SD3与SDXL、MidJourney和Ideogram针锋相对——哪款AI图像生成器最好？

稳定性人工智能最新的大型发布SD3在人工智能社区引起了相当大的轰动。SD3承诺提高即时遵守性、效率、准确性和整体质量，昨天上线，希望在图像生成方面树立一个新的基准。我们很快就开始观察SD3与其前身SDXL以及其他领先机型MidJourney和Ideogram相比有多好。

我们的面对面比较对每个模型都使用了相同的提示，以确保公平竞争，尽管由于模型之间的内在差异，这似乎是非常规的。评估包括各种场景，测试模型处理详细艺术提示和日常场景的能力。SD3和SDXL使用相同的种子，稳定扩散世代使用标准化的负面提示，比赛场地变得平坦。

以下是我们对各种图像类型的结果。所有图像按相同顺序显示：SD3（左上）、SDXL（右上）、MidJourney（左下）和Ideogram（右下）。我们将分享我们对每一个的看法，但你也可以自己判断。

插图

提示：一只巨型蜘蛛在丛林中追逐一名女子的手绘插图，极度恐怖、痛苦、黑暗和令人毛骨悚然的景色、恐怖、模拟摄影影响的暗示、素描。

SD3和SDXL都采用了让人想起旧漫画的黑白风格。然而，SD3的输出要详细得多，捕捉到了蜘蛛的腿和女人痛苦的表情等复杂的元素。MidJourney采用了一种更巧妙的方法，制作了一幅充满活力的插图，虽然在视觉上很有吸引力，但偏离了提示的“手绘”和“草图”指示。Ideogram的解释反映了SD3的风格方法，但添加了提示中没有指定的蓝色色调，也不是草图。

就准确性而言，SD3和Ideogram正确地描绘了逃离蜘蛛的女人，与提示的叙述紧密一致。相反，SDXL和MidJourney错误地显示了该女子接近蜘蛛的画面，这与提示相矛盾。考虑到提示的草图规格，SD3的黑白、高度详细的插图比Ideogram的彩色构图更准确，后者缺乏面部细节。

获胜者：SD3。

非标准代

提示：一只穿着西装的蜥蜴。

SD3对一只穿着西装的蜥蜴进行了精确的描绘，并严格遵循提示。这只蜥蜴保留了其自然的外表，有鳞片和爬行动物的特征，无缝地融入了一套剪裁得体的西装中。相比之下，SDXL、MidJourney和Ideogram将蜥蜴拟人化，转而创造了人形蜥蜴。

SDXL和MidJourney的版本非常详细和逼真，类似于照片。MidJourney的输出具有逼真的纹理和深度，几乎类似于模拟摄影，但并没有生成套装。Ideogram的肖像经过了大量编辑，类似于政客们拍摄的官方照片，看起来精致而正式。尽管这些输出质量很高，但SD3在真实性、即时性和准确性方面表现出色，使其结果最可信。

获胜者：SD3。

房间里的大象：“L”字

提示：一个美丽的女人躺在草地上。

SD3显然出了问题。

这一提示之所以被删除，是因为人工智能艺术界首先注意到的一件事是SD3无法生成躺在草地上的人的照片。事实上，这很快就变成了一个迷因。

SDXL展示了这名女子的腰部以上照片，重点是她的上半身和脸部。MidJourney和Ideogram选择了特写图像。MidJourney的结果是最逼真的，展示了女性特征和周围草地的精细细节。然而，它过分强调了散焦效果，不仅模糊了背景，还模糊了女性身体的某些部分。Ideogram避免了过度的bokeh问题，保持了女性身体和草地的清晰。

至于SD3，这是一个莫名其妙的失败。事实上，SD3似乎很难生成人类“躺”在草地上，甚至任何东西上的图像。我们尝试了照片、插图和渲染。我们试着培养男人、女人、老人、孩子，以及任何与人相似的人。这种“撒谎”的姿势把它们都变成了巨大的怪物。

