Imagen

Hvad er Imagen?

Imagen er Google DeepMinds serie af tekst-til-billede-modeller. Du skriver en prompt (“en kat der sidder på en måne”), og Imagen genererer et billede. Imagen er bygget på diffusion model-arkitekturen og fokuserer på fotorealisme, fine detaljer og præcis tekstgengivelse.

Versioner

1. Imagen (2022). Den første version, præsenteret som forskningsprojekt. Ikke offentligt tilgængelig.
2. Imagen 2 (2023). Første kommercielt tilgængelige version via Vertex AI. Forbedret billedkvalitet og sikkerhedsfiltre.
3. Imagen 3 (2024). Markant spring i kvalitet. Bedre fotorealisme, mere præcis prompt-følgning og forbedret tekstgengivelse i billeder.
4. Imagen 4 (maj 2025). Lanceret ved Google I/O 2025. Fine detaljer som stoffer, vanddråber og dyrepels. Op til 2K-opløsning. Stærkere tekstgengivelse end Imagen 3.
5. Imagen 4 Fast. Optimeret til hastighed: 10 gange hurtigere end Imagen 3 med 2,7 sekunders latency. 0,02 dollars per billede.
6. Imagen 4 Ultra. Den mest kapable variant med højeste kvalitet og detaljering.

Imagen vs. andre billedmodeller

1. Imagen vs. DALL-E. DALL-E er OpenAIs billedmodel. Imagen har generelt bedre tekstgengivelse og fine detaljer. DALL-E har tættere integration med ChatGPT.
2. Imagen vs. Midjourney. Midjourney er kendt for kunstnerisk stil. Imagen er stærkere i fotorealisme og præcis prompt-følgning.
3. Imagen vs. Nano Banana. Nano Banana er billedgenerering integreret i Gemini. Imagen er en standalone billedmodel optimeret specifikt til billedgenerering.
4. Imagen vs. Stable Diffusion. Stable Diffusion er open source og kan køres lokalt. Imagen er lukket og kører i Googles cloud.

Tilgængelighed

1. Gemini API / Google AI Studio. Imagen 4 er tilgængelig via Gemini API for udviklere.
2. Vertex AI. Enterprise-adgang via Google Cloud med sikkerhedsfiltre og compliance.
3. Google-produkter. Imagen bruges i ImageFX (Googles billedgenereringsværktøj) og i Gemini-appen.