Qui fa ancora troppo caldo e quindi resto in vigile attesa che le temperature scendano per tornare a parlare di giochi indie. Quantomeno il mio PC è tornato operativo e ho preso un amuleto dallo stregone di fiducia per proteggermi da ulteriori sfighe.

Non ci sono novità per il momento: Flux 3 è in pre-release e ne parleremo quando arriva la versione finale; OpenAI, che di open non ha niente, sta finendo di addestrare la versione successiva di GPT image (ne ho scorto configurazioni di prova coi nomi in codice Mona-Lisa, Lina-Alpha e Carillon); Gemini invece resta arenato e il suo rilancio richiederà tempo (ha chiaramente avuto problemi di sviluppo, complice l'impoverimento di cervelloni in Deepmind che sono andati a lavorare per la concorrenza).
Nel frattempo stavo pensando a un altro post sull'editing che non mette in competizione i vari modelli (perché ci vogliono troppe immagini) ma evidenzia gli attuali pregi e limiti di questa tecnologia.

1: Scambio di abiti.
Prendiamo un modello 'minore' come Krea e chiediamogli di realizzare una donna che brama un bel vestito indosso a un manichino. Perché un manichino? Per complicare la vita ai generatori che in tal modo fanno più confusione coi pattern visivi in memoria.

Okay, ci sono tre problemi in quest'immagine. Il primo è che il manichino è troppo alto e l'abito non si adatta alla taglia della ragazza; il secondo è che essendo appeso a un asta gli mancano le gambe (ottimo per una gonna ma non per i jeans che dovrà indossare quando la ragazza scambierà i suoi vestiti con esso); il terzo difetto è che nei sandali ci stanno delle dita di piedi. È un errore grossolano ma molto più frequente di quanto si pensi perché il modello mentre impara guarda perlopiù sandali indossati da qualcuno e capita che li vada a ricopiare coi piedi dentro anche quando non dovrebbe.
Chiediamo a GPT di sistemare un poco.

Il manichino resta troppo alto ma ce lo facciamo andare bene perché tanto è solo una demo per mostrare correzioni. Passiamo la staffetta a Grok image 2 che malgrado l'abbia trovato deludente come generatore sembra migliore come editor.

Ha sbagliato la tracolla della borsetta ma in compenso ha saputo ridimensionare correttamente il manichino nello scambio di vesti. L'unico errore vero e proprio riguarda le ginocchia del manichino che si vedono attraverso lo strappo dei jeans. Sono ginocchia umane. È in verità lo stesso errore dei sandali rafforzato dal fatto che nell'addestramento tutti i modelli hanno visto quasi sempre i jeans strappati indosso a persone e quindi li ricopiano così.
Passiamo il testimone nuovamente a GPT e vediamo se riesce a correggere.

Bene. Ora sempre con Gippittone proviamo a rendere la scena un po' più coreografica, sistemiamo la tracolla e bon.


2: Fusione di stili
Ovviamente l'editing non può essere usato solo per alterare il contenuto di una scena ma anche per modificarne lo stile estetico.
Prendiamo ancora una volta la nostra modella coi capelli corti e chiediamo alla Banana Cavendish di Google di trasformare il ritratto in stile gotico.


Vediamo come verrebbe... che ne so... in stile art noveau (per queste modifiche semplici vanno bene anche le versioni lite di programmi come Banana o Seedream).

Insomma, le possibilità sono numerose ed è molto più di quello che si poteva ottenere un tempo coi filtri di Photoshop.
Chiaramente i vari modelli interpretano le trasformazioni stilistiche in maniere differenti e l'utente può sperimentare con Muse, Banana, Qwen, Uni, Seedream e altri valutando quale risultato incontra più il suo gusto.
Per esempio postiamo gli output di due modelli scelti a caso:


Ma se gli stili dell'AI vi sembrano troppo artificiosi si può anche provare a far mixare ai generatori l'immagine che volete alterare con lo stile di riferimento di un artista umano.
Per esempio ecco un'altra delle nostre usuali modelle alle prese con una non troppo piacevole traversata via mare e vediamo se per cambiare lo stile prendiamo come riferimento un disegno di Burgeon tratto dalla serie di fumetti 'I passeggeri del vento'.:



In questi casi c'è da far presente che l'AI non emula magicamente l'autore indicato ma miscela l'immagine da alterare con quella presa come riferimento per trovare una via di mezzo.

3: Editing di precisione.
Ci sono volte in cui descrivere al modello via testo le modifiche da apportare produce effetti indesiderati dal momento che esso rigenerando l'intera immagine d'accapo può compiere errori di interpretazione andando ad alterare pure cose che volevate lasciate uguali. Capita ad esempio quando ci sono più oggetti di uno stesso tipo e se gli chiedete di rimuoverne uno in particolare il modello si confonde agendo pure sugli altri. In questi casi la soluzione ideale sono tool che permettono editing mirato perché in tal modo verrà rigenerata unicamente la parte che avete evidenziato col marcatore dandovi garanzie che il resto dell'immagine si preserverà.
Prendiamo la versione di Mysterious Creatures che ho fatto realizzare a Muse:

Come vedete ha creato un secondo libro senza senso solo perché l'AI Agent del software nella sua idiozia voleva farci vedere le pagine del libro che il ragazzo sta leggendo. Quando chiediamo a Muse di rimuovere il libro sbagliato lui certamente lo fa ma associa l'eliminazione delle pagine aperte al fatto che il libro rimanente divenga chiuso di conseguenza, perché non riesce a dissociare i due oggetti.

A questo punto si possono fare due cose: scartare il risultato che a prescindere non è nemmeno 'sto granché oppure chiedere supporto a Firefly o un altro software dotato di canvas con funzioni analoghe. Pure il nuovo Grok ha aggiunto un editing di precisione ma testandolo posso testimoniare che funziona male perché cambia pure parti non selezionate e allora vien da chiedersi che razza di modifica di precisione sia.
Vi faccio vedere ancora una volta l'onnipotente creatura di cui Elon va tanto orgoglione.


Bella, bravo. Preciso proprio. Ha rimosso la mano sulla spalla del ragazzo ed eliminato entrambi i libri nonostante avessi selezionato unicamente l'area col libro sbagliato.

Andiamo quindi con Adobe a marcare l'elemento da rimuovere...


Okay, sono stata più che prolissa... concludiamo dunque questo episodio estivo.

 

tra le cose che più mi stupiscono sai cosa c'è?

Spoiler

non la tecnica ma il tuo occhio d'aquila!

 

Beh effe, un minimo di occhio ci vuole con 'sta roba. Se gli utenti verificassero i risultati prima di postare a manetta la rete non si sarebbe riempita di spazzatura in questo modo.

E niente... sto morendo di caldo. Quello che più mi sta logorando di questa stagione infernale è che dalle mie parti la temperatura non cala nemmeno nel cuore della notte e sembra di stare dentro un thermos 24 ore al giorno.
Ma saltiamo il resto della parte in cui Alice si lamenta e facciamo ruggire i robot per un ultimo extra estivo in cui cercheremo di rispondere ad altre domande fittizie.
1: Dicono che MAI nel suo ultimo update (versione 2.6) sia migliorato abbastanza da meritare un posto tra i Big. Perché non ne parli?
Il Corvo mi aveva detto MAI più e aveva ragione... perché questa creatura di Microsoft la trovo insipida quanto l'azienda che l'ha costruita. MAI viene aggiornato a una velocità sorprendente ma migliora solo in superficie. È uno di quei modelli che a prima vista sembra capace ma poi testandolo come si deve ti accorgi che si sforza solo di apparire capace. Finora complessivamente gli ho preferito perfino Qwen... ma basta chiacchiere. Lasciamo che siano i pixel a parlare! Terzo match tra MAI e Qwen. Riuscirà finalmente il coso di Microsoft a sconfiggere la sua nemesi cinese?
Sarà un mini-match perché voglio lasciare spazio ad altre domande mai poste dai telespettatori.
Introduciamo gli sfidanti.
All'angolo viola MAI 2.6: si è allenato in queste settimane per migliorare il rendering dei testi da inserire all'interno delle immagini (ed è pure troppo zelante nel volerlo dare a vedere come noteremo). Ha anche lavorato per migliorare la sua resa fotorealistica e sa editare un po' meglio.
All'angolo azzurro Qwen 3 Pro: Ha la stessa buona resa estetica della versione standard ma è un po' più accurato negli output dove Qwen 3 base come abbiamo visto era alquanto impreciso (ad essere gentili).
Ah, visto che comunque tutte le immagini le passo in GIMP per il resize e per aggiungere il nome del modello ho deciso in via sperimentale di aggiungere anche dei cerchietti rossi per segnalare gli errori più vistosi, come fanno la maestre cattive.
Cenerentola (Ospite Ideogram 4):


Anche MAI (come Grok e altri) si è spostato verso il lato gippittoso della forza, assumendo questo tipo di estetica per la quale onestamente non stravedo. Il senso della composizione in questo caso comunque non è male: interessante la sua idea di aggiungere gli edifici sfarzosi sullo sfondo a evidenziare la fuga di Cenerentola e quel quadrante di orologio fermo sulla mezzanotte a indicare l'ora in cui l'incantesimo inizia a dissolversi.
Per fare un raffronto forse è utile caricare il risultato della versione precedente dove invece c'erano meno concetti e si concentrava nel mostrare la carrozza andata in malora:

Passiamo a Qwen

Nulla di che ma comunque passabile. Almeno non ha generato Cerentola con un dito in meno per piede come è solito fare Qwen standard. Tuttavia quella ruota di carro in primo piano separata dalla carrozza di zucca mi sembra un po' fuori luogo.
Assegniamo il primo round a MAI.

