ให้ใช้ Seedream 5.5 แทน

เขียนพรอมต์เป็นภาษาอื่นที่ไม่ใช่ภาษาอังกฤษได้ไหม

พิมพ์ได้ แต่ทุกพรอมต์ในการทดสอบนี้เป็นภาษาอังกฤษ และเรายังไม่ได้เปรียบเทียบผลในภาษาอื่น จึงบอกไม่ได้ว่าใช้ได้ดีแค่ไหน

แบ่งปัน

ค้นพบเพิ่มเติม

ดูทั้งหมด