Flux、Midjourney、Stable Diffusion、Dalle3、Adobe Firefly？对这些不同的模型感到困惑吗？让我们来看看它们的区别，以及如何选择适合你的模型！

嘘，在我们深入之前，你也可以在 LinkedIn 或 Twitter 找到我！我会写一些关于人工智能的内容（趋势、代码、应用等）。让我们联系吧！

OpenAI 实时 API（语音模式），在 Colab 上入门

关于人工智能你需要知道的一切 — 终极帖子

大型语言模型的崛起。图像生成模型。GPU 短缺。AI 代理。版权规则。人工智能的世界经历了重大变化...

#1 — FLUX.1：用户选择的最佳模型（Elo 排行榜）！

什么是 FLUX.1？

FLUX.1 是来自 BlackForestLabs 的最新文本到图像模型套件，由之前的 Stable Diffusion 团队成员创立。FLUX.1 于 2024 年 8 月发布，提供三种定制模型：[pro]、[dev] 和 [schnell]。

FLUX1.1 变体

• FLUX.1 [pro]：高级版本，具有更高的图像质量和提示遵循性，通过 API 提供，适用于 Replicate 和 fal.ai 等平台的专业使用。
• FLUX.1 [dev]：开源，具有非商业许可证，适合社区使用和研究人员。该模型可在 Hugging Face 和 fal Playground 上免费访问以进行实验。
• FLUX.1 [schnell]：经过优化的精简版本，速度提升至 10 倍。根据 Apache 2.0 许可证发布，适合个人或本地开发，并可与 ComfyUI 等工具轻松集成。你可以在这里在线测试它。

因此，Flux 具备：

• 开源模型，类似于 Stable Diffusion，
• 基于 API 的订阅，类似于 Dalle3，
• 以及一流的图像生成，竞争对手是 Midjourney！

ELO 排行榜：FLUX.1，最佳模型超越 Midjourney v6、Stable Diffusion 和 Dalle3！

FLUX.1 快速攀升至 ELO 排行榜的顶端，超越了 Midjourney v6.1、DALL·E 3、Ideogram 和 Stable Diffusion 等主要模型。

这突显了 FLUX.1 的卓越性能和质量，使其成为当前最高排名的文本到图像模型。

Elo 排行榜文本到图像排行榜在 HuggingFace（作者于 2024 年 10 月 7 日截图）

关键特性和示例

• 增强的图像质量：生成各种风格的高分辨率视觉效果。
• 先进的人体解剖学和照片真实感：实现高度逼真的图像。
• 改进的提示遵循性：获取准确且相关的图像。
• 卓越的速度：FLUX Schnell 适合高需求、快速处理的应用。
• 当然，对于 开源版本，你可以根据需要微调模型！

因此，Flux 成为大多数应用的明显选择！

虽然 Flux 非常多功能，可以作为通用模型使用，但在某些情况下，探索其他模型也是值得的。实际上，Flux 并不是唯一的选择！根据你的具体需求，这里有一些替代方案。

#2 — 文本到图像模型，Flux 的替代品？你应该选择哪个？

Flux、Stable Diffusion、Midjourney、Dalle3 和 Adobe Firefly 都是很棒的工具，但每个工具在不同场景中表现出色。因此，问题不是“哪个模型最好？”而是“哪个模型最适合你的应用？”让我们深入探讨一下！

#2.1 — Dalle3 — 基于 ChatGPT 和 API 的模型

访问： DALL-E 3 现在对所有 ChatGPT Plus 订阅者开放。要生成图像，只需询问 ChatGPT，它会为你创建一个。此外，DALL-E 3 还可以通过 Microsoft Image Creator 或 Bing Chat 免费试用。使用 Image Creator，你需要一个 Microsoft 邮箱账户。

提示 ChatGPT 生成图像（作者截图）

生成你的第一张图像： 我喜欢 Dalle3 的一点是，你不需要考虑提示就可以开始；只需写下你希望在图像中看到的几个重要元素。ChatGPT 会将你的句子重新表述为生动的场景，然后通过 Dalle3 生成图像。它在将文本嵌入生成的图像中也特别出色！

