AI-genererad text i bildform - Varför blir det alltid fel?

Jag har använt ett par av de vanligaste AI-verktygen för att generera bilder, och det är ju rätt otroligt vad de kan åstadkomma på bara några få sekunder.

Men när det kommer till att generera text i en bild, så blir det nästan alltid felstavat. Hur kommer detta sig, och har ni något tips på vad man kan göra för att det ska bli rätt?

Exempel: Jag promptar en AI bildgenerator med "Skapa en bild på en skylt med texten "Flashback"", och det AI:n spottar ur sig är en bild på en skylt med texten "Flaahbeck" eller valfri variation, det blir nästan adrig rätt, trots att jag använder citat-tecken i min prompt.

Kortfattat för att generativ AI inte vet vad den gör egentligen, den försöker skapa en bild som uppfyller så mycket av prompten den kan baserat på träningsdata men precis som språkmodellerna så ser den inte vad den skapar, den har ingen aning om vad det faktiskt föreställer.

Du kommer ha samma svårigheter om du försöker skapa en viss mängd av objekt eller mer intrikata detaljer på objekten.

Du får lära dig använda photoshop om du vill fixa sådant.

Föregående svar är egentligen nog och svarar på TS.
Men kan tillägga för skojs skull det "kinesiska rumsargumentet".


Det understryker egentligen bara vad BeneathTheSurface skrev.
AI:n förstår inte vad den egentligen gör. Den skickar bara ut symboler efter vad den har lärt sig känna igen och detta är nog för att lura oss att tro att den vet vad den gör.

Fast det är egentligen väldigt knepigt att AIn inte fattar denna enkla sak.
Jag försökte flera gånger göra en företagslogga.
Jag beskrev färg, form etc, och den gjorde det perfekt på så himla många sätt.
Men när jag klart och tydligt förklarar för den att det ska vara en enkel text där det står "Flashback AB" under loggan så slänger den ihop bokstäverna helt och hållet.
Skulle tro att detta var den enklaste delen när AIn är såpass smart, men tydligen inte.

AI'n är inte smart, inte på något vis. Att kalla den "artificiell intelligens" var nog det dummaste man kunde göra, det har fått folk att tro på fullaste allvar att det finns någon form av intelligens där.

haha dezgo gjorde sveriges flagga tvärtom...

De bildgenererande AI-tjänsterna är olika bra på att skapa text i bilderna. Bäst just nu skulle jag säga är https://www.bing.com/create och https://ideogram.ai/t/trending .


Mitt första försök med prompten "Skapa en bild på en skylt med texten "Flashback" " via Bing/Dall-E 3 gav mig en lyckad, två halvlyckade och en misslyckad bild. https://www.bing.com/images/create/s...P&mode=overlay

Det beror väl på den associativa karaktären hos bildgeneratorn. Exakt detta har stört mig också när jag bett t.ex. Bing skapa en logotyp. Idiot-programmet kan ju inte ta instruktion på vilket ord som logotypen ska inkludera. Alltid som någon jävla feberdröm.

Photoshop kostar ju en jäkla massa pengar, hade varit skönt om man slapp lägga ut det bara för att fixa till en felstavning.

Bing använder väl Dall-E 3, samma som openAI, så den har jag redan testat. Tycker att den gör ganska tråkiga bilder om man jämför med Midjourney 5.

Dall-E 3 som också går att använda ihop med ChatGPT 4 gör långt ifrån tråkiga bilder. Det enda tråkiga med Dall-E 3 är censuren som känns lite slumpmässig emellanåt. Midjourney kan förvisso göra snygga bilder, men den oskäligt höga prissättningen och den begränsade kontrollen av slutresultatet får mig att välja bort tjänsten. Bing/Dall-E 3 är i dagsläget helt gratis, så länge man har ett Microsoftkonto.

Sätt upp Stable Diffusion XL på din lokala dator i stället, det är ändå vad midjourney osv bygger på (sen finns det mängder med modeller beroende på vad du vill generera, men det är inte magiskt de kan inte skapa något som de inte redan sett, det kombinerar det dock på sätt som inte setts tidigare, det är också därför du i bland får "signaturer" i nedre högra hörnet på vissa bilder du skapar), har du bara ett hyfsat grafikkort så tar det bara någon minut.