Generování obrázků z textů pomocí AI, nazývané odborně jako text to image model, je typ modelu strojového učení, který na základě textového popisu (promptu) v přirozeném jazyce generuje digitální obrázek. Moderní modely tohoto typu (např. Flux, Stable Diffusion 3, Midjourney v6/v7, Imagen 3, DALL·E 3 nebo Qwen-Image) využívají převážně difúzní proces (diffusion process) v kombinaci s transformer architekturou, tzv. Diffusion Transformer (DiT) nebo jeho pokročilé varianty. Tento přístup nahradil dřívější konvoluční sítě (U-Net) a umožňuje lepší škálovatelnost, porozumění složitým promptům a vyšší kvalitu výstupů.
Modely začínají s náhodným šumem a postupně ho „odšumují“ (denoising) podle textové podmínky, což vede k fotorealistickým snímkům, uměleckým stylům, ilustracím či konceptuálním vizualizacím. Od poloviny 20. let 21. století se staly klíčovou součástí generativní umělé inteligence a výrazně ovlivnily oblast digitálního umění, designu a multimediální tvorby.
Přehled modelů
Severoamerické
Nano Banana od Google Imagen DALL·E 3 od OpenAI Midjourney od Midjourney MAI-Image od Microsoft Ray a Uni od Lumalabs GPT Image od OpenAI Ising Calibration od Nvidia Claude Design od Anthropic Reve od Reve Image Ideogram Krea od Krea.ai Grok Imagine AI Muse od Meta
Evropské
Mistral od Mistral Flux od Black Forest Lab
Asijské
Z.Image a Z-ImageTurbo od Alibaby Ovis Image GPT Image GLM Image od Z.AI Seedream od ByteDance Z-ImageTurbo od Alibaba Wan 3.0 od Alibaby Vivago od HiDream AI Video Generation AI Image Generation
Australské Leonardo AI od Canva
Odkazy
Reference
Kategorie:Umělá inteligence Kategorie:Generování obrazů z textu