Los chatbots líderes en inteligencia artificial son capaces de generar algo más que historias cortas, poesía y código. ChatGPT, Gemini y MetaAI también tienen capacidades de generación de imágenes.
Los chatbots en sí no crean las imágenes; en cambio, cada uno actúa como intermediario entre el usuario y un modelo de imagen de IA diferente. Sin embargo, esto no siempre ha funcionado según lo planeado, ya que llevó a Gemini a generar imágenes con prejuicios raciales de una manera que el modelo de imagen por sí solo no lo hacía.
Dado que MetaAI se unió recientemente a las filas de los chatbots, decidí crear una serie de indicaciones para ver qué tan bien se desempeña cada una de las IA cuando se trata de crear una variedad de imágenes y estilos diferentes.
Claude 3 no pasó el corte porque, si bien puede analizar una imagen, aún no puede generar una, y dejé Microsoft Copilot fuera porque usa el mismo modelo subyacente DALL-E 3 que ChatGPT.
Creando las indicaciones para la prueba de imagen.
A lo largo de este experimento, dejé todo por defecto y no agregué instrucciones más allá del concepto y estilo que quiero que genere la IA.
Le pedí a ChatGPT que los hiciera cuadrados ya que no tiene un valor predeterminado, mientras que MetaAI y Gemini solo generan imágenes en formato cuadrado.
1. Un momento surrealista
El primer mensaje pone a prueba la capacidad de la IA para seguir un mensaje complejo con una variedad de instrucciones que incluyen color, estilo y enfoque.
El mensaje: “Un paisaje surrealista que presenta una isla flotante con un misterioso templo antiguo, poblado por plantas bioluminiscentes y criaturas etéreas, representado en un estilo artístico vibrante y onírico”.
Géminis no logró capturar las plantas bioluminiscentes, pero sí creó una isla flotante y un templo mejores. Le doy este a MetaAI porque creo que es el mejor todoterreno.
2. Un viejo mago
El siguiente es la única persona real del set. El objetivo es mostrar un rostro anciano con signos de inmenso conocimiento y poder detrás de sus ojos.
El mensaje: “Un retrato en primer plano muy detallado de un viejo mago sabio con una intrincada barba trenzada adornada con baratijas mágicas, capturado en un estilo realista que recuerda a las pinturas del Renacimiento”.
Primero, abordemos el cuadrado en blanco de la habitación. Google Gemini se negó rotundamente a generar esta imagen porque mostraba a una persona, incluso una persona ficticia. Las imágenes de MetaAI y ChatGPT fueron increíbles, pero ChatGPT supera a Meta por un pelo.
3. Ninja ciberpunk
¿Qué tan bien puede cada generador representar una motocicleta en movimiento, muy estilizada y capturar el concepto de un paisaje urbano empapado de lluvia? Muy bien.
El mensaje: “Una escena de acción dinámica que representa a un ninja cyberpunk involucrado en una persecución a alta velocidad en una aeromoto futurista a través de un paisaje urbano bañado por la lluvia y con luces de neón, ilustrado en un estilo de cómic valiente”.
Nuevamente, opté por darle este a ChatGPT porque creo que captura el concepto de lluvia mejor que los otros dos. MetaAI no generó una bicicleta flotante y Gemini era demasiado blando.
4. Lindo bebé elefante
Este mensaje puso a prueba la capacidad del chatbot de IA para capturar el concepto de lindo y hacerlo de una manera que siga el mensaje de estilo, en este caso al estilo Pixar.
El mensaje: “Un adorable y expresivo bebé elefante jugando con una pelota de colores en un exuberante jardín tropical, representado en un encantador estilo de animación 3D similar al de Pixar”.
Todos hicieron un buen trabajo, pero le quité puntos a ChatGPT por la frontera. Al final, todos fueron notables, pero creo que Géminis fue el que más se acercó al mensaje.
5. Naturaleza y tecnología
Me encanta ver qué tan bien, o si, los chatbots de IA pueden manejar un concepto más abstracto, en este caso generando algo que haga pensar.
El mensaje: “Una imagen conceptual que invita a la reflexión y que simboliza la lucha entre la naturaleza y la tecnología, en la que aparece una mano robótica que sostiene delicadamente una flor frágil y floreciente en medio de un paisaje desolado y post-apocalíptico”.
Los tres generadores de imágenes de IA crearon algo similar, pero MetaAI fue, con diferencia, mi favorito, ya que fusionó perfectamente el concepto de potencia y suavidad.
6. Una naturaleza muerta sencilla
Siempre es pertido ver cómo se las arreglan los diferentes generadores de imágenes de IA cuando se trata de representar vidrio. Aquí, la copa albergaba vino espumoso con una mezcla de frutas, carnes y otros elementos.
El mensaje: “Una deliciosa composición de naturaleza muerta que muestra una variedad artísticamente dispuesta de frutas exóticas, quesos gourmet y una copa de vino espumoso, capturada en un estilo fotorrealista con una iluminación espectacular”.
Los tres crearon una imagen sobre un tema similar. Todos siguieron el mensaje, pero encontré ChatGPT demasiado desordenado y MetaAI demasiado nítido, así que se lo di a Gemini.
7. Rumbo al espacio
Finalmente, nos dirigimos al espacio y al concepto de una estación espacial masiva. Sin embargo, tenía que hacer más que eso: tenía que mostrar estrellas y una nebulosa que fuera en parte ciencia ficción y en parte real.
El mensaje: “Una escena astronómica impresionante que representa una antigua y colosal estación espacial orbitando un luminoso sistema estelar binario, con una nebulosa vibrante e innumerables estrellas en el fondo, representada en un estilo que combina ciencia ficción y realismo”.
No estoy seguro de qué pensaba MetaAI que estaba haciendo aquí: parecía demasiado fuera de lugar por una tangente extraña. Tuve que dárselo a ChatGPT porque era el único que mostraba dos estrellas.
¿Hubo un ganador?
Esto estuvo mucho más cerca de lo que esperaba. Cada chatbot de IA pudo crear una serie de imágenes atractivas, con la excepción de Géminis y las personas.
Hubo algunas diferencias de estilo importantes entre ellos y en todos los casos se redujo al gusto personal sobre cualquier otro elemento, como el seguimiento rápido.
Al final, creo que ChatGPT superó a los otros dos. También tiene un conjunto de funciones más amplio que incluye la generación de una variedad de orientaciones de imágenes y tamaños de lienzo, edición de imágenes y otras funciones. Dicho esto, Meta puede animar una imagen.
- ChatGPT Plus vs Copilot Pro: ¿qué chatbot premium es mejor?
- Enfrenté a Google Bard con Gemini Pro y ChatGPT: aquí está el ganador
- Runway vs Pika Labs: ¿cuál es la mejor herramienta de vídeo con IA?