Kling Image 4.0 néven új képgeneráló modellt mutatott be a kínai Kuaishou, amely a vállalat szerint már natív 8K felbontású képek előállítására is képes. A generatív mesterséges intelligencia egyetlen utasításból legfeljebb tíz, egymáshoz vizuálisan kapcsolódó képet készíthet, miközben a hosszabb szövegek képen belüli megjelenítésében is fejlődést ígér. A technológia a professzionális grafikai tervezésben és az elektronikus kereskedelemben is új lehetőségeket teremthet.
A Kuaishou november 17-én este jelentette be Kling Image 4.0 nevű új képalkotó rendszerének megjelenését. A vállalat korábban elsősorban fejlett videógeneráló modelljeivel vált ismertté, az új fejlesztéssel azonban a professzionális képgenerálás piacán is erősíteni kívánja jelenlétét. A Kling Image 4.0 egyik legfontosabb újdonsága a natív 8K felbontás támogatása, amely a hagyományos, kisebb felbontású képgeneráló modellekhez képest részletesebb vizuális tartalmak előállítását teheti lehetővé. A rendszer a Kling kreatív felületén, valamint vállalati és fejlesztői API-n keresztül is elérhetővé vált.
Az új modell a képek felbontása mellett a vizuális következetességet is előtérbe helyezi. A felhasználó egyetlen szöveges utasításból legfeljebb tíz olyan képet kérhet, amelyek egységes stílust, szereplőket vagy termékmegjelenítést követnek. Ez különösen akkor lehet hasznos, ha egy grafikus nem egyetlen képet, hanem teljes kreatív sorozatot szeretne elkészíteni. Egy reklámkampány például több különböző kompozíciót és képarányt igényelhet, miközben fontos, hogy a termék, a színvilág és az arculati elemek minden változatban felismerhetők maradjanak.
A Kuaishou szerint a Kling Image 4.0 a képeken megjelenő hosszabb szövegek kezelésében is jelentős fejlődést ért el. A vállalat egyetlen képen belül akár kétezer kínai írásjegy előállításának lehetőségét emeli ki, ami különösen az információgazdag marketinganyagok és a vizuális dokumentumok készítésénél lehet érdekes. Az új modell hosszú, függőleges formátumú képeket is támogat, amelyek például webáruházi termékbemutatókhoz és weboldalak vizuális tervezéséhez használhatók. A bemutatott képességek azonban a vállalat saját technológiai állításain alapulnak, és a szövegek hibátlan megjelenítése minden esetben külön ellenőrzést igényel.
Olvasd el: Már animált GIF-eket is készít a generatív mesterséges intelligencia az OpenAI új modelljével

Mennyiben alakíthatja át a grafikai és reklámipari munkafolyamatokat, ha a mesterséges intelligencia már nagy felbontású, szövegeket is tartalmazó és egységes sorozatokba rendezhető képeket készít?
A fejlesztés különösen a professzionális marketinganyagok és az elektronikus kereskedelmi tartalmak előállításában lehet hasznos. Egy webáruház például több termékhez készíthet egységes stílusú bemutatóképeket, míg egy marketingügynökség ugyanannak a kampánynak különböző kreatív változatait állíthatja elő. A hosszabb szövegek képen belüli megjelenítése az infografikák, hirdetési grafikák és terméktájékoztatók készítését is támogathatja. A nagy felbontású kimenet pedig olyan felhasználási területeken is előnyös lehet, ahol a képeket később méretezni vagy részletesebben szerkeszteni kell.
Az új képességekkel kapcsolatban ugyanakkor több fontos korlát is felmerül. A natív 8K felbontás önmagában nem garantálja, hogy egy generált kép minden részlete fizikailag helyes vagy vizuálisan hibátlan lesz. A hosszabb, képen belüli szövegek esetében különösen fontos a karakterek, számok és termékadatok ellenőrzése. A kétezer írásjegyre vonatkozó állítás ráadásul kínai szövegekre vonatkozik, ezért nem lehet automatikusan ugyanilyen pontosságot feltételezni minden más nyelvnél. A többképes sorozatoknál a szereplők és termékek következetességét szintén érdemes külön vizsgálni.
A Kling Image 4.0 megjelenése újabb fontos fejlemény a generatív mesterséges intelligencia képi piacán. A verseny ugyanis egyre inkább túlmutat azon, hogy egy modell képes-e látványos, valósághű képet létrehozni. A professzionális felhasználók számára legalább ilyen fontos a megfelelő felbontás, az ismételhetőség, a szerkeszthetőség és a különböző képek közötti vizuális következetesség. Ha ezek a képességek megbízhatóan működnek, a mesterséges intelligencia a kreatív munkafolyamatokban nem csupán ötletgeneráló eszközzé, hanem a tényleges grafikai előállítás egyre fontosabb részévé válhat.
Olvasd el ezt is: Közel kétszer gyorsabb videókészítést ígér a generatív mesterséges intelligencia új modellje
Források: Kuaishou, IT Home, TechNode, PhotoWorkout
CS.SZ.