Alice nelle montagne russe delle meraviglie (Ospite Lina alpha):



Eh, qui possiamo ammirare la passione smodata del nuovo MAI per aggiungere testi ovunque possibile coi quali vuole dare a intendere che capisce il tema della scena ed è perciò intelligente. Così intelligente che i binari delle montagne russe sono un accrocco senza né capo né coda.

Stesso pasticcio coi binari spalmati anziché costruiti secondo una logica ambientale che entrambi i modelli non posseggono.
Dichiariamo il round un pareggio in cui entrambi i wrestler sono inciampati da soli.

Carnival bizarre (Ospite Uni)



Eh, quante scritte! Se si fosse concentrato a realizzare correttamente la mano della donna che sposta la tenda però sarebbe stato preferibile. Non è solo deforme: è pure spezzettata.

Qwen sbaglia la mano che sposta la tenda a sua volta ma con l'aggravante che la ragazza nella scena secondo il prompt dovrebbe stare entrando, non uscendo.
Secondo punto per MAI.
Pin up dynamic pose (Ospite Gemini con Gina):
Ora, se volete mettere in crisi quasi tutti i generatori di immagini per quanto concerne la posa di un personaggio descrivetegli posizioni dello yoga dinamiche come quella della candela e vedete che macello vi fanno. Banana è praticamente l'unico che ci riesce (se continuo a metterlo al primo posto ci sono varie ragioni tra cui questa) e in più qui ho pure usato un reference per la ragazza.

Vediamo come se la cavano gli altri due.

Non solo il corpo è storto e privo di bilanciamento (sembra una ragdoll dopo un crash test) ma ha montato la gamba del piede che regge il cappello al contrario. Quando non capisci niente di anatomia e gravità e vuoi montare il corpo umano come fosse fatto di pezzi lego ecco il risultato.

Qwen possibilmente ancora peggio: anche qui gamba montata storta ma l'inconsistenza del bacino è ancora più marcata.
Secondo pareggio di incompetenza per entrambi.
Tirando le somme MAI è un po' preferibile al suo rivale cinese che sbaglia ancora peggio ma entrambi sono francamente insoddisfacenti.
Tra i suoi punti di forza c'è un ottima capacità di impostare la prospettiva ideale ma per il resto fatica terribilmente con qualsiasi elemento dinamico. È l'ennesimo software tarato per le infografiche da social o aziendali per le quali tuttavia c'è già GPT che è migliore. Qwen 3 Pro sbaglierà un po' meno della versione standard ma pasticcia comunque troppo. Ha una buona versatilità estetica però fatica nei prompt elaborati ed è troppo inaffidabile nei risultati.
Passiamo finalmente ad altro...

2: Vedremo ancora Grok image 2 in azione tra queste pagine?
Assolutamente no. È un modello inutile come pochi. Gli ho dato spazio solo per mostrarvi che non ne azzecca una e Musk è un peracottaro.

3: Visto che molte immagini create con GPT sono ben concepite ma difettano nell'estetica plasticosa e piena di noise c'è un modo via editing di rifinirle esteticamente e renderle più smooth?
Ci sono vari modi in verità ma vi mostro brevemente quello che preferisco.
Ritorniamo alle montagne russe con la versione che avevo fatto creare a GPT:

Ora con un editor qualsiasi chiediamo di trasformare l'immagine in sketch.

Poi diamo lo sketch in pasto all'editor del generatore la cui estetica ci garba maggiormente incollando il prompt con cui abbiamo creato l'immagine originale e il programma ricalcherà il tutto.

Non si possono fare miracoli ma così abbiamo una nitidezza meglio bilanciata, tratti e colori più morbidi e un chiaroscuro meno esasperato.

Qui è più una via di mezzo.

Per ora direi che è abbastanza e possiamo concludere la stagione estiva.

 

Finalmente ci lasciamo Agosto alle spalle e attendiamo speranzosi le prime piogge d'autunno, la caduta delle foglie ecc... comunque ancora si soffoca dal caldo qui al sud, quindi c'è ancora spazio per un altro post che funga da filler.
Mi piacerebbe aprire un thread analogo sui generatori video ma la cosa non è fattibile per via dei costi.
Illustriamo dunque brevemente altri generatori di immagini minori di cui non ho ancora parlato così da completare la panoramica sul settore.

Cosmos 3 Super t2i:
E' la versione text to image del modello omni a pesi aperti di Nvidia. È progettato per la robotica e sa fare bene solo immagini di robot quindi per uso comune non serve a granché. Ha una sorta di consapevolezza sul funzionamento del mondo fisico ma è molto modesta su ammissione stessa di Nvidia.
Vediamolo in qualche esempio:

Realismo non ce n'è molto: la faccia sembra ritagliata da un giornale e appiccicata male in Photoshop e la mano destra è al contrario con la generazione di un dito solo parziale.
Proviamolo con una scena non realistica dove comunque deve simulare l'equilibrio precario dei libri che la donna sta reggendo.

Allora, buono come sembra che i libri le stiano per cadere e anche se il fantasma è bruttino tutto sommato l'immagine sarebbe passabile se non fosse che i testi sono scarabocchi illeggibili come è tipico dei world model.
Vabbè facciamogli fare un robot così è contento:

Il robot va bene ma i testi sono una miseria come font utilizzate e implementazione (quello in alto a stento si capisce che è un display), in più l'uomo ha la faccia deforme al pari dell'atleta olimpica nell'immagine prima. Insomma, senza girarci intorno 'sto Cosmos fa schifo.

Pro
- Almeno capisce qualcosa sulla fisica dei corpi.
- Ha una discreta aderenza alle istruzioni.
Contro
- Non pensato per output artistici.
- Non pensato per figure umane.
- Esige prompt scritti e strutturati molto bene per poi comunque restituire robaccia.
- È scarsissimo nel rendering dei testi.
- È addestrato principalmente su immagini di robot e sembra fare bene solo quelle.

A chi lo consiglio: solo ai robo-feticisti. Inoltre è molto pesante da far girare in locale e non ci sono ragioni per preferirlo, per esempio, ad Ideogram.

Wan 2.7 pro
E' la versione text to image del generatore video omonimo nonché il secondo modello di Alibaba meno noto del celeberrimo Qwen. È specializzato in immagini realistiche partendo da figure di riferimento ma non eccelle in nient'altro.
Prendiamo nuovamente Gina che è apparsa brevemente nello scorso episodio come modella per Banana e facciamo qualche altra posa da calendario.


Lei è venuta bene come espressività e forma fisica ma ci sono comunque vari errori. I giorni del calendario nella griglia sono senza senso e le aste degli occhiali sono sbagliate. In più alla mano che porge la bottiglia manca il mignolo. Tutti errori correggibili ma si tratta pur sempre di una scena semplice che ti aspetti riesca senza bisogno di fix.
Facciamo una seconda prova:

Di essere lei è venuta carina ma la posa descritta è stata generata in modo a dir poco approssimativo. C'è un errore appena visibile relativo all'alluce del piede nascosto in secondo piano che fa capolino in un punto sbagliato rispetto alla posizione del tallone ma non ci vorrebbe nulla a correggerlo. Invece le grafiche sono da buttare: nella griglia del mese il testo è completamente allucinato e c'è anche un refuso nel testo tra parentesi.
Vediamo con Banana come doveva essere la posa:


Pro
- Buono nel realismo e nelle espressioni.
Contro
-Non eccelle davvero in nient'altro.
- Non è ideale per prompt complessi.
- Incapace nelle grafiche e nei testi.
- Non di rado sbaglia pure idee semplici.

A chi lo consiglio: se vi servono delle modelle in pose semplici e realistiche è una buona opzione perché fisicamente sa sfornarle bene ma fatica con pose anche minimamente elaborate o scene fantasiose.

Krea 2:
Questo l'ho già introdotto ma forse è il caso di parlarne leggermente più in dettaglio. Pur non avendo grande resa estetica è un modello rispettabile come capacità e comprensione dei prompt ed è tra i pochi che permettono di creare scene con attori, personaggi dei fumetti, dei videogiochi e VIP normalmente bloccati dai filtri.
Riprendiamo ad esempio le avventure nel Metaverso dove Djokovic è finito intrappolato per errore mentre provava degli strani occhiali in un negozio e poi ha incontrato Kitana ipnotizzata da Zuckerberg, la quale, rinsavita, ora lotta al fianco del tennista contro il signore delle lucertole.




Pro
- Capisce le istruzioni dignitosamente.
- Filtri sui contenuti una volta tanto tolleranti.
- Si possono inserire un buon numero di immagini di riferimento stilistico a pesi regolabili.
- Abbastanza flessibile nel complesso.
- Ha una modalità canvas in tempo reale buona per testare all'istante come il software traduce visivamente le modifiche ai prompt.

Contro
- Esteticamente non il massimo.
- Molto limitato nel rendering dei testi.
- Nelle scene realistiche è molto impreciso nell'attenersi alle istruzioni.

A chi lo consiglio: a chi vuole realizzare scene sciocche, frivole e divertenti solitamente non consentite con buona parte degli altri modelli oppure fare esperimenti creativi mixando stili et simila. Ma se cercate il realismo non vale granché e complessivamente la sua comprensione delle istruzioni, anche se decente, è limitata rispetto a modelli più seri.

