图片生成基准测试

Meta 的 Muse Image 与 Gemini Nano Banana 2 和 ChatGPT Images 2.5 相比表现如何?

七项原创的文字转图片评测,之后是使用固定来源图片与提示词的七项图片编辑评测。

Muse Image 1.0Gemini Nano Banana 2ChatGPT Images 2.5

01

测试案例

六支红色长号

提示词(从英文翻译)

主要要求:六支红色长号位于四只跃过蓝色羊驼的玻璃乌龟的右侧。 风格/媒介:干净、极易辨识的摄影棚插图 构图/取景:一个连贯的正方形场景;完整显示每个物体;使“位于右侧”与“跃过”的关系明确无误 限制:刚好六支红色长号、刚好四只透明玻璃乌龟、刚好一只蓝色羊驼;不得有多余物体;不得有文字、数字、标签、边框、分格或水印。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

Gemini > ChatGPT > Muse

Gemini 是唯一精确画出六支长号的模型。ChatGPT 画了六支长号,但错误地显示了五只乌龟,而 Muse 则画了八支长号和五只乌龟。

Gemini 展现出对所要求数量的最强遵从度。

02

测试案例

角色对调与异常属性

提示词(从英文翻译)

生成一个单一宽景的电影感农场场景,在不变成拼贴画的情况下颠倒熟悉的角色。在中央,一个穿着完整白色太空衣的太空人正用手和膝盖爬行,而刚好有一匹栗色马坐在太空人的维生背包上,明显正在骑着太空人;请勿显示太空人骑马。左侧有一只微小的蓝鸟正气势汹汹地吓唬一个稻草人,稻草人向后倾斜并举起双臂。右侧有一只亮粉红色长颈鹿在低矮的栅栏后面观看。保持每个主体完全可见、解剖结构清晰且空间分隔;不得有文字或浮水印。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

ChatGPT ≥ Gemini > Muse

ChatGPT 是唯一显示蓝鸟主动惊吓稻草人的模型。在其他图像中,稻草人跌倒的方向与鸟类的接近方向不一致。

Muse 因空间分离效果不佳而落后于 Gemini。Gemini 是唯一能传达出令人信服深度的图像。

03

测试案例

镜像几何、手部与珠宝

提示词(从英文翻译)

生成一个逼真的方形化妆台场景,旨在测试镜面几何和手部。一名女性面向一面大型直立镜,同时举起她实际的左手,手掌朝向镜面;其倒影必须出现在镜子的右侧并显示相同的掌心。她实际的左手刚好戴着三枚戒指——食指上有红色宝石、中指上有素金戒、无名指上有蓝色宝石——而她实际的右手腕则单独戴着银色手镯。在镜子左侧放置一个绿色杯子,右侧放置一个红色杯子;其倒影位置必须相反。真实的手总共显示十根自然的手指,倒影的手必须一致,不得有多余的首饰、文字或浮水印。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

Muse > Gemini > ChatGPT

Muse 确实精确地遵循了双手的指示。

Gemini 没有举起左手,而是将所有珠宝戴在右手。

ChatGPT 右侧多了一只手,很不自然且可怕

04

测试案例

排版、变音符号与弯曲基线

提示词(从英文翻译)

在一个连续的红砖墙上生成写实的街头艺术照片。在上半部中央,用大型白色方块字体绘制确切的大写句子「BE EXCELLENT TO EACH OTHER」,完美拼写一次。在其下方,在一条明显弯曲的青绿色基准线上,准确书写「Crème brûlée — déjà vu!」,并保留两个重音符号、em dash、小写字母和惊叹号。右侧包含一个穿着黑色燕尾服和红色领结的绿色外星人涂鸦。在前景中,左侧人行道上放置一个黄色消防栓,最右侧则张贴一张小海报,上面准确写着「eXit 7½」。不得有其他可读文字、重复字母、浮水印或拼贴画版面。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

ChatGPT > Muse > Gemini

ChatGPT 完全符合要求。

Muse 使用了错误的重音符号,将「brûlée」写成带有「û」的形式。

Gemini 在左侧发明了一条街道,在右侧发明了一个墙角,与要求的单一连续墙壁相矛盾。

05

测试案例

厨房动作与纵深背景

提示词(从英文翻译)

生成一张在专业不锈钢厨房内拍摄的大景深电影感照片。在中央前景中,主厨右手拿着黑色夹子放在平底锅上方,锅内刚好有两块牛排,左手握着锅柄。左侧有一位副主厨在玻璃碗中翻拌红番茄、绿叶和黄椒。背景中刚好有三位工作人员分别切菜、装盘和打开烤箱。上方悬挂四口铜锅,由左至右尺寸递减。出菜口上方的点单明确写着「TABLE 7」。显示正确的手部,且不得有多余的人员或文字。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

