AI trong thiết kế đồ họa: Midjourney, DALL-E và Stable Diffusion

Midjourney, DALL-E và Stable Diffusion là ba cái tên quen thuộc nhất khi nói đến AI tạo ảnh, nhưng chúng phục vụ những nhu cầu khá khác nhau. Midjourney nổi tiếng với hình ảnh có tính thẩm mỹ cao ngay từ lần tạo đầu; DALL-E tích hợp trong ChatGPT, dễ dùng và hiểu yêu cầu bằng ngôn ngữ tự nhiên tốt; Stable Diffusion là mô hình có trọng số công khai, cho phép chạy trên máy riêng và kiểm soát sâu nhất. Bài viết so sánh ba công cụ theo những tiêu chí nhà thiết kế quan tâm để bạn chọn đúng cho công việc.

Giới thiệu nhanh ba công cụ

Midjourney

Midjourney do một phòng nghiên cứu độc lập cùng tên phát triển. Ban đầu chỉ dùng qua Discord, hiện có giao diện web riêng. Công cụ được biết đến với phong cách thẩm mỹ mạnh: ánh sáng, bố cục và chất liệu thường "điện ảnh" ngay cả với mô tả ngắn. Midjourney là dịch vụ trả phí theo gói thuê bao.

DALL-E và tạo ảnh trong ChatGPT

DALL-E là dòng mô hình tạo ảnh của OpenAI. Khả năng tạo ảnh được tích hợp trực tiếp vào ChatGPT, và OpenAI cũng đã đưa thêm mô hình tạo ảnh mới vào hệ sinh thái này. Ưu điểm lớn là bạn mô tả và chỉnh sửa bằng hội thoại tự nhiên, ChatGPT tự diễn giải thành yêu cầu chi tiết cho mô hình. Ngoài ra có thể dùng qua API cho nhà phát triển.

Stable Diffusion

Stable Diffusion do Stability AI phát hành cùng các đối tác nghiên cứu, với trọng số mô hình công khai theo giấy phép riêng của từng phiên bản. Bạn có thể chạy trên máy tính có GPU đủ mạnh, qua các giao diện cộng đồng như AUTOMATIC1111 hay ComfyUI, hoặc qua dịch vụ đám mây. Hệ sinh thái mở tạo ra hàng nghìn mô hình tinh chỉnh, phong cách và công cụ mở rộng.

Bên cạnh ba cái tên này, thị trường còn nhiều lựa chọn đáng chú ý như Adobe Firefly tích hợp trong Photoshop và Illustrator, Ideogram mạnh về hiển thị chữ, Flux từ Black Forest Labs hay Imagen của Google.

So sánh theo tiêu chí

Tính năng của các công cụ thay đổi rất nhanh; hãy kiểm tra trang chính thức để biết phiên bản và giá hiện hành.

Khả năng kiểm soát: điểm khác biệt quan trọng nhất với nhà thiết kế

Với người dùng phổ thông, chất lượng ảnh đầu tiên là quan trọng nhất. Với nhà thiết kế chuyên nghiệp, khả năng kiểm soát mới quyết định công cụ có dùng được trong dự án thật hay không:

• Bố cục và tư thế: ControlNet trong hệ sinh thái Stable Diffusion cho phép áp đặt bố cục bằng phác thảo, đường viền, bản đồ độ sâu hoặc khung xương tư thế.
• Nhất quán nhân vật và phong cách: Midjourney có tính năng tham chiếu phong cách và nhân vật; Stable Diffusion cho phép huấn luyện LoRA trên bộ ảnh riêng để tái tạo nhân vật hoặc phong cách thương hiệu.
• Chỉnh sửa cục bộ: cả ba đều hỗ trợ sửa một vùng ảnh ở mức độ khác nhau; ChatGPT cho phép mô tả thay đổi bằng lời.
• Tích hợp quy trình: ComfyUI cho phép xây dựng quy trình xử lý ảnh nhiều bước có thể lặp lại, phù hợp sản xuất hàng loạt.

Quyền sử dụng thương mại và bản quyền

Đây là tiêu chí không thể bỏ qua khi làm việc cho khách hàng:

• Mỗi dịch vụ có điều khoản riêng về quyền sử dụng ảnh tạo ra, thường gắn với loại gói đăng ký. Đọc kỹ điều khoản hiện hành trước khi giao sản phẩm thương mại.
• Giấy phép của các phiên bản Stable Diffusion khác nhau; một số phiên bản có điều kiện riêng cho doanh nghiệp vượt ngưỡng doanh thu nhất định.
• Ảnh do AI tạo có thể không được bảo hộ bản quyền ở một số quốc gia nếu thiếu đóng góp sáng tạo của con người, nghĩa là người khác có thể dùng lại.
• Tránh tạo hình chứa logo, nhân vật, người nổi tiếng có bản quyền hoặc quyền nhân thân.
• Adobe Firefly được Adobe giới thiệu là huấn luyện trên dữ liệu có giấy phép và nội dung công cộng, được nhiều doanh nghiệp cân nhắc cho dự án nhạy cảm về pháp lý.

Những tranh luận rộng hơn về dữ liệu huấn luyện và quyền tác giả được trình bày trong bài đạo đức AI và vấn đề bản quyền.

Nên chọn công cụ nào?

Chọn Midjourney khi

• Cần moodboard, ý tưởng hình ảnh ấn tượng nhanh.
• Làm concept art, minh họa biên tập, hình ảnh truyền cảm hứng.
• Không cần chạy cục bộ và chấp nhận thuê bao.

Chọn DALL-E / ChatGPT khi

• Muốn bắt đầu nhanh, không cần học tham số.
• Cần lặp lại chỉnh sửa bằng hội thoại, hình minh họa cho bài thuyết trình, mạng xã hội.
• Đã dùng ChatGPT cho công việc khác và muốn quy trình thống nhất.

Chọn Stable Diffusion khi

• Cần kiểm soát bố cục, tư thế, phong cách chính xác.
• Muốn huấn luyện theo phong cách hoặc sản phẩm riêng.
• Cần xử lý dữ liệu riêng tư không được gửi lên dịch vụ bên ngoài.
• Sản xuất số lượng lớn và muốn tối ưu chi phí dài hạn.

Quy trình kết hợp trong thực tế

Nhiều nhà thiết kế không chọn một công cụ duy nhất. Một quy trình phổ biến: dùng Midjourney hoặc ChatGPT để khám phá hướng ý tưởng, chuyển sang Stable Diffusion hoặc Photoshop với tính năng AI để kiểm soát chi tiết, rồi hoàn thiện, dàn trang, vector hóa bằng công cụ truyền thống. AI tham gia ở giai đoạn đầu và giữa, còn quyết định cuối cùng vẫn do con người. Bối cảnh rộng hơn về sự thay đổi của nghề được phân tích trong bài AI tạo sinh thay đổi ngành thiết kế.

Mẹo viết mô tả cho AI tạo ảnh

• Mô tả chủ thể, bối cảnh, ánh sáng, góc máy, chất liệu và phong cách theo thứ tự rõ ràng.
• Dùng thuật ngữ nhiếp ảnh và mỹ thuật: góc thấp, ánh sáng ven, độ sâu trường ảnh nông, màu pastel.
• Chỉ định tỷ lệ khung hình phù hợp kênh xuất bản.
• Lặp lại từng bước nhỏ thay vì viết lại toàn bộ mô tả.
• Lưu lại mô tả và tham số của ảnh đạt yêu cầu để tái tạo.

Nguyên tắc viết yêu cầu hiệu quả cho mọi loại AI được tổng hợp trong bài kỹ năng prompt engineering.