本文旨在深入分析國內(nèi)各大AI產(chǎn)品在“圖片生成 & 圖片處理”領(lǐng)域的功能對比，幫助用戶更好地理解各產(chǎn)品特性，并作出適合自己需求的選擇。

2022年OpenAI發(fā)布了ChatGPT3.5，標(biāo)志著以AI大模型為主體的人工智能時代到來。自此之后，國內(nèi)各個傳統(tǒng)大廠、AI獨角獸紛紛下場，各類AI大模型及其對應(yīng)的產(chǎn)品紛紛如雨后春筍般問世。

在帶來行業(yè)繁榮的同時，也為普通用戶帶來了不少選擇的困惑。究竟國內(nèi)各大AI產(chǎn)品有什么差異？我們應(yīng)該如何選擇？

要對比各大AI產(chǎn)品，我們可以粗略分為內(nèi)、外兩層，內(nèi)在是其內(nèi)核的大模型智能程度，外在是各團隊研發(fā)的產(chǎn)品功能。對于大模型，市面上已有不少報告進行測評。但對于外在產(chǎn)品功能的梳理對比，似尚未有過多關(guān)注。

有感于此，我計劃從對“文本生成”、“圖片生成 & 圖片處理”、“智能體”三個當(dāng)下AI最為熱門的領(lǐng)域入手，梳理目前國內(nèi)各大AI產(chǎn)品功能的橫向?qū)Ρ取?/p>

當(dāng)然，我的主要關(guān)注點是“有無”，而非“優(yōu)劣”，即我主要著眼在某一項功能在各大AI產(chǎn)品上是“有”還是“沒有”，而不會具體比對該功能的具體表現(xiàn)“好”還是“不好”，因此也不會涉及到功能的具體評分。

我的目標(biāo)是通過對國內(nèi)各大AI產(chǎn)品功能橫向?qū)Ρ龋瑸椴煌褂脠鼍?、使用訴求的人群提供產(chǎn)品選擇上的建議。

橫向?qū)Ρ炔杉瘯r間：2024年8月（目前設(shè)想可能每3個月更新對比一輪，并視情況是否更新使用建議）。如果有朋友們感興趣但我沒有涵蓋的AI產(chǎn)品，或者對于本文的任何批評建議，歡迎在評論區(qū)里留言。

本篇是這個系列的第二篇——“圖片生成 & 圖片處理”篇

第一篇——文本生成篇見：國內(nèi)各大AI產(chǎn)品功能橫向?qū)Ρ燃笆褂媒ㄗh（1/3）：文本生成篇

一、【對比產(chǎn)品及項目】

嚴(yán)格來說，“圖片生成”和“圖片處理”是兩個獨立的領(lǐng)域。前者是通過給AI輸入文字或圖片，讓AI生成新的圖片（即俗稱“文生圖”、“圖生圖”）；后者是對已有的圖片，通過AI能力進行各類調(diào)整處理。

但從產(chǎn)品視角來看，二者又有明確的聯(lián)系，畢竟，AI生成圖片后進行處理，是一個很流暢的操作。

并且，從用戶視角來看，如果有涉及“圖片”的相關(guān)工作，那大概率是“圖片生成”和“圖片處理”都有所涉及。因此，我們會將二者放在一起進行對比。

關(guān)于“圖片生成 & 圖片處理”領(lǐng)域的產(chǎn)品對比，入圍標(biāo)準(zhǔn)是：

• 必須是通用的圖片產(chǎn)品，意味著只針對某個特定圖片領(lǐng)域（如：海報、漫畫、二維碼、頭像）的產(chǎn)品不在此列。
• 必須是有獨立的AI大模型部署，意味著市面上那些包殼類的AI產(chǎn)品不在此列（比如通過封裝Midjourney來提供服務(wù)的產(chǎn)品）。
• 圖片生成：有可以設(shè)置生成圖片具體參數(shù)的能力，意味著僅僅是通過對話就能簡單生成圖片的產(chǎn)品（在前面“文本生成”領(lǐng)域中，我們就有“生成圖片”的功能項梳理）不在此列。
• 圖片處理：必須是可以單獨上傳圖片進行處理，意味著僅僅是對生成圖片進行處理的產(chǎn)品，只會歸入“圖片生成”的一部分功能（這一條實際是針對“豆包”進行區(qū)分，它的圖片處理功能就是只能對其生成的圖片進行操作，說實在的有點迷）。