Hidream o1
Mi secca pure farlo vedere... è un modello scarso e inutile. L'ennesimo Open Source sviluppato con le pezze al sedere e che non andrà da nessuna parte. Proviamo con una scena molto semplice nuovamente ispirata a Cenerentola:

Se si limitava a due braccia magari... che poi non ci voleva molto. Scadente pure l'illuminazione.

A chi lo consiglio: a nessuno perché fa pena. Per l'istallazione in locale c'è Flux 2 o Ideogram e fra poco arriva Flux 3... quindi a che serve 'sta roba?

Adobe Firefly 5
In censura si gioca il titolo mondiale con Muse ma la lunga esperienza di Adobe nello sviluppo di Photoshop e dintorni lo rende utile come editor. Però qui ci interessa come Text to image. Riprendiamo la scena della libreria provata prima con Cosmos:

Esteticamente molto povero e banale, in più il fantasma non era descritto come una specie di copia della donna in primo piano e quella scarpa col tacco non aveva ragione di esserci.

Qui invece esteticamente è buono ma la stanza non c'entra nulla con la descrizione che avevo fornito e non ha nemmeno una logica con quel bancone lì in mezzo.
Proviamo allora a utilizzarlo per il branding che dovrebbe essere la sua specialità a quanto dice Adobe. Stavo pensando di lanciare sul mercato un nuovo tipo rivoluzionario di borsa da donna.

No... non ci siamo per niente: il logo è completamente diverso dall'idea che gli avevo descritto in più manca tutta una parte di testo. Ha creato l'oggetto senza il concept che vi doveva ruotare attorno. Davvero penoso. Come se non bastasse, una volta tanto che il prompt l'avevo scritto in italiano mi traduce i testi in inglese?!
Perfino Krea che per queste cose è negato ha restituito l'idea correttamente.

Ora vediamo la differenza tra Firefly e GPT:


Pro
- Ha degli utili tool per le modifiche.
Contro
- È scarso artisticamente.
- Pecca di coerenza ambientale.
- Si attiene male ai prompt e li capisce altrettanto male. Per giunta ha un limite di soli 1000 caratteri.
- Incapace nel rendering di testi.
- Privo di qualsiasi creatività nella grafica vettoriale: sembra bravo solo a copiare roba da Adobe Stock.

A chi lo consiglio: a nessuno. Per marketing e branding c'è molto di meglio mentre per un uso creativo non capisce la metà di quello che gli dici e accetta solo testi brevi. Le sue funzioni di editing però possono tornare utili come vi ho fatto vedere la volta scorsa. Insomma, non riesco a trovargli un perché diverso da quello di tool di supporto.

Vi ringrazio or dunque di essere stati con noi, cari orsetti pazienti. Se non mi è sfuggito nulla ho praticamente elencato e illustrato brevemente in questo topic tutti i modelli in circolazione degni di menzione (ho lasciato fuori solo Z-image e altre porcherie perché non valeva la pena perderci tempo), quindi nei prossimi episodi ci concentreremo sulle nuove uscite.

Chiudiamo con la classifica estesa:
1) Banana 2\Pro (Di gran lunga il più solido, meno artefatto e col migliore realismo).
2) GPT Image 2.0 (Fortissimo nelle infografiche, superiore nelle angolazioni e nel senso della composizione).
3) Muse image (Approccio agentico innovativo e ottimo nel gestire istruzioni elaborate).
4) Uni 1.1 max (Molto sottovalutato e veramente diverso dagli altri)
5) Ideogram 4 (Il migliore degli open source e relativamente leggero per l'istallazione in locale)
6) MAI 2.6 (Ha un orchestrator derivato da GPT molto buono che compensa i limiti del modello).
7) Seedream 5 Pro (Il migliore dei cinesi anche se difetta non poco nelle logiche visive)
8) Qwen 3 Pro (Visivamente buono ma pasticcia troppo spesso in modo esasperante).
9) Reve 2.1 (Ottimo per poster e advertising ma impreciso e insoddisfacente nel realismo)
10) Krea 2 (Ha capacità limitate ma è divertente da usare).
11) Flux 2 Max (Il secondo miglior open source: esteticamente tra i più belli ma troppo scarso in coerenza e interazioni di scena).

 

Sempre tutto molto, molto interessante

 

Rieccoci qui, cari bambolotti. Ebbene sì, come avevo previsto è arrivato GPT image 2.5. Cioè, facile per me prevederlo dal momento che lo stavo testando nei siti di benchmark sotto vari nomi in codice.
Ora se quelli di OpenAI sono riusciti effettivamente a risolvere i problemi di ultra-nitidezza, artefatti, noise ed errori vari che affliggevano la versione 2.0 non avrò nulla in contrario nell'incoronarlo nuovo re degli image generator. Di GPT image 2.5 ne esistono due versioni: Flare e Sunburst. Flare somiglia a una 2.0 più rapida e ottimizzata mentre Sunburst è il modello più preciso ed avanzato per i task creativi; almeno questo è quanto dichiarato da OpenAI.
Siccome è un uscita abbastanza rilevante conto di farci almeno un paio di episodi. Per cominciare ho pensato di compararlo con le versioni precedenti così da mostrare come si è evoluto GPT image dall'anno scorso ad oggi. Ciò significa che sarà una puntata tutta gippittosa.
L'oracolo
Per cominciare un immagine semplice per evidenziare la qualità delle texture.

Le piante non sembrano davvero stare dentro i vasi ma il tutto è così sfumato che l'errore non ha un effettiva rilevanza. Il rendering della luce, soprattutto quella naturale, manca di realismo però i tenui chiaroscuri sono gradevoli. La donna avrebbe dovuto nascondere parzialmente il viso in base al prompt ma il primo GPT era ancora minimalista e approssimativo nell'attenersi ai dettagli.

La versione 1.5 mostra come il programma, soprattutto nella modalità high fidelity, avesse sviluppato delle pennellate più spesse e aggressive divenute immediatamente il suo inconfondibile marchio di fabbrica. La risposta al prompt si era fatta sensibilmente più precisa e qui la donna effettivamente cela parzialmente il suo volto col velo come avevo scritto.

Il 2.0 ha virato verso un estetica assai meno orientata alla pittura e qui è ben visibile il suo accentuato oversharpening che da un canto è bello per le texture del mosaico, gli affreschi e i vasi di terracotta ma risulta decisamente eccessivo per abiti drappeggiati, fumo, foglie, piante, liquidi, ecc... rispetto alle versioni precedenti sa realizzare scene più dettagliate ma al costo di produrre anche più artefatti grafici.

Il nuovo 2.5 Sunburst sembra aver fatto progressi nel rendering della luce e anche le piante sono meglio sistemate nei vasi. Si vede che è più preciso e produce meno artefatti di prima. L'oversharpening tuttavia non è scomparso perché è evidentemente connaturato al modello e sono riusciti solo a limarlo per rendere fumo, drappeggi e piante leggermente meno artificiosi ma resta accentuato e la naturale levigatezza di Banana se la sogna. Una interessante finezza è l'aggiunta di quello stendardo in alto a destra con scritto in greco “ΓΝΩΘΙ ΣΕΑΥΤΟΝ (Gnōthi seauton).” Vale a dire “Conosci te stesso”. La famosissima frase incisa sul pronao del Tempio di Apollo a Delfi che Sunburst ha ritenuto sposarsi bene col tema oracolare dell'immagine.

Come bonus posto l'output di MAI 2.6 che è venuto carino. Ha deciso di deviare dal prompt e inventarsi uno sfondo più suggestivo: mi ricorda Hunyuan 3 nel modo in cui è costantemente convinto di poter sviluppare le idee dell'utente meglio dell'utente stesso. Il modello linguistico che organizza il materiale è senza ombra di dubbio una versione modificata di quello presente in GPT image e lo si nota dal modo in cui si inventa le medesime scritte. Solo che GPT è più sobrio mentre MAI non si cura di farla fuori dal vaso aggiungendo testi anche dove è inopportuno o abbellimenti estetici non richiesti specialmente relativi al background. Di fatto se GPT image in un punto ci piazza una scritta state certi che a parità di prompt MAI deve mettercene il triplo.
Comunque visto che da giovane mi sono diplomata al liceo classico a tempo perso giochiamo a tradurre anche le frasi del coso di Microsoft. La frase accanto alla nicchia con la statua è sempre il motto delfico, mentre quella sul banner a destra recita: ΤΟ ΘΕΙΟΝ ΕΝΤΟΣ ΗΜΩΝ (to theîon entòs hēmôn). Vale a dire “il divino è dentro di noi.”
Il testo che si intravede sulla pergamena invece non risulta intelligibile. Il rigo in alto è generato a cavolo mentre in quello in basso c'è scritto: 'ΙΩΣ ΕΝ ΣΙΓΗ'.
'ΙΩΣ' non è nemmeno una parola mentre 'ΕΝ ΣΙΓΗ' (en sigê) significa 'in silenzio' (o nel silenzio) ma da solo ovviamente non vuol dire nulla. Quindi MAI, se devi sbrodolare greco per fare il fico, almeno sforzati di generare frasi di senso compiuto.

Flirt in taverna
Questa invece vuole essere una scena che pone l'accento sull'espressività dei personaggi che dalla versione 1.5 in avanti è sempre stato uno dei punti di forza del modello di OpenAI.

