Imagen 2

谷歌的第二代文生图模型

Imagen 2 是谷歌（Google）的第二代文生图（text-to-image）模型，2023 年 12 月发布。^[1][2] 这类模型接收一段文字提示——一句描述场景、物体或风格的话——再输出一张与描述相符的图像。第一代模型回答的是「这条路能不能走通」，第二代通常要收拾第一代留下的明显毛病，而 Imagen 2 挑中的是「写字」。对模型来说，「画什么」和「画在上面的字」并没有分别，两者都只是像素，这也正是文字最容易出错的地方。

图里的文字与标志

Imagen 2 最突出的特点，是能在图像中生成文字和标志（logo）。^[1][2] 谷歌云（Google Cloud）表示，文生图模型常常难以把文字正确渲染出来，而 Imagen 2 有助于解决这个问题。^[2] 难点并不神秘：字母由细笔画、紧邻的字距和精确的字形构成。一个把力气花在整体构图、光影和色调上的模型，很容易画出远看像字、近看什么都不是的东西。要让字读得出来，模型就得在生成整幅画面的同时保住这些细小的、精确的细节，这和「画出一幅像样的场景」是两种不同的要求。这在实用上也很要紧：海报、广告、产品示意图里几乎总有字，字一糊，图就难用。

标志是同一项能力的另一半。Imagen 2 能为企业、品牌和产品生成标志，包括徽章式（emblem）、字母式（lettermark）和抽象型标志。^[2] 这三类是标志设计里的常规分类：徽章式把名称或文字包进一个图形或图案里；字母式直接用名称的首字母或字母构成标志；抽象型用的是几何的、非具象的形态，而不是某个东西的画像。生成标志比生成插画更难一些，因为标志的成败不在于单看一次好不好看，而在于它在不同场合反复使用时是否稳定、是否一眼可认。

上线 Vertex AI

2023 年 12 月，谷歌云把 Imagen 2 面向 Vertex AI 的白名单客户正式开放（general availability）。^[2] 在 Vertex AI 上，客户可以借助全托管的基础设施以及内置的隐私与安全功能，定制并部署这个模型。^[2] 这大致就是演示与产品之间的区别：企业可以在谷歌云的托管环境里调整并运行模型，隐私与安全控制由平台提供，不必自己去搭这套东西。

在模型序列里的位置

接替 Imagen 2 的是 Imagen 3，谷歌于 2024 年 5 月 14 日公布，2024 年 8 月发布。^[1][3] 谷歌称 Imagen 3 是其质量最高的文生图模型，能生成照片级的图像，分散注意力的视觉瑕疵比此前的模型少得多。^[3] 两代之间相隔不到一年，被强调的东西也从「字渲染不出来」这样的具体缺陷，转向整体画质和视觉瑕疵的消除。