רגע לפני ששנת 2024 הגיעה, מידג’רני פינקו את המשתמשים עם עדכון גרסה. זה לקח הפעם הרבה זמן – חצי שנה עברה מאז שגרסה 5.2 יצאה לעולם, הזמן הארוך ביותר שנאלצנו לחכות בין גרסאות אי פעם. בכתבה זו נעשה סקירה קצרה על גרסה 6, שכרגע מוצעת בשלב האלפא – כלומר ייתכנו עוד שינויים ועדכונים לגרסה זו בעתיד.
מה חדש בגרסה 6 של מידג’רני
בקצרה, אלו השינויים העיקריים:
- יכולת (מוגבלת) להציג טקסט
- הבנה טובה יותר של פרומפטים
- איכות תמונה משופרת
מאחר ונכון לכתיבת שורות אלה גרסה 6 עדיין לא יצאה כגרסה יציבה, עוד אין אפשרות לבצע zoom או panning לאחר האפסקייל. אבל, לאחר שתבצעו אפסקייל לאחת התמונות, תראו שני כפתורים חדשים: upscale(subtle) ו-upscale (creative) שמציעים אפסקייל נוסף לתמונה הנבחרת, עם שינויים עדינים עד בלתי-מורגשים בכלל בתמונה (subtle) או שינויים יצירתיים שישנו פריטים מסויימים בתמונה בצורה יותר בולטת (creative).
בואו נראה את העידכונים של גרסה זו בפועל על-ידי יצירת מספר תמונות.
1. הצגת טקסטים בתמונות
למרות שראינו בעבר שיפור ביכולת של מידג’רני להציג טקסטים בתמונות, כעת המפתחים הודיעו על כך באופן רשמי בעדכון האחרון. מדובר בטקסטים קצרים ולא פסקאות שלמות או משפטים מלאים – מומלץ להישאר בגבולות המילים הבודדות (שתיים עד שלוש) כדי להעלות את הסיכויים לקבל מלל תקין, ויש לשים את המילים שנרצה שיוצגו בתוך מרכאות.
ניסיתי את הפרומפט הבא:
an old typewriter saying “keep it short”
זה מה שמידג’רני יצר לי:
אנחנו רואים שקיבלתי 2 תמונות מתוך הארבע שמציגות טקסט נכון. מדובר בטקסט יחסית ארוך וייתכן שאם הוא היה כולל מילה אחת או שתיים לא היו נדרשים לי שני ניסיונות לשלוח את אותו הפרומפט כמו במקרה הזה כדי לקבל טקסט תקין.
בואו ננסה טקסט קצר יותר:
a hotel building at night with a neon sign that says “Vacancy”
והנה מה שקיבלתי בניסיון ראשון:
הפעם מידג’רני התמודד יפה עם הטקסט וכלל אותו בצורה נכונה בכל אחת מהוריאציות. בחלק אמנם הוא הוסיף ג’יבריש כטקסט נוסף אבל יש כאן 2 תמונות שבהחלט אפשר להשתמש בהן, ואת החלקים המיותרים אנחנו יכולים לתקן עם כלים כמו פיירפליי.
בשורה התחתונה ולאחר מספר ניסיונות עם טקסטים מגוונים, המסקנה היא שכדי לקבל תמונות עם טקסטים נכונים, מידג’רני עדיין לא ה-go-to place בשביל זה, ואני ממליצה להמשיך להשתמש בכלים כמו אידאוגרם או דאלי 3 עבור מלל.
2. הבנה טובה יותר של פרומפטים
גרסה 6, לפי המפתחים, טובה באופן משמעותי מגרסאות קודמות בכל הקשור להבנת תיאורים ארוכים ומפורטים. כלומר – נוכל כעת לכתוב פרומפטים ספציפיים יותר ומידג’רני אמור להבין מה בדיוק אנחנו רוצים לקבל.
צוות הפיתוח הקפיד להדגיש שייתכן ונצטרך “ללמוד מחדש” כיצד להנחות את מידג’רני. אחד הדברים שהם אמרו מפורשות הוא להימנע ממושגים כמו award-winning, photorealistic, 4k, 8k שכבר אין בהם צורך.
בואו נבחן את הטענה של מידג’רני שהבנת התיאורים השתפרה. לשם כך ננסה פרומפט זהה בגרסה 5.2 ו-6.