获胜者：SD3被淘汰，这场比赛是MidJourney和Ideogram的平局。

艺术风格

提示：一男一女在未来派餐厅用餐，插图，后印象派，impasto。

这项测试评估了模特再现特定艺术动作的能力。SD3表现出色，产生了impasto笔触，捕捉到了后印象派的精髓。SD3输出中油漆的纹理和层次感显而易见，显示出对风格的深刻理解。

SDXL紧随其后，成功地模仿了后印象派风格，但缺乏明显的impasto技术。MidJourney和Ideogram没有表现出对艺术风格的清晰理解，制作的通用插图与提示的规范不一致。

获胜者：SD3。

特定艺术家及其风格

提示：一男一女在一家未来主义餐厅用餐，插图为文森特·梵高风格。

SD3展示了复制梵高风格的强大能力，将他独特的笔触和调色板融入其中，尤其是对这对夫妇的描绘。这幅作品还准确地描绘了一家未来派餐厅。SDXL紧随其后，将现实主义漫画风格的人物与梵高风格的环境融合在一起。

MidJourney的作品不太连贯，没有描绘餐厅，也缺乏所要求的艺术风格。这对夫妇似乎在水中用餐，这与提示不符。Ideogram制作了一张餐厅里一男一女的直白照片，没有试图模仿梵高的风格。

获胜者：SD3。

写实主义

提示：专业照片，特写人像照片，一个白人男子，穿着黑色毛衣，严肃的脸，戏剧性的灯光，自然，阴郁，多云的天气，bokeh。

SD3以戏剧性的灯光和浅景深有效地捕捉到了严肃、阴郁的表情和黑色毛衣服装，营造出一种忧郁、专业的外观。构图包括一个灰暗的自然环境，与提示很好地吻合。

SDXL的输出遵循了传统的人工智能生成的肖像风格，模糊的背景中有阴天和树叶。然而，这张脸似乎经过了大量编辑，缺乏逼真的瑕疵。MidJourney的版本采用了暖色调和城市背景，偏离了提示的自然方面。

Ideogram的构图符合所有标准，提供了特写框架、黑色毛衣、严肃的表情、昏暗的户外灯光和背景中的一丝散焦。这也是模特中最逼真的照片。

获奖者：Ideogram。

文本生成

提示：在一个未来派城市，一名女子在墙前摆姿势，并举着一块写着“解密崛起”的牌子

事实证明，文本生成对所有模型都具有挑战性。没有一个模型成功地准确地呈现了文本“通过解密出现”。SDXL提供了最具未来感的城市景观，但未能包含提示中指定的所有元素。SD3成功地生成了墙、标志和城市——尽管文本不准确。

MidJourney是最准确的一个，产生了标志、城市和城墙的未来氛围。Ideogram生成了墙和城市，但省略了标志。尽管存在这些问题，但SD3能够融入作品的所有关键元素，即使是不完美的文本，也使其在这种情况下成为赢家。

获胜者：MidJourney——但这是幸运的一代，因为Ideogram在生成图像文本方面总体上更为一致。

结论

SD3与前代SDXL相比有了显著改进，在各种场景中与MidJourney和Ideogram相比具有竞争力。正如承诺的那样，SD3擅长迅速的坚持，以及细节和艺术风格的再现。SD3已经证明了其作为稳健基础模型的潜力。

然而，它的严格审查和在培养某些职位的人才方面令人困惑的局限性表明，它可能最好与其他工具结合使用。

例如，用户可能希望使用SD 1.5、SDXL或Pixart生成他们的图像，然后对这些生成进行编码，并将它们发送到具有SD3的去噪采样器。这将把图像创建过程卸载到SD3，但将使用上一代作为参考，而不是从头开始生成所有内容。目前，这更有意义，因为没有自定义模型，甚至没有Controlnets或LoRA来给用户更多的选择来影响模型。

在目前的状态下，SD3在许多用例中都优于SDXL，但不足以取代它。

由Ryan Ozawa编辑。