机器之能报道编辑：SIA
一直以来，Midjourney 稳坐 AIGC 文生图的王座，少有威胁，直到这家公司的出现。
8 月 23 日，生成式人工智能创业公司 Ideogram AI 正式官宣：「我们正在开发最先进的人工智能工具，使创意表达变得更容易、更有趣、更高效。」官网写道。团队核心成员也是google大脑 Imagen 团队主要成员， Ideogram AI 也被认为试图将 Imagen 发扬光大：
Mohammad Norouzi（CEO ）、Jonathan Ho (联合创始人）、 William Chan 和 Chitwan Saharia 都是google文本至图像 AI 模型 Imagen 的核心作者，相关论文曾入围 NeurIPS 2022 Outstanding paper 。Imagen 使用 Transformer 语言模型将输入的文本转换成一个嵌入式向量的序列。然后，连续的三个集中模型（ diffusion model ）会将这些嵌入式的向量转换成 1024×1024 像素的图片。由于概念上简单且易于训练，还能产生惊人的强大效果，Imagen 不仅重塑了大家对集中模型的认知，也开辟出一条 DALL-E 2 以外的文生图新范式。后来，Meta 宣布其文本视频 AI 模型 Make-A-Video 之后，google又发布了视频模型 Imagen Video（看看，名字都差不多），基于级联视频集中模型来生成高清视频。Imagen Video 继承了此前 Imagen 文本生成图像体系的准确描绘笔墨的功能，以此为基础，仅靠简单描述产生各种创意动画。
官网显示的当前团队成员。「我们的创始团队他们曾在google大脑、UC 伯克利分校、卡内基梅隆大学和多伦多大学领导过变革性人工智能项目。」官网显示。
Mohammad Norouzi 创业之前在google大脑任务了 7 年，在google的最后级别是高级研究科学家，任务重点是生成模型。Ideogram AI 在人工智能方面的基础任务积累当中，他的涉猎范围最广，包括 Imagen、Imagen Video 、用于语音合成的 WaveGrad 、神经机器翻译、用于学习视觉表示的对比学习等。合作的团队成员也最多。联合创始人 Jonathan Ho ，UC 伯克利博士毕业，在集中模型方面做了非常重要的任务，以至于他的离开被业内人士视为google的重大损失。
2022 年 4 月，google提出了视频集中模型（Video Diffusion Models），首次报告了集中模型根据文本生成视频的结果（效果不俗）。Mohammad Norouzi 、Jonathan Ho 正是文章的主要作者。Jonathan Ho 也是集中模型奠基作品之一、提出去噪集中模型 Denoising Diffusion Probabilistic Models 一作。（有趣的是，合著者之一 Pieter Abbeel 也是这家公司的投资人）。Chitwan Saharia 在google任务时，主要负责领导 image-to-image 集中模型的任务。除了集中模型方面的任务，Willian chan 在google任务时从事过神经语音识别研究，与 Mohammad Norouzi 合作研究用于语音合成的 WaveGrad 。或许是因为google囿于安全、伦理方面的顾虑，需要再做进一步的规范，来选择是否开源 Imagen 和 Imagen Video ，这些中坚力量决定离开创业。「我们正在突破人工智能的极限，重点关注创造力以及信任和安全的高标准。」官宣最后写道。
官网截图当天，公司还宣布已筹集由 a16z 和 Index Ventures 领投的总计 1650 万美元的种子融资。几位如雷贯耳的行业中坚力量也参与了本轮投资。
例如，Node.js 之父 Ryan Dahl 、Uber 首席科学家 Raquel Urtasun、Jeff Dean、Andrej Karpathy、 Pieter Abbeel 、GitHub 创始人 Tom Preston-Werner 。同时，公司也宣布迎来 v0.1 的公开测试版。我们也简单体验了一下。目前仅提供笔墨生成图片的服务，操作很简单，仅需输入你的需求，然后选择生成图像的风格和比例即可。体系了解能力还是不错的，特别是对图片中需要生成的笔墨的了解。缺点是响应速度比较慢，还不能了解中文指令，构图的空间了解也有待提升。
操作页面「Ponyo diving in the milk with dorphin 」，AI 似乎无法了解命令里的 「milk」，而是按照自己的了解（sea）给出了画面。
我们换了一个输入：「 Elon Musk take hands with Lisa （blackpink ）in a Tesla car,( cinematic )」基本正确。只是两个人的脸蛋都有点问题，这是 Lisa？
让马斯克穿越，尝试一下汉服风格，结果还真有点大侠的感觉。「 Elon Musk with long hair in chinese traditional clothing， photo」
「 Blackpink Jennie but very fat, photo。」不错，原来长胖了后大概是这个样子。
再看看一些推特网友的使用结果。即使在生成的图片里还需要生成一些笔墨，体系也可以做到。例如，「An adorable minion holding a sign that says 『It’s over, MidJourney』， spelled exactly, 3d render, typography」推友表示，虽然体系并不总是能够正确拼写，但成功率还是不错的。
「A cute fluffy pikachu standing on a big fluffy moon, holding a neon sign says 『to the moon』 , 3d render」
最近上映的电影中，《芭比》和《奥本海默》都比较引发关注，推友要求生成有关「巴本海默（barbenheimer）」的电影画报设计，风格上参考芭比和核武器。效果如下。虽然这些电影信息很可能出现在训练截止日期之后，但体系还是很好地处理了这个合成词。另外，老问题，人物的脸还不够好。
「Word 『surreal』spelled and rendered in a Dali-style surreal painting, typography」
「 a melting snowman in a volcano 」
「Word 『NVIDIA 』rendered in GPU chip circuit typography, cyperpunk, sci-fi」
「beautiful girl in Dali’s painting, with a caption『Stanford』, typography 」
一只时髦的布娃娃猫，戴着古驰太阳镜，举着一个写着『周日快乐』的牌子，黑色背景，海报
场景中有 4 个物体。一个红色的金字塔位于一个蓝色的立方体上面。一个黄色球体位于这个蓝色立方体的下方。一个大理石六边形位于金字塔的左边，蓝色立方体的顶部。看来，体系目前对构图和空间的了解还不到位。
其他首页上的作品展示。
食用链接：https://ideogram.ai/