Qui si vedono fortemente i limiti di GPT 1. I personaggi sono blandamente generati senza che si percepisca una sintonia tra loro e il modello, ancora incapace di realizzare un illuminazione interna a base di lanterne, si limita a colorare l'intera scena di un rossastro ombreggiato.


Aldilà della rinnovata resa estetica di cui ho già parlato prima qui si nota particolarmente come si sia evoluto nella scelta della prospettiva e il risultato è un ambientazione meglio rappresentata, dove ad esempio gli avventori sullo sfondo ora si vedono chiaramente. Se vogliamo trovarci un difetto direi che la mano sinistra della donna è poco naturale sia nella forma dell'indice che nella posizione dove sembra voler poggiare su un piano invisibile ma si sa che GPT image 2.0 raramente fa tutto giusto al primo colpo e tocca sistemare gli errori via editor.


Flare mi piace come ha saputo generare la posa dello spadaccino che audacemente si curva con la schiena sul bancone per avvicinarsi al viso della bella però anche GPT 2.5 ha sbagliato la mano e pure peggio. Ho provato con la versione Sunburst che in teoria dovrebbe essere più precisa ma niente: stesso errore. Ho fatto vedere sopra che è semplice da correggere ma di fatto GPT resta ancora inferiore a Banana come precisione di base.
Best Friends:
La prossima immagine è pensata per mostrare le differenze nella generazione di testi e posters tra le varie versioni.

Come si vede chiaramente il primo GPT è incapace nel rendering dei testi e anche i poster sono miseri.

Già la versione 1.5 aveva fatto evidenti progressi con scritte leggibili e poster più chiari ma ancora il concept non funziona.

Almeno nella 2.0 è riuscito a cogliere l'atmosfera grottesca che avevo in mente.

Sunburst ha fatto tutto giusto. La bambola e il clown sono quasi uguali alla versione 2.0 perché essendo la 2.5 un upgrade il dataset non è nuovo ma una versione aggiornata del precedente, quindi le immagini vengono abbastanza simili. Si differenzia per un chiaroscuro meno intenso.
Beach volley
Per finire questa prima prova come di rito testeremo la character consistency chiamando a posare per noi la nostra solita modella dai capelli pixie che faremo giocare a beach volley per testare dinamica e realismo.


Sì, prima dell'arrivo di Seedream 4 e Nano Banana i risultati partendo da immagini di riferimento erano terribili.

Già molto meglio e vi dirò che la versione 1.5 è ancora valida quando si vogliono usare figure di riferimento per scene fantasiose o particolari.

A migliorare nella 2.0 sono state texture e camera angle e anche una migliore coerenza anatomica che a volte nella versione precedente difettava. Da notare la giusta posizione della palla per essere colpita e come lei la segua con lo sguardo. Sembra una scemenza ma gli altri modelli, compreso Gemini, falliscono nell'associare l'azione della donna alla palla.

Beh, già la 2.0 era ottima quindi non mi aspettavo grandi progressi ma la qualità della pelle sudata è abbastanza una novità.

In sostanza quale è la differenza tra Flare e Sunburst? Molto poca: Sunburst se la cava un po' meglio con prompt particolarmente complessi ma normalmente le due versioni di questa 2.5 si equivalgono con Flare che è più economico. Anzi vi dirò che la differenza mi è parsa minore di quella che intercorre tra Banana Pro e Banana 2.
Essendo Flare e Sunburst appena usciti, senza acquistare chiavi API ho potuto provarli il minimo sindacale per realizzare quest'episodio ma nei prossimi giorni dovrebbero diventare più accessibili e quindi lo metteremo a confronto coi suoi rivali (anche se non ne ha molti a dire il vero) e ci sarà lo scontro finale tra GPT e la Banana Imperatore che a questo giro temo finirà detronizzata. Quindi quella che scherzosamente chiamo la pagella è rimandata perché mi occorrono più test.
A presto!

 

Attendo con ansia

 

Eccoci al secondo dei tre appuntamenti con 'GPT image 2 la vendetta'!
Nel post introduttivo l'ho confrontato con se stesso ma ora, come da tradizione, lo faremo lottare con gli altri pokemon.
Ospiti della serata Seedream 5, Muse e naturalmente la Banana.
La grande (ma lenta) fuga
Iniziamo con un immagine giocosa con inquadratura molto bassa dove la ragazza che regge la teiera, distratta dalla terribile creatura a cui sta dando la caccia per metterla in pentola, la inclina troppo rovesciandone il contenuto sul pavimento.


Muse a questo giro è tutta frenesia e in effetti il mood del mio prompt lasciava margine a questa sua interpretazione. Non capisco che roba è quel liquido blu che è fuoriuscito dalla tazza sul pavimento: pare una sorta di inchiostro con una resa estetica dei fluidi che ricorda quella di un 3d render.

Bello quello splash con le goccioline particellari anche se è decisamente troppo alto rispetto alla massa versata e l'angolo di caduta non pare corrispondere.


Eh, che faccia da pazza... Sunburst ha estremizzato ancora di più la bassezza dell'inquadratura portandola quasi all'altezza della lumaca. C'è da riconoscere che la qualità delle texture è superlativa anche a dettaglio medium e ne esistono addirittura ben 3 livelli superiori (high, extra high e maximum) ma a costi di computazione che fanno levitare il prezzo per immagine. Tuttavia un maggior dettaglio non si traduce necessariamente in un immagine migliore e di solito il normale settaggio medium offre il giusto compromesso tra definizione e nitidezza non eccessiva.
Il tesoro
Questa è una scena basata sull'espressività dei personaggi e il caveau che funge da location è molto ricco di dettagli. Tuttavia la cosa che mette in crisi tutti i modelli (eccetto Banana), non ci credereste, ma è il coperchio dello scrigno, che faticano non poco a generare aperto in modo corretto: in genere o lo creano dal lato sbagliato oppure direttamente staccato dal forziere.


La scena è bellina ma è stato incapace di trovare una soluzione per il coperchio del forziere. Dapprima l'aveva montato per laterale, poi l'AI agentica in fase di revisione ha deciso che fosse meglio staccarlo anziché montarlo giusto.

Una pittura ad olio digitale uniforme e levigata. Bello, se non fosse per quel benedetto coperchio che si trova sul lato sbagliato e non corrisponde per dimensioni.


Flare ce l'avrebbe pure fatta solo che, per come aveva impostato l'inquadratura audacissima, non voleva nascondere la mano del mago spostando la fine del coperchio nel punto corretto. Si può notare comunque che non c'è tutto l'oversharpening della versione 2.0 e l'immagine è più smooth.
L'idolo
Poiché siamo in uno scontro tra pesi massimi è doverosa una scena ad alto coefficiente di difficoltà per i generatori di immagini. Qui l'azione è strutturata su ben tre livelli con una cosa che sta accadendo in primo piano, un'altra in secondo piano e un'altra ancora sullo sfondo. I generatori, per facilitarsi la composizione, quando costruiscono una scena cercano sempre un punto di ancoraggio, cioè un main focus attorno al quale far ruotare lo svolgimento.

Questa immagine, per esempio, gli risulta più facile perché la piovra è il punto focale in cui far convergere l'azione. Certo, l'accuratezza dei tentacoli è difficile perfino per Gemini perché le tante interruzioni visive in cui questi si avvolgono attorno alle cose manda in confusione qualsiasi modello. L'avrei comunque scelto come prompt per il post perché è divertente, tuttavia mi è scattato il filtro di moderazione 9 volte su dieci e mi sono rotta. Troppa violenza brutale mostrata evidentemente: pensate se un ragazzo vedrebbe queste cose dopo ore passate a giocare a Call of Duty.

Banana non ha sbagliato niente, tuttavia la scena manca di pathos: la guaritrice e il soldato gravemente ferito sono resi in modo piattino e il guerriero coccodrillo sullo sfondo non riesce a sembrare particolarmente minaccioso.

Muse ovviamente non partecipa perché la scena per lui contiene tassi di violenza inaudita. È Un buon generatore nel complesso ma fa girare le palle. Ha preso il suo posto MAI 2.6: il balestriere doveva puntare la sua arma contro il lucertolone e la scena contiene un certo numero di artefatti, però l'idea c'è. Se diventasse più concreto non sarebbe disprezzabile.

C'è un buon dinamismo e ha reso l'ambientazione in modo più originale. A non convincere troppo è il balestriere: strane quelle due faretre attaccate al pantalone e la balestra è generata sbagliata con gli archi asimmetrici e la corda di conseguenza staccata da un lato.

Sunburst sbaglia un filo meno della 2.0 ma non c'è stato da questo punto di vista il salto di qualità che tutti aspettavano. Io gli avevo chiesto una semplice torcia accesa gettata a terra e non ho capito cos'è quell'oggetto infuocato che ha creato.

Chiudiamo con degli ultimi esempi meno divertenti pensati come test sul fotorealismo. Geministi e gippittari da mesi litigano se sia meglio Banana Pro o GPT per i deepfake. Se vi serve verificare foto sospette, entrambe le aziende applicano alle immagini una filigrana invisibile (SynthID) sviluppata da Google e quindi in genere basta scansionarla online. Comunque sul realismo per me Banana finora ha vinto di misura per due ragioni: il minor sharpening con scene più naturali quando usate reference e un rendering della luce superiore. Sono aspetti su cui OpenAI ha effettivamente lavorato e direi che ora se la giocano alla pari.
Il vecchio pescatore.


