Tongyi Wanxiang 198

通義万相はテキストから画像生成および画像から画像生成の能力を備えており、人々の画像制作をサポートし、画像デザインの敷居を大幅に下げることができます。将来的にはアートデザイン、ゲーム、文化クリエイティブなどの応用シーンにも活用できる見込みです。通義万相は主にテキストからの画像生成、類似画像生成、画像スタイル変換の3つの機能を備えています。

通義万相はアリクラウドの通義シリーズai絵画創作大規模モデルであり、アリババが独自開発した合成生成モデルComposerに基づいています。50億のパラメータを持ち、数十億のテキスト・画像ペアでトレーニングされています。拡散モデルに基づく「合成生成」フレームワークにより、Composerは配色、レイアウト、スタイルなどの画像デザイン要素を分解・再構成することができ、高い制御性と大きな自由度を持つ画像生成を実現しています。

通義万相の主な機能：

1、テキストから画像生成：テキストから画像生成ページの左側にはシンプルなインターフェースがあり、上部にはテキスト入力欄があり、その中にプロンプトを入力できます。テキスト欄の下には8種類の選択可能な画風が用意されており、水彩画、油絵、中国画、フラットイラスト、二次元、デッサン、3Dカートゥーンなど、さまざまなスタイルから選択できます。文字による説明を入力し、スタイルを選択すると、aiが自動的に創作画像を生成します。また、利便性のために、出力画像のアスペクト比は1:1、16:9、9:16の3種類から選ぶことができます。

2、類似画像生成：ユーザーは参照画像を1枚提供するだけで、内容やスタイルの似たAI作品を取得できます。なお、アップロードできる画像サイズは10M以下、形式は一般的なJPG、JPEG、PNG、BMPなどをサポートしています。通義万相でテキストから生成された画像は直接類似画像を生成でき、生成ボタンをクリックすると、右側に4枚の類似画像が生成されてダウンロードできます。

3、スタイル変換：スタイル変換インターフェースでは、2枚の画像を入力できます。1枚は元画像、もう1枚は指定したスタイル画像です。生成される画像は元画像の内容を保持し、スタイル画像のスタイルを反映します。スタイルを変えたい元画像と目標のスタイル画像を上するだけで、迅速に元画像を目標スタイルのクリエイティブ画像に変換できます。類似画像生成と同様に、元画像とスタイル画像のサイズは10M以下、同じ形式である必要があります。

テキストからの画像生成でも画像からの画像生成でも、通義万相は意味的関連性、画面の完成度、细节の豊富さなどの面で私たちに大きな驚きを与えてくれます。

通義万相の強み：

• 生成速度が速い。

• テキストからの画像生成スタイルが多様：8種類のスタイルをサポートしており、各スタイルの違いや特徴も明確です。二次元スタイルでもリアルスタイルでも、表現力は優れています。

• 類似画像と元画像の一致度が非常に高い：製品は類似画像と元画像を精密にマッチングし、元画像の特徴や細部を保持しています。使用中、生成された画像が元画像と大きく異なる心配はありません。

• スタイル変換が元画像情報を保持：万相は元画像情報を保持することができ、生成された画像は新しい芸術スタイルを持ちながら、元画像の特徴も維持します。

通義万相のリリースは、アリクラウドが人工知能分野での継続的な革新を進めていることを示しています。昨年の世界人工知能大会で、アリクラウドの「通義」大規模モデルシリーズが初めて公開されました。その後、通義千問、通義聴悟などのモデルや製品が次々とリリースされ、新メンバーの通義万相の登場により、AIの3つの主要な方向性がすべて打通されました。これは、アリクラウドが大規模モデル分野においてテキスト、音声、画像などのモダリティを処理・生成する能力を備えていることを意味します。