Gemini > Muse > ChatGPT

Gemini 创造出最强烈的空间深度感,并将点单放在合理的位置。

Muse 创造了一个不合情理的三维空间,且打开烤箱的工作人员似乎与前景的厨师融为一体。

ChatGPT 的 3D 空间最不合理。平底锅看起来与主厨距离相同,但尺寸却比正常的小得多。图片左右两侧呈现出不同的深度(3 名工作人员比左侧所暗示的要远得多)。

06

测试案例

透明度、遮蔽与光照

提示词(从英文翻译)

在雾面灰色地板上生成一个符合物理规律的工作室静物。将一个透明玻璃立方体放在光泽红色球体后面,但放在黄色圆锥前面。球体部分遮挡立方体,立方体部分遮挡圆锥,同时所有剪影都保持可辨识。在立方体内部垂直悬挂刚好两颗蓝色弹珠。在最左侧,以前后排列的方式安排三个小型银色金字塔。在最右侧,像链条一样重叠四个绿色环而不合并。从左上方打光,使每个阴影都向右下方落下。不得有文字或多余形状。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

Muse = ChatGPT > Gemini

Muse 的表现尚可,但红球在两侧都显示出反光,错误地暗示右侧有第二个光源。

ChatGPT 也有类似的问题,尽管第二个光源的问题较不显着。另一方面,它的立方体扭曲更严重。

Gemini 仅包含三个环,且玻璃立方体内的弹珠具有不合理的反射。

07

测试案例

多语言夜市的文字与物体对应

提示词(从英文翻译)

生成一个连续的写实夜市场景,从左到右有三个摊位。蓝色书摊的白色招牌写着「LIBROS」;红色茶摊的米色招牌写着「茶」;绿色面包摊的黑色招牌写着「خبز」。仅在中间摊位上方悬挂刚好五个红灯笼。该摊位的摊贩是左撇子,用左手持银色茶壶,将茶倒入依次为蓝色、白色、黄色的杯子中。前景中,在左侧的斑点狗与右侧的条纹猫之间,放置一名穿紫色外套的孩子。保留所有文字、数量、颜色与对应关系;不得有其他可读文字。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

ChatGPT = Muse = Gemini

所有模型都捕捉到了夜市忙碌且逼真的氛围。

Gemini 正确地将灯笼放置在中间摊位上方,而 Muse 和 ChatGPT 则将它们放在摊位内部。

However, Gemini also introduces readable words on the right, contrary to the instruction.

图片编辑

来源图片 + 提示词

08

从复杂场景中移除物件

提示词(从英文翻译)

编辑图片 A,以其作为基础照片。仅移除位于中央前景的大型黑色自行车:即那辆配有银色车手把、黑色座垫、黑色链条护盖以及亮银色前挡泥板的自行车。重建被它遮挡的部分——其后方的绿色自行车、漆过的砖墙、水泥缝线、涂鸦笔触、路缘石与铺路石——使其看起来连贯且符合物理逻辑。保留其他所有自行车、所有残存的涂鸦痕迹、裁切范围、相机位置、阳光、阴影、纹理与照片颗粒不变。请勿新增物件、文字、模糊效果、重复的车轮辐条或明显的修图补丁。返回与图片 A 相同的横向构图与长宽比。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

Muse > ChatGPT > Gemini

Muse 正确推断出剩下那辆居中自行车的前轮应该是银色的,这使其略微领先 ChatGPT。

ChatGPT 也在涂鸦底部留下了一个不自然的断裂。

Gemini 完全无法移除自行车。

09

感知材质的局部重新上色

提示词(从英文翻译)

以「图片 A」作为基础照片进行编辑。仅将车辆可见的红色涂漆外侧金属面板(包括车门、前叶子板、引擎盖边缘、后侧围板以及车顶线上方的小型红色突起车体面板)改为深英国赛车绿金属漆。新漆必须保留原有的面板接缝、高光和树木反射。请勿重新着色或重新设计棕色乙烯基车顶、镀铬饰条、后视镜、玻璃、黑色橡胶、车门把手、车锁、天线、徽章、内装、驾驶、花束或背景。请勿更改车型或几何形状。保留原始剪裁、景深、光线和长宽比;请勿新增任何文字、标志或物件。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