Cottagecore
Finiamo con la character consistency. Prendiamo la nostra solita modella che già conoscete e sapete di base com'è fatta perché sono al limite del caricamento massimo di immagini per post.



È tempo di trarre le mie conclusioni che sostanzialmente confermano le impressioni che ho avuto durante i test pre-release.

GPT 2.5
Pro
- Texture ancora migliori con qualità del dettaglio ampiamente regolabile.
- Rendering della luce migliore senza più chiaroscuri accentuati di default (che però erano molto artistici e d'atmosfera).
- Più veloce della versione precedente e con costi ottimizzati.
- Oversharpening meno accentuato, sopratutto nella versione Flare.
- Editor ancora migliore nel preservare l'immagine durante le modifiche.
Contro
- Continua a fare gli stessi sbagli e produce ancora molti arti deformi e artefatti grafici.
- La differenza qualitativa rispetto alla 2.0 per uso quotidiano molti faticheranno a notarla.
- L'oversharpening c'è ancora.
- L'editor ha le stesse deficienze nella manipolazione degli oggetti di una scena o nel lavorare partendo da disegni vostri.

In conclusione, non c'è alcuna rivoluzione all'orizzonte: è un aggiornamento minore focalizzato su luci e texture che per onestà avrebbero dovuto chiamare GPT image 2.1. I suoi punti di forza e debolezza sono rimasti quelli della versione precedente: batte Gemini nettamente nella scelta della prospettiva ideale per le scene artistiche capace com'è di inquadrature notevolissime e in genere crea anche personaggi più espressivi; viene a sua volta surclassato dalla Banana nell'affidabilità dei risultati, nella comprensione degli elementi di scena e nelle pose atletiche e dinamiche. È una release pensata più per fare risparmiare sui costi energetici che per offrire qualcosa di nuovo all'utente.
La mia personale classifica sarà in fondo al terzo e ultimo episodio dove GPT 2.5 e Banana ci mostreranno le loro rispettive capacità nell'editing.

 

E per l'ultimo di questi tre appuntamenti vedremo in azione l'editor di Sunburst contro quello di Banana Pro. Vediamo se è vero quel che dicono sul suo tangibile miglioramento.
OpenAi ha aggiunto a GPT image una funzione sketch integrata che vi permette di disegnare direttamente nel programma ma francamente non ne vedo la necessità quando esistono una miriade di software pensati apposta per il disegno molto più pratici da usare. I disegni prima li fai con Krita, Photoshop o qualsiasi altra cosa e poi ci lavori con gli image generator.
Poniamo che avete fatto uno schizzo a matita e vediamo come lo trasformano in 3D. Non darò apposta loro info via prompt per capire come riescono, osservando semplicemente il disegno, a interpretarne il contenuto e costruirci un rendering.


Come 3d realistico partendo da uno schizzetto non c'è male. Però ci sono una caterva di errori gippittosi a riprova che a seguire dei tratti altrui sbaglia tanto quanto la 2.0.

Banana Pro è stato enormemente più preciso e coerente: meno realistico ma gli ho chiesto un rendering 3d, non una foto, quindi più che giusto. La posa della donna è più accurata e ha generato molti meno artefatti senza che io gli avessi spiegato niente.
Diamo una seconda possibilità a GPT Sunburst fornendogli una descrizione via prompt completa assieme allo sketch.

E niente: continua ad allucinare ugualmente creando un accozzaglia di gambe e scarpe senza corpi. Mi viene solo da chiedermi come mai OpenAI ha deciso di presentare una funzione sketch integrata se GPT resta inadeguato nel procedere image to image.
Quindi un punto netto per Banana Pro.
Vediamo una modifica a un oggetto di scena.
Riprendiamo il prompt del forziere che abbiamo usato nella scorsa puntata.

Questa immagine è stata creata con un modello segreto e misterioso che si aggira per LM Arena il cui nome in codice è Cypress. Mi ci sono imbattuta varie volte e non ho idea a chi appartenga, comunque ha sbagliato a seguire le istruzioni perché nella scena il forziere avrebbe dovuto essere aperto.
Inoltre Cypress ha creato una serratura dal lato sbagliato dello scrigno e ha lasciato ben due firme poco visibili in basso a destra sul pavimento. Sì, le firme appaiono ancora nei modelli attuali perché sono presenti nei milioni di dipinti su cui vengono addestrati e di conseguenza diventano un pattern statistico. Nelle immagini che posto non si vedono mai perché le cancello con GIMP prima di caricarle ma se il prompter vuole evitare che sbuchino può raccomandare in fondo alle istruzioni di non includerle prima di far partire la generazione (es."Do not include any watermarks").


Ora la capacità di GPT di agire sui volti e le pose dei personaggi indipendentemente dallo stile dell'immagine è superiore a quella di Banana ma quest'ultimo ha una comprensione sulla natura e il funzionamento dell'ambiente e degli oggetti che a GPT manca del tutto. Sunburst non sa modificare oggetti esistenti da chiusi ad aperti e quindi li ricrea, spesso senza coerenza. Non solo ha montato il coperchio storto (abbiamo visto anche gli altri modelli soffrire di questa demenza) ma in più il forziere l'ha ricreato sproporzionato, visibilmente più alto a sinistra e basso verso destra. Se togliamo il coperchio come soluzione di ripiego la cosa diventa ancor più evidente:

Ora l'unico modo per renderla utilizzabile è tagliare l'immagine in basso per camuffare l'errore mentre quella modificata da Banana va già bene ed è una base ottima per animarla o apportarvi altre modifiche (per esempio cambiare lo sguardo dei personaggi così che sembrano più intenti a osservare l'interno del forziere aperto).
Due a zero dunque per Banana Pro
Proviamo ora a fare un intera pagina di un fumetto descrivendo in un singolo prompt tutte le vignette che la compongono.
Ora nel fare questo tipo di cose dovete aspettarvi errori a go go perché i modelli generano immagini 2d e tra una vignetta e l'altra non sanno costruire una coerenza dei luoghi. Pure i generatori video hanno il medesimo problema e ad ogni cambio di inquadratura in una clip l'ambiente può mutare senza una logica. Nei video che posta MOB, chi li guarda spesso non immagina quanto siano numerose le scene che vengono tagliate, rifatte o editate. Nel pagare per Kling o Seedance il creatore del video deve mettere in conto anche la spesa dei tanti output che è costretto a buttare per le incoerenze che si verificano.

Il cancello nella penultima vignetta è sbagliato perché molto più piccolo di quello largo che si vede nella vignetta centrale. Inoltre nell'ultima vignetta la donna dovrebbe stare entrando nella casa, non uscendo. A cercare di sistemare per ogni pagina uscite pazzi. Quindi la soluzione ideale se volete cimentarvi nell'impressa di realizzare un fumetto con l'AI consiste nel preparare prima gli schizzi di ogni tavola a poi promptare. Richiede un minimo di capacità grafiche e del tempo ma se la macchina sapesse fare tutto da sola con coerenza non ci sarebbe più bisogno di noi.
Quindi è giunto il momento degli scarabocchi di Alice! (Che mi seccavo a fare perché sono pigra).

Qui ho fatto una cosa molto sbrigativa col mio vecchio mouse solo per questa demo ma voi in caso metteteci più impegno così da aiutare il generatore di immagini a concretizzare meglio quanto avete in mente.
Banana Pro

Banana Pro va bene.
Seedream 5 Pro

Seedream 5 ha rispettato i miei schizzi minimalisti con una fedeltà impressionante (Tranne l'ultima vignetta che comunque può andare), tant'è che sembra progettato apposta per gli storyboard (eventualmente animabili con Seedance). Il modo in cui utilizza la sua architettura a diffusione (contro quella autoregressiva ibrida di Nano Banana e autoregressiva pura di GPT) unita a una versione evoluta dei controlNet lo porta a previlegiare meno la semantica e più la forma come la trova rendendolo un tool eccezionale per i web toon.
GPT 2.5

In GPT 2.5 la vignetta centrale è sbagliata: la ragazza doveva arrivare sopra il mono-ciclo e scendere in seguito e se provi a spiegargli l'errore ti combina un macello facendo il cancello già aperto e modificando pure le vignette successive. Però l'ultima in fondo in cui apre la porta della casa abbandonata è molto corretta.

Infine proviamo a rigenerare un immagine come se stessimo continuando una storia.
In questo task in teoria Sunburst e Flare dovrebbero cavarsela molto bene. Se ve la ricordate l'immagine seguente l'avevo fatta col vecchio GPT 1.5: creiamone due frame successivi col nuovo GPT.



Si può notare che è eccezionale nel preservare interamente la scena editando con precisione anche in modifiche multi-step. Questo vi consente di sperimentare soluzioni in più passaggi senza che l'immagine subisca un progressivo degrado come accade con gli altri editor. Per preservare in fase di modifica al meglio scene particolarmente dettagliate (e non è questo il caso) conviene settare nell'editor una qualità del dettaglio come minimo high o very high che costa più token ma ha un suo perché.


