รีวิวโมเดลรูปภาพ Kling O1: ตัวสร้างรูปภาพ AI แรกของ Kling สามารถเทียบได้กับมรดกวิดีโอของมันหรือไม่?
Kling AI ได้สร้างชื่อเสียงให้กับตัวเองในฐานะหนึ่งในโปรแกรมสร้างวิดีโอด้วย AI ที่ทรงพลังที่สุดในตลาด โดยสร้างความประทับใจให้กับผู้สร้างคอนเทนต์อย่างต่อเนื่องด้วยความสามารถในการผลิตวิดีโอคุณภาพสูงจากข้อความสั่งการง่ายๆ
ตอนนี้ พวกเขากำลังลองสิ่งใหม่ด้วยการเปิดตัวโมเดลภาพ Kling O1 ซึ่งเป็นโมเดลสร้างภาพโดยเฉพาะรุ่นแรกของพวกเขา คำถามสำคัญคือ: Kling สามารถสร้างภาพได้ดีเท่ากับวิดีโอหรือไม่?
ฉันได้ใช้เวลาทดสอบโมเดลภาพ Kling O1 อย่างละเอียด และฉันพร้อมที่จะแบ่งปันสิ่งที่ฉันค้นพบ มาดูกันว่าโมเดลใหม่นี้มีอะไรบ้าง
อะไรทำให้ Kling O1 โดดเด่น?
ก่อนที่จะเจาะลึกการทดสอบโดยละเอียดของฉัน ขอฉันแสดงตัวอย่างสั้นๆ ของสิ่งที่ฉันพบว่าเป็นคุณสมบัติที่น่าประทับใจที่สุดของ Kling O1:
การผสานรวมภาพหลายภาพที่น่าทึ่งซึ่งคงรายละเอียดดั้งเดิมไว้
หนึ่งในจุดแข็งที่ยิ่งใหญ่ที่สุดของโมเดลภาพ Kling O1 คือความสามารถในการรวมภาพอ้างอิงหลายภาพเข้าด้วยกัน โดยยังคงรักษาคุณสมบัติดั้งเดิมของแหล่งที่มาแต่ละรายการไว้ได้อย่างดีเยี่ยม
ต่างจากโมเดลอื่นๆ อีกมากมายที่ทำให้รายละเอียดเบลอเมื่อผสมผสานภาพหลายภาพ Kling O1 จะรักษาลักษณะเฉพาะของแต่ละองค์ประกอบด้วยความแม่นยำที่น่าประทับใจ
การทำความเข้าใจ Prompt อัจฉริยะ & การแก้ไขที่แม่นยำ
ไม่ว่าจะเป็นการปรับแต่งพื้นที่เฉพาะของภาพ หรือแก้ไของค์ประกอบเฉพาะ โมเดลสามารถเข้าใจคำสั่งแก้ไขได้อย่างถูกต้อง
สร้างขึ้นบนแนวคิดอันทรงพลังของ ภาษาทางสายตามัลติโมดัล ทำให้การแก้ไขภาพรู้สึกเป็นธรรมชาติเหมือนการสนทนากับนักออกแบบ
กระบวนการทดสอบของฉัน: ผลักดัน Kling O1 Image Model ให้ถึงขีดจำกัด
ในการประเมินความสามารถของ Kling O1 อย่างเหมาะสม ฉันมุ่งเน้นไปที่สถานการณ์การทดสอบหลักสองสถานการณ์ที่จะเปิดเผยทั้งจุดแข็งและจุดอ่อนที่เป็นไปได้:
การทดสอบที่ 1: การผสานภาพอ้างอิงหลายภาพ
การทดสอบครั้งแรกมีวัตถุประสงค์เพื่อประเมินว่า Kling O1 สามารถจัดการภาพอ้างอิงหลายภาพพร้อมกันได้ดีเพียงใด และสร้างองค์ประกอบที่สอดคล้องกันซึ่งรักษาคุณลักษณะของแหล่งที่มาแต่ละรายการ
ฉันใช้สี่ภาพ:
