Ideogram 4.0

Ideogram 4.0 是一个开源权重的文生图模型，从零开始在结构化的 JSON 标题上训练，专为排版、Logo、海报和品牌视觉等设计导向的输出而构建。

专有模型在布局保真度和精确文字渲染方面一直领先。开源替代方案可用于一般照片级真实感，但当设计需要文案以正确的字体、正确的大小落在正确位置时，就会出错。Ideogram 在训练层面解决了这个问题，将边界框坐标与每个元素的描述配对，让模型学习空间结构，而不是靠猜测。

以下是它实际表现：通过 JSON prompt 进行显式边界框布局控制，确保每个文字区域和对象都按照要求落在指定位置；在标识、Logo 和多行排版布局中实现多语言文字渲染，原生 2K 分辨率；直接在 prompt 中通过十六进制色板条件控制品牌颜色；支持自托管，可在专有数据上进行微调，并提供按部署规模扩展的商业许可；托管 API 访问从 $0.03/张起，无需订阅。如果你是一位评估开源权重图像模型用于生产管线的 ML 工程师，或者是一位需要设计输出真正处理排版而无需手动修复的创意技术专家，这值得认真考虑。

在 HuggingFace 下载权重，或在 ideogram.ai 上体验模型。

P.S. 我追踪科技、SaaS 和 AI 领域的最新发布，关注通知 → @rohanrecommends

排版和布局控制部分对我来说最有趣。大多数图像模型在设计中有真实文字时仍然需要大量清理。Ideogram 能否在多款品牌视觉中保持相同的布局一致性？

我一直用免费版做图像生成，看到 Ideogram 进步这么大真不错。布局精确度和排版——很多图像模型的痛点——是很棒的补充。祝发布顺利！

@rohanrecommends 在边界框坐标上训练而不是让模型猜测布局，这确实很棒。但十六进制色板条件控制也是个好功能。直接在 prompt 里控制品牌颜色，这是我看到的当下品牌塑造的真实需求。关于边界框的问题：当你 push 它时，边界框的遵循程度有多严格？一个密集的多文字区域布局能保持忠实，还是会像专有模型那样在超过一定复杂度后开始偏移？

我很兴奋可以尝试可编辑文字，但这次发布中并没有包含这个功能，尽管视频暗示它有。

看起来真的很棒！恭喜发布。我们今天也发布，祝我们好运！