Cosmos, Wan 2.7, Krea 2 e Firefly 5

Illustriamo dunque brevemente altri generatori di immagini minori di cui non ho ancora parlato così da completare la panoramica sul settore.

Cosmos 3 Super t2i:

E' la versione text to image del modello omni a pesi aperti di Nvidia. È progettato per la robotica e sa fare bene solo immagini di robot quindi per uso comune non serve a granché. Ha una sorta di consapevolezza sul funzionamento del mondo fisico ma è molto modesta su ammissione stessa di Nvidia.

Vediamolo in qualche esempio:

Realismo non ce n'è molto: la faccia sembra ritagliata da un giornale e appiccicata male in Photoshop e la mano destra è al contrario con la generazione di un dito solo parziale.

Banana 2 ci mostra come doveva risultare.

Proviamolo con una scena non realistica dove comunque deve simulare l'equilibrio precario dei libri che la donna sta reggendo.

Allora, buono come sembra che i libri le stiano per cadere e anche se il fantasma è bruttino tutto sommato l'immagine sarebbe passabile se non fosse che i testi sono scarabocchi illeggibili come è tipico dei world model.

Vabbè facciamogli fare un robot così è contento:

Il robot va bene ma i testi sono una miseria come font utilizzate e implementazione (quello in alto a stento si capisce che è un display), in più l'uomo ha la faccia deforme al pari dell'atleta olimpica nell'immagine prima. Insomma, senza girarci intorno 'sto Cosmos fa schifo.

Pro

- Almeno capisce qualcosa sulla fisica dei corpi.

- Ha una discreta aderenza alle istruzioni.

Contro

- Non pensato per output artistici.

- Non pensato per figure umane.

- Esige prompt scritti e strutturati molto bene per poi comunque restituire robaccia.

- È scarsissimo nel rendering dei testi.

- È addestrato principalmente su immagini di robot e sembra fare bene solo quelle.

A chi lo consiglio: solo ai robo-feticisti. Inoltre è molto pesante da far girare in locale e non ci sono ragioni per preferirlo, per esempio, ad Ideogram.

Wan 2.7 pro

E' la versione text to image del generatore video omonimo nonché il secondo modello di Alibaba meno noto del celeberrimo Qwen. È specializzato in immagini realistiche partendo da figure di riferimento ma non eccelle in nient'altro.

Prendiamo nuovamente Gina che è apparsa brevemente nello scorso episodio come modella per Banana e facciamo qualche altra posa da calendario.

Lei è venuta bene come espressività e forma fisica ma ci sono comunque vari errori. I giorni del calendario nella griglia sono senza senso e le aste degli occhiali sono sbagliate. In più alla mano che porge la bottiglia manca il mignolo. Tutti errori correggibili ma si tratta pur sempre di una scena semplice che ti aspetti riesca senza bisogno di fix.

Facciamo una seconda prova:

Di essere lei è venuta carina ma la posa descritta è stata generata in modo a dir poco approssimativo. C'è un errore appena visibile relativo all'alluce del piede nascosto in secondo piano che fa capolino in un punto sbagliato rispetto alla posizione del tallone ma non ci vorrebbe nulla a correggerlo. Invece le grafiche sono da buttare: nella griglia del mese il testo è completamente allucinato e c'è anche un refuso nel testo tra parentesi.

Vediamo con Banana 2 come doveva essere la posa:

Pro

- Buono nel realismo e nelle espressioni.

Contro

-Non eccelle davvero in nient'altro.

- Non è ideale per prompt complessi.

- Incapace nelle grafiche e nei testi.

- Non di rado sbaglia pure idee semplici.

A chi consiglio WAN 2.7 Pro: se vi servono delle modelle in pose semplici e realistiche è una buona opzione perché fisicamente sa sfornarle bene ma fatica con pose anche minimamente elaborate o scene fantasiose.

Krea 2

Pur essendo povero nella resa estetica è un modello rispettabile come capacità e comprensione dei prompt ed è tra i pochi che permettono di creare scene con attori, personaggi dei fumetti, dei videogiochi e VIP normalmente bloccati dai filtri.

Vediamo tre immagini frivole come esempi:

Pro

- Capisce le istruzioni dignitosamente.

- Filtri sui contenuti una volta tanto tolleranti.

- Si possono inserire un buon numero di immagini di riferimento stilistico a pesi regolabili.

- Abbastanza flessibile nel complesso.

- Ha una modalità canvas in tempo reale buona per testare all'istante come il software traduce visivamente le modifiche ai prompt.

Contro

- Esteticamente molto mediocre.

- Molto limitato nel rendering dei testi.

- Nelle scene realistiche è molto impreciso nell'attenersi alle istruzioni.

A chi lo consiglio: a chi vuole realizzare scene sciocche, frivole e divertenti solitamente non consentite con buona parte degli altri modelli oppure fare esperimenti creativi mixando stili et simila. Ma se cercate il realismo non vale nulla e complessivamente la sua comprensione delle istruzioni, anche se decente, è limitata rispetto a modelli più seri.

Hidream o1

Mi secca pure farlo vedere... è un modello scarso e inutile. L'ennesimo Open Source sviluppato con le pezze al sedere e che non andrà da nessuna parte. Proviamo con una scena molto semplice nuovamente ispirata a Cenerentola:

Se si limitava a due braccia magari... che poi non ci voleva molto. Scadente pure l'illuminazione.

A chi lo consiglio: a nessuno perché fa pena. Per l'istallazione in locale c'è Flux 2 o Ideogram e fra poco arriva Flux 3... quindi a che serve 'sta roba?

Adobe Firefly 5

In censura si gioca il titolo mondiale con Muse ma la lunga esperienza di Adobe nello sviluppo di Photoshop e dintorni lo rende utile come editor. Però qui ci interessa come Text to image. Riprendiamo la scena della libreria provata prima con Cosmos:

Esteticamente molto povero e banale, in più il fantasma non era descritto come una specie di copia della donna in primo piano e quella scarpa col tacco non aveva ragione di esserci.

Qui invece esteticamente è buono ma la stanza non c'entra nulla con la descrizione che avevo fornito e non ha nemmeno una logica con quel bancone lì in mezzo.

Proviamo allora a utilizzarlo per il branding che dovrebbe essere la sua specialità a quanto dice Adobe. Stavo pensando di lanciare sul mercato un nuovo tipo rivoluzionario di borsa da donna.

Il logo è completamente diverso dall'idea che gli avevo descritto in più manca tutta una parte di testo. Ha creato l'oggetto senza il concept che vi doveva ruotare attorno. Davvero penoso. Come se non bastasse, una volta tanto che il prompt l'avevo scritto in italiano mi traduce i testi in inglese?!

Perfino Krea che per queste cose è negato ha restituito l'idea correttamente.

Ora vediamo la differenza con GPT 2:

Pro

- Ha degli utili tool per le modifiche.

Contro

- È scarso artisticamente.

- Pecca di coerenza ambientale.

- Si attiene male ai prompt e li capisce altrettanto male. Per giunta ha un limite di soli 1000 caratteri.

- Incapace nel rendering di testi.

- Privo di qualsiasi creatività nella grafica vettoriale: sembra bravo solo a copiare roba da Adobe Stock.

A chi lo consiglio: a nessuno. Per marketing e branding c'è molto di meglio mentre per un uso creativo non capisce la metà di quello che gli dici e accetta solo testi brevi. Le sue funzioni di editing però possono tornare utili.