| ภาพอ้างอิงที่ใช้: | |
 |  |
 |  |
จากนั้นฉันก็ให้ prompt ดังนี้:
โปรดสร้างภาพที่มีเด็กผู้หญิงจากภาพที่ 1 ถือสุนัขจากภาพที่ 2 โดยมีฉากหลังเป็นภาพที่ 3 และใช้โทนสีและสไตล์ของภาพที่ 4 กับทั้งภาพ
และนี่คือผลลัพธ์ที่ฉันได้รับ:
จากผลลัพธ์ที่สร้างขึ้น เห็นได้ชัดว่า Kling O1 ทำตามคำแนะนำได้อย่างสมบูรณ์แบบ แม้ในขณะที่ประมวลผลเนื้อหาจากสี่ภาพพร้อมกัน ก็ไม่มีความสับสนหรือการเบี่ยงเบนไปจาก prompt และความสามารถในการประมวลผลภาพหลายภาพที่ทรงพลังทำให้ฉันประหลาดใจอย่างแท้จริง
อย่างไรก็ตาม ฉันเชื่อว่าความสมจริงของภาพนี้สามารถปรับปรุงให้ดีขึ้นได้ แม้ว่าตัวแบบและฉากหลังจะมีโทนสีเดียวกัน แต่ก็ยังคงให้ความรู้สึกไม่ลงรอยกันและไม่เป็นธรรมชาติ
นอกเหนือจากการผสมผสานฉากและตัวแบบแล้ว ฉันยังได้ทดสอบการใช้สไตล์และวัสดุ
ฉันใช้สองภาพนี้:
| การอ้างอิงตัวละคร | พื้นผิววัสดุเป้าหมาย |
 |  |
และตั้ง prompt เป็น:
แปลงตัวแบบในภาพที่ 1 ให้เป็นบุคคลที่เหมือนจริง โดยใช้พื้นผิวและวัสดุจากภาพที่ 2 สำหรับผ้าพันคอ
ภาพสุดท้ายที่ Kling O1 ให้มา:
ผลลัพธ์สุดท้ายแสดงให้เห็นว่า Kling O1 ทำงานได้ดีพอสมควรในแง่ของการแปลงสไตล์และการแทนที่วัสดุ
อย่างไรก็ตาม ยังมีปัญหาเล็กน้อย: มีส่วนของผ้าพันคอเพิ่มขึ้นที่หน้าอกของตัวแบบ และโบว์ไทหายไป ความไม่สอดคล้องกันทางตรรกะในภาพประเภทนี้บ่อนทำลายความสมจริงโดยรวม
การทดสอบที่ 2: การแก้ไขความแม่นยำแบบวนซ้ำ
การทดสอบครั้งที่สองมุ่งเน้นไปที่การประเมินความสามารถของ Kling O1 ในการปรับเปลี่ยนทีละน้อยอย่างแม่นยำตามภาพอ้างอิงเพียงภาพเดียว
สิ่งนี้จะเปิดเผยว่าโมเดลสามารถจัดการกับเวิร์กโฟลว์การแก้ไขที่ซับซ้อนได้หรือไม่โดยไม่ลดทอนคุณภาพหรือสูญเสียบริบท
ในตารางที่ฉันรวบรวมไว้ด้านล่าง คุณสามารถดูการเปรียบเทียบแบบเคียงข้างกันของประสิทธิภาพของ Kling O1 ในการทดสอบนี้:
| ภาพอ้างอิง | คำถามและผลลัพธ์ 1 | ข้อความแจ้งเตือนและผลลัพธ์ 2 |
 |  เปลี่ยนเวลาเป็นช่วงเย็น โดยใช้แสงไฟอบอุ่นจากโคมไฟเพดานภายในห้อง คงสิ่งอื่นๆ ไว้เหมือนเดิม |  เปลี่ยนถ้วยกาแฟเป็นหนังสือ ผู้หญิงคนนั้นควรจะกำลังอ่านหนังสือแทนที่จะมองออกไปนอกหน้าต่าง คงลักษณะใบหน้า เสื้อผ้า และฉากหลังไว้เหมือนเดิม |
