Modello di diffusione

L’addestramento procede al contrario, dalla distruzione. I tecnici prendono una grande raccolta di immagini, aggiungono a ciascuna un po’ di rumore, poi ancora, finché resta solo statica. A una rete neurale si insegna poi a guardare un’immagine rumorosa e a prevedere il rumore che era stato aggiunto, a ogni livello di degrado. Quando sa farlo in modo affidabile, può lavorare nel senso opposto: parte da rumore puro e lo ripulisce, un passo dopo l’altro, fino a un’immagine che non è mai esistita.

Il tuo testo guida quella pulizia. Un codificatore di testo trasforma il prompt in numeri e a ogni passo la rete viene spinta verso immagini che si accordano con quei numeri. Un’impostazione chiamata guida decide con quanta rigidità segue le tue parole. Molti modelli lavorano in uno spazio compresso e non sui pixel a grandezza piena, il che rende ogni passo più economico. I campionatori, con nomi come Euler o DPM, scambiano velocità con levigatezza. Il numero di passi scambia tempo con dettaglio, e alcuni modelli sono distillati per ottenere un buon risultato in pochi passi, ed è così che esistono generatori velocissimi.

Ne derivano due conseguenze pratiche. Primo, il rumore di partenza è scelto da un seed: stesso prompt, stesse impostazioni e stesso seed danno di nuovo la stessa immagine, mentre un seed nuovo dà una variante. Secondo, il modello disegna ciò che ha imparato essere plausibile, non ciò che è vero, quindi scritte, mani e scene affollate possono venire male e le parole scelte contano. Risultati tipici sono illustrazioni, bozzetti di prodotto, concept art, texture e storyboard. Un modello di diffusione è uno strumento di tipo diverso da un modello linguistico, che scrive testo un token alla volta, anche se spesso le due cose convivono in una stessa app.

Z-Image Turbo è il modello da testo a immagine che NeverNo imposta come predefinito nello Studio. È un modello aperto di Tongyi, incluso in ogni piano, compreso quello gratuito, e un’immagine tipica da 1 megapixel richiede circa 3 secondi, misurati su Runware, il nostro fornitore di immagini. Poiché l’attesa è così breve, chiedere più varianti e ritoccare una parola è un modo naturale di lavorare. Passa dal fornitore di immagini di NeverNo, senza la moderazione di un laboratorio esterno in mezzo, e le immagini che crei restano cifrate nel tuo browser.

Nello Studio scrivi una descrizione fino a 1.500 caratteri, scegli uno di quindici stili predefiniti e uno di otto formati, e chiedi fino a quattro varianti per richiesta. La pagina sul generatore di immagini descrive l’approccio: nessun rifiuto arbitrario e nessuna filigrana. I limiti assoluti di NeverNo restano e vengono verificati prima che venga disegnata qualsiasi cosa: niente che riguardi minori e niente immagini di persone reali identificabili senza il loro consenso.