Per l'ultima ho dovuto usare Banana 2 per mancanza di crediti e mi seccavo ad aspettare un altro intero giorno che me li rinnovassero su Leonardo (Banana Pro è costoso: una singola generazione brucia tutti i crediti gratuiti). Potevo usarlo su Google flow ma il sito non supporta la risoluzione 2:3 quindi era inadatto per quest'immagine. Comunque i due modelli come ho spiegato in passato si somigliano molto: Nano Banana 2 è una versione ottimizzata più leggera pensata per la versione flash di Gemini e risparmiando sulla computazione non renderizza la luce bene quanto la Pro (però compensa con una capacità più accurata nella mappatura dei reference e nell'aderenza al prompt). Già che sono in tema e visto che siamo in chiusura forse è il caso di raccontare la leggenda su come come è nato 'sto nome del cavolo per chi non la conosce.
A fine luglio 2025, il team di Google DeepMind si stava preparando a inviare il suo nuovo modello per le immagini (il cui nome tecnico ufficiale era Gemini 2.5 Flash Image) su LMArena, una piattaforma che dovrebbe pagarmi per tutta la roba che gli ho testato negli ultimi due anni. Comunque su LM Arena, nella battle mode, i modelli di AI vengono testati e messi a confronto dagli utenti in modo del tutto anonimo. Nessuno sviluppatore vuole leaks su una tecnologia che sta sviluppando prima di averla rilasciata sul mercato e anche per Google, come per tutti gli altri, serviva un nome in codice. Intorno alle 2:30 del mattino, a Naina Raisinghani, Product Manager di Google DeepMind, arrivò un messaggio da un collega che le chiedeva di inventare un nome fittizio su due piedi per poter inviare il modello. Naina, dovendo pensare velocemente, propose un nome apparentemente senza senso: "Nano Banana". Questo nome è in realtà il mix di due soprannomi con cui la chiamano i suoi amici: 'Naina Banana' e 'Nano' perché è di bassa statura.
Inoltre, il termine 'Nano' si adattava bene a un modello della famiglia 'Flash', pensato per essere leggero, compatto e veloce. Pochi giorni dopo, il misterioso modello 'Nano Banana' fece la sua comparsa su LMArena e sbaragliò subito la concorrenza, posizionandosi al primo posto con ampio margine grazie alle sue straordinarie capacità di mantenere coerenti i personaggi e di modificare le immagini in modo conversazionale. Il contrasto tra le altissime prestazioni e un nome così scemo fece impazzire i social media e Google decise così di mantenerlo, cosa molto insolita visto che i nomi segreti in fase di test finiscono sempre abbandonati dopo il rilascio. Poi qualche mese dopo arriverà la versione più massiccia del generatore integrata in Gemini 3 Pro che è appunto Banana Pro a cui seguirà Nano Banana 2 per Gemini 3 Flash e infine Nano Banana Lite, una versione ancora più compatta e leggera e l'unica per cui è previsto un aggiornamento a breve.

Tornando a Gippitone.
GPT è sempre stato ottimizzato per l'utente medio che scrive prompt testuali e vuole un risultato sorprendente partendo da zero. Detesta venire bloccato da vincoli di riferimento che lo limitano nell'impostare la composizione come ritiene efficace e in tali casi lavora forzato a seguire una logica conflittuale alla sua. Quindi se c'è da rigenerare una scena e lui ha abbastanza libertà di procedere sa essere eccellente ma per modificare oggetti preesistenti o seguire fedelmente uno sketch sono preferibili altri modelli.

Top 5:
1) Banana 2\Pro (Il più solido e meno artefatto ma è stato eguagliato nel realismo e superato nei cambi di angolazione da GPT. Continua a vincere in molti task di editing, sa essere più coerente e ha una migliore capacità di ragionamento visivo, inoltre il grounding con google search gli consente di costruire dati reali accurati quando occorre).
2) GPT Image 2.5 (L'aggiornamento non ha risolto i suoi problemi di affidabilità ma i miglioramenti comunque ci sono ed è più leggero di prima. E' il più espressivo ed efficace per l'arte concettuale partendo da puro testo).
3) Muse image (Approccio agentico innovativo ma ti censura pure il fantasmino Casper perché secondo lui è troppo pauroso).
4) Seedream 5 Pro (Non sempre eccelso nel creare immagini da zero ma come tool di supporto per i vostri artwork ha qualità uniche e nel fotorealismo è subito dietro Gemini e GPT).
5) Uni 1.1 max (Il generatore più originale e anticonformista, con stili artistici fuori dal comune e che non discrimina uomini e donne brutti).

In sintesi perché non ho messo Flare e Sunburst in cima come fanno tutti: se dovessi valutarlo unicamente come diavoleria che crea al posto nostro avrei considerato al primo posto pure GPT image 2.0. Ma io preferisco che i generatori di immagini vengano usati come strumenti che si integrano nel lavoro umano anziché sostituirlo e in questo la creatura di OpenAI a quanto ho testato continua a non essere collaborativa più di tanto.

E' tutto per ora. Ci risentiamo quando uscirà nuova roba da provare. Un abbraccio.

 

Bentrovati a un episodio minore sugli artifici immaginifici dedicato all'ultimo update di Ideogram, giunto alla versione 4.5. L'aggiornamento riguarda l'integrazione di nuove funzioni di editing nelle quali i modelli open source sono alquanto carenti. Avere in locale qualcosa in grado di editare ai livelli di GPT, Seedream o Gemini è il sogno degli amanti del software libero, ragion per cui Ideogram 4.5 è stato accolto con un certo interesse.

Test 1: Text to image anime style.
Vediamo se ci sono stati progressi nella generazione da puro testo creando un immagine in stile anime.


L'immagine originale di Ideogram 4, per essere in 2k, aveva una definizione dei testi già non eccelsa ed essendo piccoli e distanti risultavano piuttosto approssimativi. Per scarsità di pixel è difficile notarlo ma i numeri romani sul quadrante dell'orologio sono sbagliati, però pure nella versione 2k bisogna zoomare per farci caso e in dettagli così minuti sbagliano tutti eccetto GPT, quindi è scusatissimo. Pure quella sopra di Banana 2 contiene errori nelle scritte.

Se qualcuno si stesse chiedendo quale è la differenza con la 4.0 la risposta è... nessuna. Nel text to image Ideogram 4.0 e 4.5 sono identici. A cambiare nella nuova versione è l'aggiunta dell'editing che vedremo negli esempi seguenti.

Test 2: Rimozione elementi e character consistency
La seguente vuole essere è una tipica cover vintage, stile in cui Ideogram se la cava piuttosto bene.

L'unica cosa che non va bene sono quei vestiti appesi sullo sfondo con un filo teso verso il nulla. Chiediamogli di rimuoverli.

Di positivo c'è che ora Ideogram riesce a editare preservando intatto il resto l'immagine senza causarne il minimo degrado. In pochi ci riescono così bene. Ha eliminato correttamente i vestiti ma lasciando il filo sul lato destro dell'uomo, ma quasi tutti i modelli sbagliano in questo genere di associazioni per via della loro limitata comprensione concettuale dell'insieme. Dove ha levato i vestiti ha generato un piccolo artefatto ma è tutto facilmente sistemabile con brevi ritocchi manuali.

Ora proviamo la character consistency utilizzando lo stesso prompt ma sostituendo la ragazza con una modella di riferimento. Prendiamo al solito la nostra Lisa.


Vabbè GPT è GPT. Vediamo ora Ideogram.

Niente, una miseria. Dandogli un reference perde completamente il senso della composizione e pure la mano dell'uomo difetta. Per le scene realistiche la character consistency viene ancora peggio sia per la mappatura approssimativa dei volti che per le texture della pelle di scarsa qualità. Quindi sì, un open source con una coerenza del personaggio vicina a quella dei software proprietari resta ancora un miraggio.

Test 3: Text rendering e task di traduzione
Gli sviluppatori si sono vantati delle capacità di Ideogram 4.5 di tradurre i testi contenuti nelle immagini in svariate lingue mantenendo (nei limiti del possibile) posizione e coerenza delle font.
E allora mettiamolo alla prova: per malvagità ho scelto la foto di una lavagna sporca, con calligrafia in corsivo e in prospettiva di tre quarti anziché frontale, così da complicargli al massimo la vita. Deve tradurre dall'inglese all'italiano.


No, il risultato è inaccettabile. Nel terzo rigo ha sbagliato ad andare a capo e da lì è tutto errori. Nell'ultimo rigo allucina direttamente. Quindi evitate di promptare dicendogli “traduci il testo in italiano”, bensì prima traducete il testo voi (potete anche farvi assistere da un traduttore ovviamente) e poi fornitegli via prompt la traduzione da inserire.

Ecco, se propriamente guidato è bravo. Ha mantenuto la lavagna identica e si è sforzato di somigliare il più possibile all'originale, ma in pratica gli devi spiegare tutto per filo e per segno per farlo funzionare. Stesso dicasi per Seedream 5 che se impari a capirlo si rivela pieno di sorprese.
Demandando il task a GPT ecco cosa viene fuori.

In autonomia gestisce e traduce il testo meglio di Ideogram 4.5 perché naturalmente ha un sistema di ragionamento molto più sofisticato ma comunque nonostante quello alla lavagna sia un testo banalissimo, probabilmente scritto per bambini delle elementari, la traduzione di GPT è approssimativa avendo gratuitamente sostituito “il Re” con un generico “Gli inglesi”. Quindi “Gigante, pensaci tu!” funziona solo nel Carosello, perché nessun generatore di immagini sa pensare propriamente al posto vostro; nemmeno quelli eterodiretti dagli LLM. C'è una cosa da aggiungere a favore di Ideogram in questo caso: facendo attenzione alla lavagna nell'immagine di GPT Sunburst noterete che non è uguale alla foto originale ma si tratta di un fac-simile al quale mancano la chiazza marrone, il buco in basso e i numeri scritti in gessetto bianco a destra del terzo rigo (oltre ad avere un altezza un filino diversa). Sul perché GPT lavora in questo modo ne ho disquisito nel precedente post e non è il caso di dilungarci; si tratta di meri dettagli ma se per esempio volete usare questa tecnologia per tradurre dei testi pre-renderizzati presenti sullo sfondo di un videogame non volete rigenerare l'immagine bensì agire in modo mirato sul testo lasciando il resto identico all'originale.