הנה הפרומפט:
Two yellow balls and one green cube on a blue table
זה מה שקיבלתי בגרסה 5.2:
וזאת התוצאה של גרסה 6:
אפשר בבירור לראות את השיפור בהבנה של מידג’רני בגרסה 6 לעומת הגרסה הקודמת. בגרסה 5.2 לא קיבלתי אפילו תמונה אחת מספקת – כאשר שני כדורים צהובים מוצגים, אין לי קוביה ירוקה, או שהיא נראית שקופה ומוצגת לצד קוביה נוספת. בנוסף, תמונה אחת מציגה כדור אחד בלבד, וגם שולחן כחול לא קיבלתי בכל התמונות.
בגרסה 6 מלבד תמונה אחת שבה יש שתי קוביות במקום אחת, כל התמונות מתאימות לבקשה שלי – שני כדורים צהובים, קוביה ירוקה ושולחן כחול. מדהים!
בואו ננסה פרומפטים נוספים שבהם נראה כמה מידג’רני מדייק בבקשה שלי:
Naive art drawing of two animals sitting together on a tree in the forest. The animal on the left is a pelican wearing square glasses. The animal on the right is a chicken wearing a flower dress.
הנה התמונה שבחרתי מבין 4 הוריאציות:
האם היא כוללת את כל הבקשות שלי? בואו נראה:
האם החיה בצד שמאל היא שקנאי עם משקפיים מרובעות? כן.
האם החיה בצד ימין היא תרנגולת עם שמלה פרחונית? כן.
האם שתי החיות יושבות על עץ? כן
האם האיור הוא בסגנון אמנות נאיבית? אכן.
מידג’רני אכן ביצע את כל הבקשות שלי. אגב בשאר התמונות שקיבלתי, הבקשות בוצעו במלואן גם כן. תענוג!!
בואו נעשה עוד ניסיון כדי לבחון את ההבנה של מידג’רני:
There are three baskets full of fruit on a kitchen table. The basket in the middle contains green grapes. The basket on the left is filled with oranges. The basket on the right is full of strawberries. In the background, there is a white wall with a wallpaper of flowers
הנה התוצאה הטובה ביותר שקיבלתי:
בואו נבחן אותה מקרוב:
3 סלסלות עם פירות על שולחן מטבח? יש.
ענבים ירוקים בסלסלה האמצעית? יש.
תפוזים בסלסלה השמאלית? יש, בתוספת פרי נוסף אמנם, שנראה כמו תפוח?
תותים בסלסלה הימנית? יש.
טפט לבן פרחוני? יש.
וואו! בהחלט תוצאה מרשימה. שימו לב שהתחלתי את התיאור עם הסלסלה האמצעית, וכתבתי באופן ספציפי מה אני רוצה שיופיע בכל אחת מהן. נראה שמידג’רני בהחלט בדרך הנכונה להבין הנחיות מפורטות במיוחד, למרות שבשלוש הוריאציות האחרות הוא הציג תוצאות פחות מושלמות – למשל, שתי סלסלות במקום שלוש כשבאחת מהן ענבים ותותים ביחד (1), או שלוש סלסלות אבל הפירות שבתוכן לא בסדר הנכון (2), או שלתותים הצטרף פרי נוסף (3):
לסיכום, נראה שמבחינת הבנת הפרומפט אכן יש שיפור משמעותי מבעבר. אני מזמינה אותך לנסות בעצמך פרומפטים מורכבים כמו אלה שראינו כאן, ולהשוות את התוצאות של גרסאות קודמות לשש.
3. איכות תמונה משופרת
כפי שבטח כבר שמתם לב בתמונות הקודמות, האיכות של התמונות של גרסה 6 מדהימה, במיוחד כשמדובר בתמונות ריאליסטיות שמציגות “צילום”.
בואו נראה דוגמאות נוספות שממחישות את האיכות של גרסה זו.
a fancy bathroom, Ukrainian folk art style
שימו לב לריצוף המיוחד, לאופן הצבת הוילון שמוגף הצידה, להשתקפות האור מהחלון על הקירות ולאיורים על החרסינות – מרשים!