| การแจ้งเตือนและผลลัพธ์ 3 | แจ้งเตือนและผลลัพธ์ 4 | การแจ้งเตือนและผลลัพธ์ 5 |
 เพิ่มภาพฝนปรอยๆ ที่มองเห็นได้ผ่านหน้าต่าง ปรับเงาสะท้อนของหน้าต่างเพื่อแสดงหยดน้ำฝน ห้ามแก้ไขฉากภายในหรือตัวละคร |  เปลี่ยนชุดลำลองของเธอเป็นชุดทำงานแบบมืออาชีพ—เสื้อเบลเซอร์และเสื้อเชิ้ตทางการ คงท่าทาง สีหน้า และฉากหลังทั้งหมดให้เหมือนเดิม |  เพิ่มคนอีกคนในฉากหลัง—เช่น บาริสต้าที่กำลังทำงานอยู่หลังเคาน์เตอร์ คงแสงสว่าง เวลา และองค์ประกอบอื่นๆ ไว้เหมือนเดิม |
ผลลัพธ์น่าประทับใจอย่างแท้จริง Kling O1 แสดงให้เห็นถึงความเข้าใจที่ยอดเยี่ยมเกี่ยวกับสิ่งที่ควรเปลี่ยนแปลงและสิ่งที่ควรคงอยู่
แต่ละรอบการทำซ้ำยังคงความสอดคล้องกันอย่างน่าทึ่งกับเวอร์ชันก่อนหน้า ในขณะที่นำการแก้ไขที่ร้องขอมาใช้อย่างถูกต้อง
ความคิดเห็นสุดท้าย: Kling O1 คุ้มค่าที่จะลองหรือไม่?
หลังจากการทดสอบอย่างกว้างขวาง โมเดลภาพ Kling O1 เป็นผลงานที่แข็งแกร่งอย่างเห็นได้ชัดในวงการสร้างภาพ AI
แนวทาง Multi-modal ทำงานได้ดีเยี่ยม – การผสมผสาน prompt ภาษาธรรมชาติเข้ากับภาพอ้างอิงสร้างเวิร์กโฟลว์ที่ราบรื่นซึ่งให้ความรู้สึกร่วมมือกันมากกว่าที่จะน่าหงุดหงิด
การรักษาคุณสมบัติเป็นสิ่งที่ดีที่สุดในระดับเดียวกันอย่างแท้จริง โดยรักษาลักษณะเฉพาะของแต่ละแหล่งที่มาเมื่อรวมการอ้างอิงหลายรายการ การแก้ไขทีละขั้นตอนก็มีประสิทธิภาพอย่างน่าทึ่ง ช่วยให้คุณทำการเปลี่ยนแปลงที่แม่นยำโดยไม่สูญเสียบริบท
สำหรับครีเอเตอร์และนักออกแบบที่ต้องการการควบคุมและความสม่ำเสมอที่ยอดเยี่ยม โมเดลภาพ Kling O1 คุ้มค่าที่จะลองอย่างแน่นอน มันนำความเชี่ยวชาญด้านวิดีโอของ Kling มาสู่ภาพนิ่งได้อย่างสำเร็จ โดยขจัดปัญหาการสลับเครื่องมือที่น่ารำคาญซึ่งแพร่หลายในกระบวนการสร้างสรรค์ AI จำนวนมาก
มันสมบูรณ์แบบหรือไม่? ไม่ใช่ แต่มันเป็นการเปิดตัวที่แข็งแกร่งซึ่งแสดงให้เห็นว่า Kling AI เอาจริงเอาจังกับการสร้างภาพ
พร้อมที่จะทดสอบด้วยตัวเองแล้วหรือยัง? ไปที่ Pollo AI เพื่อลองใช้โมเดลภาพ Kling O1 หรือสำรวจโมเดลชั้นนำอื่นๆ ที่มีให้เลือกใน โปรแกรมสร้างภาพ Pollo AI เพื่อค้นหาโมเดลที่เหมาะสมกับความต้องการของคุณมากที่สุด การลงทุนเวลาครั้งนี้คุ้มค่าสำหรับครีเอเตอร์ทุกคน