Test 4: Photoshop generativo.
Come da titolo finiamo con una giocosa operazione che una volta si faceva in Photoshop o ancora meglio tramite compositing coi programmi 3d.
Mettiamo che nel vostro salotto avete una tazza mug anonima e volete apporvi un logo.


Sì può andare, ma le texture e i riflessi sono mediocri. Prendiamo un altro modello a caso...

Ora proviamo un ultima cosa: cioè cambiamo la luce ambientale rendendo l'ambiente buio e il logo fosforescente.

E insomma... come gestione della luce non è granché. Scegliamo di nuovo un altro modello a caso...

Mi piace molto di più.

Concludendo Ideogram come image generator di per sé lo abbiamo già visto in passato mentre adesso come editor è diventato ideale quando vi serve di modificare dei dettagli specifici di un immagine preservando accuratamente il resto. Nella maggior parte degli altri compiti tuttavia non produce alcunché di eclatante: l'illuminazione è da migliorare, la coerenza del personaggio è insoddisfacente ed è molto scarso nell'alterare lo stile grafico. Sicuramente per chi ha la possibilità di installarlo e lavorarci in locale può essere una scelta interessante ma c'è da dire che la versione a pesi aperti verrà distribuita solo prossimamente; per ora è utilizzabile unicamente via cloud e ad un costo considerevole: ad una frazione del prezzo Seedream 5 è di gran lunga preferibile e molto più versatile. Resta ovviamente primo nella mia classifica dei modelli aperti in attesa dell'arrivo di Flux 3.

Alla prossima.

 

il tutto è veramente affascinante...

 

Molto, davvero...

 

Yo, ben ritrovati al nostro angolo artificialmente immaginoso!
Questa settimana sbarca finalmente Flux 3 Image e in più a sorpresa abbiamo novità sul versante Gemini con l'arrivo della Banana 2.1 (è un aggiornamento minore ma 'ogni fegato di mosca è sostanza' come diceva mia nonna).
Mostrerò solo questi due perché altrimenti sovraccarico il post di materiale visivo.
Flux 3 è la nuova creatura multimodale di Black Forest Labs (team formato dai creatori di Stable Diffusion). Ha una filosofia radicalmente diversa dal passato: non genera solo immagini come i primi due Flux ma è addestrato congiuntamente su immagini, video e audio. È capace di generare video con audio nativo fino a 20 secondi, sintetizzare e modificare immagini e predire azioni robotiche all-in-one. Sì, è un altro world model pensato per i robot (lo stanno già utilizzando nelle fabbriche) ma è comunque più versatile di Nvidia Cosmos.
Il concetto alla base è che il modello, per generare video convincenti, deve comprendere in partenza le interazioni del mondo fisico. Noi qui lo vedremo solo in quanto image generator senza tutta la parte animabile.
1) Musica in salotto
Iniziamo con la character consistency ma aggiungiamo una variante: anziché descrivere il luogo via prompt chiederemo di inserire il personaggio (in questo caso io) all'interno di una foto già esistente. Mentre è un approccio ideale per Flux 3 è una cosa che Banana detesta fare. Quando dai a Gemini degli oggetti da inserire in una scena lui preferisce di gran lunga creare il luogo per via semantica così da avere il pieno controllo sul rendering e le proporzioni al fine di amalgamare il materiale fornitogli in maniera ideale.


Con Banana 2.0 queste cose spesso venivano non proprio bene quindi evidentemente è diventato più adattivo nella nuova versione.


Flux 3 sembra propenso a prendere il volto e ricopiarlo esattamente uguale e ciò per curiosità mi porta a un test addizionale sulle espressioni facciali dove devi per forza dimostrare di saper mappare bene il personaggio.
Gliela facciamo difficile perché sono kattiva anche con me stessa.
Banana 2.1

Flux 3

Vedete quante smorfie mi tocca fare per la scienza? Cioè non che è le abbia fatte veramente però le ho dovute scrivere tutte...
Comunque Banana 2.1 ovviamente batte Flux 3 che renderizza i volti in modo finto e poco naturale oltre ad avere una aderenza al prompt inferiore.

2) interazione tra i personaggi.
In cosa gli open source difettano particolarmente? Nelle interazioni tra i personaggi. Ideogram finora è stato l'unico a cavarsela...



In questo Flux è rimasto scarso come in passato: se la donna fosse una bambola di plastica sembrerebbe più espressiva.

3) Sketch per videogioco in pixel art.
Visto che la pixel art piace tanto proviamo un esperimento un po' strambo e prolisso. Partiamo da uno sketch e usiamolo come base di partenza per realizzare una location in isometrica. Essendo un world model Flux 3 con queste operazioni di manipolazione 3d dovrebbe cavarsela bene... o no?


Si, lo stile grafico che abbiamo scelto è un 3d non proprio bello ma ci serve solo come stile transitorio visto che puntiamo alla pixel art. Come al solito Banana è notevole nel riconoscere e interpretare da solo gli elementi di uno schizzo. Stonano quei cosi quadrati sulla punta degli ombrelli: c'erano anche nello schizzo originale e nemmeno io capisco cosa volessero rappresentare nella mente del disegnatore. Comunque siccome è solo una demo ce ne freghiamo bellamente. Ora convertiamo la scena in isometrica.

Adesso ricreiamo la ragazza in piedi e gli facciamo indossare quelle simpatiche pantofole sul tappeto.

Infine ricreiamo la scena in pixel art.

Ora vediamo come se la cava il Flux 3.

La sua comprensione degli oggetti come mi aspettavo è molto più approssimativa. In particolare non ha capito che quelle sul tappeto dovevano essere pantofole. Guidato via prompt magari avrebbe sbagliato meno ma siccome è solo una demo ce ne freghiamo e andiamo avanti.


Vabbè, non è che mi piaccia molto ma l'importante è vedere come viene una volta convertito in pixel art.

Cioè, ammesso che Flux 3 sapesse farlo. Ha zero training data su queste cose evidentemente. Eppure il vecchio Flux 2 ci riesce.

Cioè ha aggiunto alcuni oggetti senza senso e la luce è discutibile però in pixel art lo ha fatto contrariamente al suo successore e con qualche fix potrebbe pure andare.


4) Character design
Finiamo con un ultima prova per Flux 3 su pose ed animazioni nelle quali dovrebbe essere abbastanza ferrato essendo un modello omni.




Concludendo Banana 2.1 è migliorato nella combinazione delle immagini di riferimento e nella qualità delle luci, adesso più vicina a quella di Banana Pro. Per tutti gli stili grafici invece è lo stesso.
Flux 3 in quanto world model non è proprio semplice da capire e usare al meglio. Spesso non brilla come generatore di immagini puro ma come tool per l'editing selettivo e la combinazione di references sembra buono. Nel prossimo appuntamento farò un confronto con Ideogram ed esprimerò il mio parere su quale dei due è il migliore open source.

A presto.

 

Eccoci al match per il titolo dei pesi... aperti. E sì, perché il campionato dei massimi è chiuso.
Mi sento già in tasca il premio di battuta triste della settimana, quindi proseguiamo sereni.
Ideogram vs Flux: una battaglia di vecchia data che risale a prima dell'avvento delle Banane e quando GPT era ancora solo un chatbot. All'epoca Flux 1 e le prime due versioni di Ideogram se la giocavano contro il Midjourney. Oggi quel Midjourney viene usato quasi unicamente per le trasformazioni stilistiche: in pratica è diventato uno strumento di post-produzione a cui si ricorre sovente per togliere il look da AI alle immagini AI e farle sembrare più human made. Quanto agli altri due protagonisti di oggi, Ideogram 4.5 punta molto sull'editing avanzato dei testi mentre Flux 3... non mi è facile decifrarlo ma lo valuteremo a fine episodio. Entrambi sono una sofferenza da gestire perché hanno delle indubbie qualità alternate a profonde deficienze e bisogna essere bravi nel prompting per farli funzionare (laddove funzionano, si intende).
Prova 1: Text to image.
Per cominciare un'altra illustrazione vintage dove voglio vederci chiaro sull'espressività di Flux 3.


Punto netto di Ideogram. Flux 3 conferma quanto avevo già fatto notare nell'episodio precedente mentre facevo da cavia per le espressioni facciali. Nel replicare i volti umani è fastidiosamente finto e artificioso. I soggetti sono plastici e sgradevoli.
Prova 2: Location per avventura a scorrimento.
Mettiamo che state realizzando un punta e clicca 2D a scorrimento e volete usare un modello installabile in locale per le location. Quale vi conviene?

Ideogram sicuramente no. Non riesco nemmeno a capacitarmi come abbia realizzato uno schifo simile. L'ambiente a sinistra termina nel nulla, ha duplicato la macchina, le scale sono sbagliate e la grafica è brutta.

Nemmeno Flux 3 è perfetto ma rispetto alla roba sopra ha certamente vittoria facile. Quel vaso è posizionato in un punto inverosimile e c'è qualche piccolo errore grafico ma si avvicina allo stile che gli avevo chiesto e volendo sarebbe utilizzabile per un gioco. Mancano ancora i personaggi quindi proviamo ad aggiungerli.