בואו נראה איך מידג’רני 6 מתמודד עם פירוט של פורטרט:
Photo of an old woman face. She has bright hazel eyes, a black wart on her nose, and is wearing a light brown straw hat. She is laughing and we can see some broken teeth
והתוצאה שהכי אהבתי:
מדהים שהכלי הזה יודע ליצור תמונות של אנשים שנראים כל כך אמיתיים.
הנה פרומפט נוסף, בו רציתי לראות השתקפות של מים מנקודת מבט מעניינת:
Worm’s eye view photo of a toddler’s boots running over a puddle. Neon signs of the city reflect in the puddle
ושוב – הבקשה שלי בוצעה במלואה 🙂 איזה כייף של גרסה!
ננסה עוד תמונה:
an exhausted young man lying on the sofa after a long day of working at a burger restaurant chain, his cap and his purple uniforms are still on
וזה מה שקיבלתי:
שימו לב לעורקים הבולטים של הנער בזרוע. מטורף.
מה עוד כדאי לדעת על גרסה 6 של מידג’רני
בהודעת ההשקה עידכנו על כך שישנו שיפור גם בפעולת הרמיקס, וכן שהאפסקיילים החדשים שהוזכרו בתחילת הכתבה, מגדילים את התמונה המקורית פי שניים. כאמור, ישנה גרסה עדינה לאפסקייל המקורי שתציג תמונה כמעט זהה למקורית, ויש אפסקייל אגרסיבי יותר שנקרא קריאייטיב, ויציג לעתים פרטים חדשים. שני האפסקיילים האלה, בשורה התחתונה, יוצרים תמונה מאוד דומה למקורית וההבדלים לא יהיו כל כך משמעותיים כך שהשוני העיקרי הוא שהתמונה גדולה פי שניים מהמקורית.
כך נראים הכפתורים שמופיעים לאחר שמבצעים אפסקייל ראשון לאחת הוריאציות:
בואו נראה דוגמה לכל אחד מהאפסקיילים החדשים. זה הפרומפט:
sneakers shoes in the style of sophie taeuber-arp, black background, studio photography, magazine photography
וזו התמונה שבחרתי מכל האפשרויות, שהאפסקייל המקורי שלה נותן תמונה בגודל 1024*1024 פיקסלים:
כאן ניסיתי את גרסת ה-subtle, שיצרה לי תמונה כמעט זהה רק בגודל כפול – 2048*2048 פיקסלים:
וכאן יש לנו את גרסת ה-creative, שגם היא יצרת תמונה גדולה פי שניים מהמקורית, שמלבד מעט שינויי צבעים או מרקמים, נראית גם היא כמעט אותו דבר:
ההבדלים בין האפסקיילים החדשים נראים יותר בבירור כשמדובר בדמויות. לדוגמה, שפם, מרקם עור ושיער גבות יכללו לעתים פרטים רבים יותר כאשר נבצע אפסקייל מסוג creative. בתמונות של אובייקטים דוממים ההבדלים יהיו זניחים יותר.
איך יוצרים בגרסה 6
יש שתי דרכים ליצור תמונות בגרסה 6. ניתן לבחור במספר הגרסה דרך כפתור ההגדרות (מקישים בדיסקורד settings/) ואז כל הפרומפטים מעתה והלאה, אם לא תשנו כלום, ייווצרו בגרסה 6:
או שאפשר להישאר בגרסה קודמת ולהגדיר בכל פרומפט באופן פרטני את מספר הגרסה ע”י פרמטר V:
sneakers shoes in the style of sophie taeuber-arp, black background, studio photography, magazine photography –v 6
לסיכום
בכתבה זו ראינו שגרסה 6 מייצרת לנו תוצאות מרהיבות ומדוייקות יותר לעומת גרסאות קודמות. חשוב לזכור כי מדובר בגרסת אלפא ולא בגרסה הסופית, כך שייתכנו עוד שינויים ועדכונים. בינתיים התגובות ברשת טובות ונראה כי המשתמשים מאוד מרוצים מגרסה זו ונהנים ליצור איתה תמונות. בכל פעם שיוצאת גרסה חדשה למידג’רני אני מוצאת את עצמי חושבת – לאן עוד אפשר להגיע? ובכל פעם מחדש מופתעת מהרמה שמשתפרת עוד ועוד והאיכות שניתן להגיע אליה. כיף גדול!