这是一个示例！

• 输入一个简单的提示，例如：“我爱人工智能” 3D 万圣节氛围在巴黎的卡通
• 让 ChatGPT 想象场景：3D 卡通表现出巴黎的万圣节鬼屋。埃菲尔铁塔主导着天际线，散发出幽灵般的光辉。街道上装饰着蜘蛛网，艺术性地雕刻的南瓜点缀其间。一个幽灵般的身影漂浮在塞纳河上，展示着一块写着“我爱人工智能”的标志。天空中飞舞的蝙蝠加深了恐怖的效果。
• 然后 Dalle3 生成图像！

Dalle3 生成的图像！（作者）

Dalle3 的生动插图与文本： 正如我之前提到的，Dalle3 允许用户简单地提供关键元素，ChatGPT 会将其转化为生动的场景，并具备在生成的图像中嵌入文本的能力。

这里还有几个示例！

Dalle3 生成的“塞维利亚”女性学者插图

Dalle3 生成的“东京春天”贴纸；“万岁！”

2.2 — 开源、微调和 API 访问？Stable Diffusion

Stable Diffusion 是唯一的其他 开源 模型，与列出的模型相比（Flux 是唯一的其他开源模型）。用户可以访问模型的检查点，灵活地 微调 模型，以获取新概念和风格，包括生成任何所需风格的图像。

这种微调产生了显著的效果，即使是早期版本的 Stable Diffusion，如 v1.5 和 v2.1。一个证明是 Civitai，它拥有一个庞大的模型库，这些模型是基于 Stable Diffusion 微调的。

此外，Stable Diffusion 模型也可以通过 API 访问。 这为开发者提供了将图像生成无缝集成到其产品中或自动化图像生成过程的途径。

这一系列中最新和最全面的模型名为 SDXL。 它在能力上与 Midjourney v4 相当（截至今天，Midjourney 为 v5.2）。对于那些想要尝试的人，可以在 https://clipdrop.co/stable-diffusion 上免费测试。

Wassim Jouini 通过 ClipDrop 生成的图像示例

2.3 — 最佳真实图像？Midjourney

我们都见过这张图：“教皇方济各穿着一件长长的、白色的羽绒服，灵感来自 Balenciaga。”
（来源）这张图是由 Midjourney 生成的！

Midjourney v6 今天提供最先进的真实感，皮肤、牙齿和手部特征无可挑剔。它仍然是创建真实肖像或任何类型图像的首选解决方案。

由 Midjourney 生成

2.4 — 图像和视频编辑？Adobe Firefly

2023 年底，Adobe 宣布了其下一代 AI 驱动的工具！它们显著 通过图像和视频编辑以及矢量图像生成而脱颖而出，这是 MidJourney、Stable Diffusion 和 DALL-E 等其他工具中不常见的功能。具体来说，Adobe Illustrator 现在具有文本到矢量图形的功能，允许用户轻松地从文本提示创建可编辑的矢量图形，丰富创意工作流程。

使用 Adobe Firefly 生成的矢量图像！

结论

Flux、DALL-E 3、Midjourney、Stable Diffusion 和 Adobe Firefly 各自满足不同的创意需求，使它们成为任何希望探索 AI 驱动图像生成的人的宝贵工具。

如果你优先考虑多功能性和定制性，Flux 是一个出色的选择，具有高质量的输出和通过开源选项提供的灵活性。DALL-E 3 以其易用性和将简单提示转化为生动动态图像的能力而脱颖而出，非常适合初学者和需要快速结果的人。对于无与伦比的真实感，Midjourney 仍然是最佳选择，尤其是在创建高度详细和逼真的视觉效果方面。Stable Diffusion 适合那些希望微调自己模型的人，提供开源可访问性和强大的开发者社区。最后，Adobe Firefly 是需要强大图像和视频编辑能力的专业人士的首选，包括矢量图像生成。

最终，最佳模型取决于你的具体需求以及你希望实现的创意工作类型。无论是现实主义、创意灵活性、速度还是专业编辑，总有一个模型可以帮助你实现你的愿景。