MidJourney vs. DALL-E 3: Head to Head Prompt Battle

Ikke flere lykkelige små ulykker

AI-bildegenereringsteknologien forbedres så raskt at kvaliteten og funksjonene som er mulig på bare uker eller måneder kan være helt annerledes. DALL-E 3 bringer et sprang innen teknologi, men hvordan holder det seg til MidJourney?

Hva er spesielt med DALL-E 3?

Vi har dekket utviklingen og mulighetene til MidJourney i detalj før, og så langt har det vært den beste bildegeneratoren for den beste kunstneriske produksjonen som er egnet for faktisk bruk. Men å komme nær det du faktisk ville ha i det genererte bildet i MidJourney kan være en ekstremt hit-and-miss affære. Hvis du vil ha presis kontroll, må du ty til å bruke Stable Diffusion og en av dens mange mods, for eksempel ControlNet. Stable Diffusion er imidlertid betydelig vanskeligere å bruke, og både MidJourney og DALL-E 3 er overlegne når det gjelder brukervennlighet.

DALL-E lover å holde seg mye mer nøyaktig til ordlyden i spørsmålet ditt. Med andre ord, hvis du ber om spesifikke karakterpositurer, detaljer i scenen eller arrangementer av objekter i scenen, i teorien, bør DALL-E 3 gi deg det du ba om. Vi vil sammenligne DALL-E 3 og MidJourney ved å bruke flere ledetekster. Den samme meldingen vil bli gitt til hver AI-generator.

Oppfordring 1: Kunstnerisk teft

Først vil jeg bare få en generell følelse av hva hver generator vil gjøre kunstnerisk, så vi starter med en ganske generisk ledetekst:

Generate an image of an epic fantasy scene with elves and dragons in a 90s fantasy art style

Her er MidJourney-bildet jeg syntes var best.

Og her er DALL-E 3-bildet jeg syntes var best.

Det som er interessant å merke seg her er at ChatGPT (frontenden for DALL-E 3 i dette tilfellet) ikke sender min eksakte melding videre til bildegeneratoren. En del av det viktigste salgsargumentet for DALL-E 3 er at den bruker ChatGPT (dvs. GPT-4) for å ta ideen din og gjøre "prompt engineering"-delen av arbeidet for deg. Så det vil skape mye mer detaljerte spørsmål for å prøve å få bedre resultater. Her er forespørselen som ChatGPT opprettet basert på forespørselen min:

Oil painting reminiscent of 90s fantasy artwork, showcasing a group of elves, both male and female, standing on a cliff's edge. In the background, colossal dragons soar, their wings casting shadows over a lush forest below. The scene is filled with vibrant colors and dramatic lighting.

Dette gir en unik utfordring når du prøver å sammenligne de to bildegeneratorene, fordi GPT øker kvaliteten på forespørselen. Så, for å gjøre det rettferdig, matet jeg den GPT-genererte forespørselen inn i MidJourney, og dette er resultatet.

Nå har vi noe mye mer sammenlignbart. Men hvilken vinner? I dette tilfellet er min mening at DALL-E 3-bildet er nærmere det jeg ba om, mens MidJourney-bildet har en mer distinkt stil og mer kunstnerisk stil. MidJourneys nåværende V5-modell utmerker seg med generell kunstnerisk teft etter min mening, men dette er selvfølgelig svært subjektivt.

For resten av sammenligningene vil jeg bare bruke de GPT-genererte ledetekstene for begge bildegeneratorene for å oppheve ferdighetene mine (eller mangelen på dem) når det gjelder å lage ledetekster. Så med andre ord, jeg vil spørre ChatGPT om bildet først, og deretter kopiere og lime inn det beste bildet det genererer, i MidJourney.

Prompt 2: Tekstelementer

Du har kanskje lagt merke til at MidJourney har en tendens til å komme opp med gobbledygook hver gang det er tekst i et generert bilde. Det er fordi det genererer ting som ser ut som bokstaver, men som egentlig ikke er bokstaver. Så T-skjorter med tekst eller butikkskilt vil ikke ha noen fornuftig tekst. DALL-E 3 lover å lage den teksten du liker og plassere den riktig i rammen, så la oss teste det. Her er ledeteksten ChatGPT kom opp med:

Drawing reminiscent of newspaper comic strips, featuring a computer geek deeply engrossed in his coding work. His T-shirt stands out with the bold statement 'How-To Geek Is Awesome'. The scene is set in a cozy corner with tech posters and sticky notes on the wall.

Her er DALL-E 3s resultat.

Og her er MidJourneys resultat.

Mens MidJourmeys utgang er veldig behagelig for øyet, er det slett ikke det vi ba om, så DALL-E 3 pips det her. Imidlertid er det fortsatt mye useriøs tekst i bildet. I min testing fungerer DALL-E utmerket når du spesifiserer all teksten i bildet, eller det ikke er annen tekst enn det du spurte om, men hvis bildet har uspesifisert tekst er det tull akkurat som med MidJourney,

Prompt 3: Sette en scene

Den siste testen jeg vil kjøre er å sette en scene, der jeg spesifiserer plasseringen av alle hovedelementene.

Illustration of a cyberpunk cityscape reminiscent of Blade Runner aesthetics. A cyborg woman with glowing eyes and cybernetic limbs stands on the left, holding a shiny apple. Opposite her, on the right, a robot vendor with a worn-out exterior smokes a cigar, surrounded by an array of exotic fruits. The street is bustling with activity, with drones flying overhead and neon signs illuminating the scene.

Her er DALL-E 3s resultat.

Og her er alle fire forsøkene fra MidJourney.

Igjen, MidJourney utmerker seg med kunstnerisk stil, men klarer ikke å faktisk gjøre det jeg spurte om i ledeteksten.

Selv om du kan gjøre om det samme bildet i DALL-E 3 i forskjellige stiler, vil ingen mengde cajourney få MidJourney til konsekvent å gjengi de spesifikke elementene og plasseringen du ber om. Her er det samme bildet, men jeg ba om en mer surrealistisk og drømmeaktig stil fra DALL-E 3.

DALL-E 3 er ikke perfekt

Før du bestemmer deg for å droppe MidJourney for DALL-E 3, er det noen få store begrensninger jeg møtte når jeg testet DALL-E 3 som du bør vite om:

  • ChatGPT vil nekte å generere bilder av opphavsrettsbeskyttede karakterer, mens MidJourney med glede vil produsere fankunst av eksisterende karakterer.
  • ChatGPT lar deg heller ikke be om kunststilen til noen levende kunstner, mens du fortsatt kan gjøre dette med MidJourney.
  • Begge plattformene vil ikke generere kunst som går over visse linjer når det kommer til voksent innhold som er voldelig eller seksuelt av natur. MidJourney har imidlertid en enkel ankeprosess for falske positiver, mens ChatGPT kan kreve litt overbevisning siden det er mye mer sofistikert på forsiden av det.

Tiden min med verktøyet var begrenset, og både DALL-E 3 og MidJourney får stadig nye justeringer og funksjoner, men dette var de mest åpenbare begrensningene de fleste kanskje bryr seg om.

Dommen

Det er ganske vanskelig å erklære en absolutt vinner her, men slik ting er nå, er MidJourney det rette verktøyet å bruke hvis du vil ha uttrykksfullhet og kunstnerisk teft i det du genererer. Derimot er DALL-E 3 det desidert bedre verktøyet hvis du ønsker å lage konsistente kunstverk til dine eksakte krav til illustrasjoner eller andre profesjonelle brukstilfeller.