基于以上標(biāo)準(zhǔn)，在“圖片生成 & 圖片處理”領(lǐng)域的入圍產(chǎn)品有：

（注：SD即Stable Diffusion，是一套開源的AI圖片生成工具，支持安裝多個的生圖大模型。）

對比的項目主要由以下類別組成：

• 免費使用條件：AI生成圖片的計算成本遠高于生成文本，因此各家提供的AI生成圖片服務(wù)都是“有條件免費”，我們會將各家的具體使用條件梳理出來。
• 使用引導(dǎo)：包括功能引導(dǎo)、Prompt庫等內(nèi)容，反映的是產(chǎn)品的“易上手”程度。
• 詳細參數(shù)設(shè)置：與“文本生成”不同，“圖片生成”的效果受具體的參數(shù)設(shè)置影響較大。因此，詳細的參數(shù)設(shè)置能力反映了產(chǎn)品的“可調(diào)整性”。
• 高級功能：如ControlNet、LoRA訓(xùn)練等，反映的是產(chǎn)品在高級功能上的豐富度和深度。
• 圖片處理主流功能：主要包括圖片放大、擴展、疊加、摳圖等主流的AI圖片處理功能。

二、【完整對比結(jié)果】

基于上述產(chǎn)品和項目，完整橫向?qū)Ρ冉Y(jié)果如下：

圖片生成：

圖片處理：

三、【結(jié)果解析】

1. 簡易使用型：元寶、豆包、可靈AI

• 類型特點：通過輸入Prompt進行圖片生成，但不具備“設(shè)置圖片風(fēng)格（并非提示詞，而是指定不同生圖大模型）”及其他更高級功能。
• 適用人群：對于“生成圖片”訴求接近“有圖即可”的人群。

2. 類MJ型：江城洛神、通義萬相、文心一格

• 類型特點：具備更多的生成圖片設(shè)置能力，使用習(xí)慣上類似Midjourney，但不支持諸如ControlNet的高級功能。
• 適用人群：對于“生成圖片”有一定的質(zhì)量要求，希望控制其大體風(fēng)格走向，但又沒有科學(xué)上網(wǎng)條件的人群。

3. 類SD型：智影、WHEE+美圖設(shè)計室、堆友

• 類型特點：具備更多高級功能（如ControlNet、LoRA模型訓(xùn)練），能力及交互界面接近SD WebUI。
• 適用人群：對“生成圖片”有精細化調(diào)整的訴求，或有意在“生成圖片”領(lǐng)域進行深耕的人群。

四、【整體使用建議】

對于“圖片生成 & 圖片處理”領(lǐng)域，因此其學(xué)習(xí)廣度、深度和難度，都要比“文本生成”要更高。因此，我會統(tǒng)一推薦使用順序是：先使用“文心一格”，如果有進一步想深入研究，則再切換至“堆友”。

首先不建議使用“簡易使用型”的產(chǎn)品。倒不是說他們能力不行，主要是考慮到入門和使用，他們都并非最好選擇。最典型的體現(xiàn)就是關(guān)于“風(fēng)格”的設(shè)置。眾所周知，畫面“風(fēng)格”是一張圖片最基本的屬性。

雖然“簡易使用型”的產(chǎn)品也是可以通過在Prompt里面進行風(fēng)格描述來實現(xiàn)，但是進階后還是要切換到“選擇生圖模型”。因此從一開始上手就應(yīng)該建立“選擇生圖模型”來控制風(fēng)格的認(rèn)知。此外，從易用性來看，也不及可以直接選擇風(fēng)格的產(chǎn)品。

然后就是“類MJ型”的產(chǎn)品，它們在最基礎(chǔ)的“文生圖”領(lǐng)域都較易上手，既能滿足日常需要，又能低門檻上手。而具體到哪一款產(chǎn)品，則首推“文心一格”，原因無他，就是因為它無論是圖片生成還是圖片處理，功能都相對齊全。

最后就是想進一步深入研究AI生成圖片，那必須會走到“學(xué)習(xí)Stable Diffusion”的階段，此時推薦產(chǎn)品更多則是要考慮其功能是否足夠全面。以此為標(biāo)準(zhǔn)，那么綜合功能最齊全且免費使用條件簡單的“堆友”就成為不二之選了。

五、【附：部分產(chǎn)品特色功能截圖】

文心一格將提示詞中的部分內(nèi)容結(jié)構(gòu)化（畫面風(fēng)格、修飾詞、藝術(shù)家）

通義萬相圍繞電商場景打造了相關(guān)的特色功能

騰訊智影圍繞“視頻+圖片”打造了一系列功能

WHEE全面的AI生圖能力

堆友友好且接近SD WebUI的操作界面