Ideogram continua a deludere. Si può soprassedere che lo stile dei soggetti stona con quello dello sfondo ma il problema è che sono proprio appiccicati alla carlona. Non hanno ombre né riflessi e il cane non sembra nemmeno poggiare sul pavimento. Sembra opera di un dilettante di Photoshop allo sbaraglio .

Flux 3 leggermente meno schifo ma resta inaccettabile. Il cane sembra incollato con le zampe davanti che sporgono oltre il muro. Il vecchio e la ragazza non si riflettono sull'acqua e sembrano proprio ritagliati ed aggiunti in maniera posticcia.
Basta va... “Gippitì, pensaci tu!”

Magari lo stile dei personaggi stona leggermente con quello dello sfondo ma è tutto sommato accettabile e sono stati inseriti all'interno della scena propriamente. Nessun modello in verità ha un dataset specifico per abbinamenti di questo genere. Perlomeno ora il vecchio sembra davvero stare lavando la macchina, con la schiuma che scende copiosa lungo lo sportello e i riflessi sono giustamente presenti sul terreno bagnato. Il cane sembra propriamente seduto davanti alla porta e la protagonista ha un look decente. Volendo con Flux video potete costruire anche gli sprites per le animazioni del personaggio ma su una cosa del genere dovrei farci un episodio apposito quindi per adesso lasciamo perdere.
Comunque assegniamo il punto a Flux 3 perché Ideogram a questo turno non ha saputo fare nemmeno il luogo.
Prova 3: Tavola auto-conclusiva.
Abbiamo già provato a fare una pagina di fumetto in un unico prompt ma stavolta useremo un personaggio specifico, ovvero la ragazza che abbiamo creato in varie pose d'animazione alla fine dello scorso post.

Come ho illustrato la volta scorsa, senza delle linee di riferimento visive, la composizione della pagina tutta in una volta non la sa fare nessun modello. Perfino Banana combina pasticci. GPT invero ci può riuscire perché è fatato ma se sapete disegnare vi semplificate di molto la vita. Io purtroppo a disegnare sono scarsa però confidiamo che i miei scarabocchi saranno sufficienti!
Scarabocchio di Alice

Per cominciare ho voluto realizzare una versione prototipo con GPT per testare la bontà del prompt che ho scritto prima di passarlo agli ospiti della serata.
GPT 2.0 Test

Eh, mi sarebbe piaciuto perfezionare questa versione ma purtroppo l'episodio è dedicato ad altri modelli.
Ideogram 4.5

Ideogram... Santa Miseria... a parte gli errori di creazione dei luoghi si è messo a ricalcare le linee che avevo fatto io col mouse quando ovviamente dovevano fungere solo da punto di riferimento. Il suo voler a tutti i costi preservare ciò che trova anziché reinterpretarlo lo rende limitato e stupido. Certo, è fantastico per i rendering architettonici dove ogni linea è fondamentale ma pessimo per usi creativi come questo.
Flux 3

Già è quasi passabile. Il formato della pagina doveva essere 2:3 ma mi sono confusa coi settaggi e la tavola è venuta in 4:3. Quando l'ho rifatta in 2:3 Flux 3 ha sbagliato molto di più e quindi mi sono rassegnata a usare questa sopra.
Il titolo del giornale è illeggibile ma me l'aspettavo perché è comune a tutti i world model: semplicemente non sanno riprodurre i testi degli elementi che provengono dal dataset i quali perciò vanno renderizzati in un secondo step (ce ne occuperemo alla fine). Al piccione nella penultima vignetta manca un ala ma vabbè... l'errore serio è la vignetta numero 4 dove la ragazza dovrebbe stare salendo la rampa con lo skate e non il contrario. Riconosco che era poco chiaro come l'avevo abbozzata nel mio schizzo ma ci fornisce occasione di testare l'editor di precisione.
Ideogram Editing

Certamente Ideogram ha lasciato la pagina perfettamente intatta agendo in modo mirato solo sulla vignetta numero 4, peccato che ha trasformato la nostra ragazza in un mostro di Silent Hill.

Flux 3 è stato altrettanto mirato ma ha saputo ricreare correttamente la ragazza di spalle. Ha lasciato la scia dello skate dal lato opposto ma pazienza: la sistemeremo alla fine con semplici ritocchi.
Per concludere l'ultimo intervento richiesto ai due dottori, cioè la traduzione del fumetto in italiano. Come ho già spiegato l'altra volta non sono capaci di farla in automatico ma dovete fornirgliela voi guidandoli step-by-step.

Posto solo quella con Ideogram perché i due risultati erano quasi identici ed era noioso farle vedere entrambe. Ho finito di sistemare qualcosina come il piccione senza l'ala, la scia sulla rampa e il titolo del giornale. Perciò, se vi serve un tool per la localizzazione di schermate, fumetti, infografiche, advertising, ecc... i due modelli qui in esame sono entrambi ottimi perché non degradano né alterano l'immagine originale.
Nella penultima vignetta in verità volevo illustrare la protagonista mentre comicamente si schiantava tra i rami ma sapevo già che l'intento avrebbe cozzato col filtro di censura e quindi ho dovuto rendere la scena implicita. Avere un modello installato sul proprio PC per queste cose sarebbe in effetti bello, perché sareste liberi di creare non vincolati dai filtri deficienti che nell'uso via cloud sono la regola. Ideogram 4 come abbiamo visto è totalmente inadeguato per fare fumetti mentre Flux 3, essendo generatore di immagini e video al contempo, gestisce abbastanza bene cambi di inquadrature e pose dei personaggi. Dove non mi piace è nella resa stilistica che è un passo indietro rispetto al vecchio Flux 2: per le avventure di Pippa sarebbero stati preferibili degli sfondi cartoon anziché quel semi-realismo con cui ha creato il parco e così i personaggi risultano integrati nell'ambiente in modo solo accettabile ma non artisticamente ideale.
Test 4) Falloutization.
La settimana scorsa stavo giocando a un semplice punta e clicca che ho recensito nel topic sugli indie. Mi era piaciuta la meccanica che permetteva al protagonista di viaggiare dal presente a un futuro post-apocalittico e vorrei replicare questa operazione di trasformazione ambientale tramite AI.


Ideogram abbastanza scarso. Ha lasciato i luoghi uguali scassando solo i pavimenti e diminuendo la luce ambientale per rendere le location meno solari, ma davvero poca roba.

Flux 3 ancora più scarsone. Non ha nemmeno rivisto l'illuminazione e si è messo soltanto a bucare l'immagine con un puntello neanche stesse fabbricando un formaggio svizzero.
Vabbè, prendiamo un terzo modello a caso...

Nell'aggiunta smodata ed eccessiva di testi e loghi questo Cedar-lantern somiglia a MAI, ma li integra peggio nella scena. Comunque almeno ha effettivamente trasformato l'ambiente cambiando il volto degli edifici, eliminando e sostituendo oggetti, ecc...

Mi fermo qui e chiedo venia se sono stata alquanto prolissa. Andiamo alla valutazione finale del nuovo Flux e bon.

Pro
- Ottimo editor per le modifiche mirate e grande preservazione dell'immagine, il che lo rende ideale per lavori multi-step.
- Risoluzione nativa che supporta fino a 4k
- Supporta fino a 10 immagini di riferimento per singola generazione.
- Buono nelle pose e nelle inquadrature.
- Scelta valida per assets di animazioni e character design.
Contro
- Abbastanza approssimativo nel seguire i prompt.
- Limitato stilisticamente.
- Artificioso nel realismo, nel copiare i visi e le espressioni.
- Versione open annunciata ma non ancora disponibile.

In conclusione condivide con Ideogram l'uso di JSON che garantisce un eccezionale controllo del layout ma a parte questo pregio sono due modelli ostici e dal range di utilizzo ridotto.
Complessivamente Flux 3 sa fare più cose e quindi a mio parere vince contro il suo antico rivale. Lo utilizzerei come tool di supporto? Assolutamente sì. Ma come modello principale per creare direi proprio di no, tranne in pochi casi.

Top 10 aggiornata
1) Banana 2.1 (Il modello più solido e versatile al mondo. Nessuno riesce a eguagliarne la naturalezza fotografica).
2) GPT image 2.5 (Gli artefatti e l'oversharp sono compensati da un eccezionale espressività, comprensione della prospettiva e senso della composizione).
3) Muse (E' molto capace e sa fare belle immagini sebbene sia troppo censurato)
4) Seedream 5 Pro (Leggero e con più risorse di quanto sembri. Molto buono per roba cinematografica. Bello anche come strumento per fumetti online).
5) Uni 1.1 max (Artistico, fuori dal comune e molto sottovalutato).
6) Flux 3 image (Il world model più convincente finora).
7) MAI 2.6 (Il 'wannabe GPT' made by Microsoft. Lo odio ma onestamente ha un certo potenziale.)
8) Ideogram 4.5 (è visivamente bello ed espressivo negli stili illustrativi)
9) Krea 2 (Esteticamente mediocre ma divertente e facile da usare. Segue le istruzioni con una fedeltà inaspettatamente buona).
10) Flux 2 max (Esteticamente bello, dai colori delicati e in grado di replicare tanti stili. Peccato che la sua capacità di attenersi ai prompt sia scarsa).

Salvo sorprese per quest'anno non sono previste altre uscite e quindi questo thread potrà prendersi un periodo di riposo.

 

Spoiler

a me no