Muse = Gemini > ChatGPT

Muse 对 Ranchero 车标应用了不必要的锐化效果,但它对草地的倒影比原图更忠实。

Gemini 锐化了草地的阴影,但徽章保持不变。

ChatGPT 锐化了 Ranchero 徽章,并对阴影进行了强烈的锐化处理,因此排名最后。

10

无结构或文字偏移的全局重新打光

提示词(从英文翻译)

以「图片 A」作为基础照片进行编辑。将场景从阴天白天改为雨后刚过的逼真蓝调时刻。让天空呈现清澈的深钴蓝色暮色;开启温暖的室内灯光与雨棚下方灯光;让这些暖光与现有的紫色车站饰带,在已经湿润的路面上微微反射。精确保留相同的相机位置、广角透视、建筑几何形状、雨棚、柱子、入口、路面布局、紫色饰带以及清晰可读的白色字样「Woolwich」。保持每个现有的人物、防撞柱、海报与标志都在原本的位置,且不得新增或移除任何东西。请勿改写、翻译或编造文字。保持逼真的动态范围——不要霓虹奇幻的风格——并输出相同的横向构图与长宽比。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

Gemini > Muse > ChatGPT

这三种模型在保留不寻常的相机角度、透视和文字的同时,生成湿润的地板,表现都还不错。

Gemini 是唯一使用正确光影的模型,因为 Muse 和 ChatGPT 都捏造了原图中不存在的灯具。

ChatGPT 的灯具显得格格不入,而且它在左侧树上多制造了一个灯具,因此排名最后。

11

将商品完美移植到布置好的房间中

提示词(从英文翻译)

以图片 A 作为基础房间,图片 B 仅作为家具参考。在图片 A 中,仅将位于后方中央、介于两个明亮后窗之间且部分位于蓝色沙发后方的狭窄浅绿色布艺单人沙发,替换为图片 B 中精确的蓝金相间单人沙发。保留图片 B 具特色的方形蓝色靠背与坐垫、镀金雕刻木框、开放式扶手、流苏边饰与纤细椅脚。将其以合理的房间比例放入原椅子的地板位置与视角;配合温暖的窗光、地板接触阴影、透视及任何自然边缘遮蔽。请勿更改图片 A 的蓝色沙发、咖啡桌、地毯、内嵌式窗台座位、灯具、窗户、吊灯、木墙或任何其他部分。请勿保留图片 B 的灰色博物馆背景。保留图片 A 原有的横向构图与长宽比;不得有额外家具、文字或拼贴边框。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

Muse > Gemini = ChatGPT

Muse 是唯一将修改后的椅子放置在原始方向的模型,而另外两个模型则将其向右转得太多。

12

三张参考图的身份、结构与纹理绑定

提示词(从英文翻译)

使用全部三个参考资料并严格遵守角色绑定,生成一个正方形、具备照片真实感的社论风格摄影棚肖像。将来自图片 A 的同一只灰色虎斑猫直立放置,并使其稍微向左看,位置精准落在图片 B 的翼背椅上。保留猫咪的脸部、黄绿色眼睛、深色额头条纹、灰色斑纹毛皮、耳朵形状以及带环纹的长尾巴。保留图片 B 的高背、卷曲扶手、宽敞座面、弯曲前脚及深色下横杆,但仅将其椅面布料替换为来自图片 C 的精确「草莓小偷」(Strawberry Thief)纺织品:海军蓝底色、镜像鸫鸟、红色草莓、蓝色叶片与粉红色花朵,其比例需能在椅子上看到至少两只完整的鸟。使用无缝的暖灰色摄影棚背景,并采用来自左上方的柔和光线以及一致的接触阴影。请勿复制图片 A 的枝叶或地面、图片 B 的档案馆式背景,或图片 C 的长方形色卡。不得包含项圈、服装、额外的动物、额外的家具、文字、边框或拼贴面板。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

ChatGPT > Muse > Gemini

ChatGPT 产出了迄今为止对提示词最忠实的回应。

ChatGPT 结果中的椅子保留了原椅子积满灰尘、磨损陈旧的外观。

Muse 完美地保留了椅子的方向和细节,但其颜色过于鲜艳。

Gemini 具有相同的过度明亮色彩,并且也将椅子错误地转向相机,因此排名垫底。

13

将我的女儿置于北海道的滑雪山上

提示词(从英文翻译)

以图片 B 作为基础目的地照片,图片 A 仅作为我女儿的身份参考。生成一张令人信服的家庭旅游照片,将图片 A 中的小女孩置于图片 B 的雪白滑雪坡上,完整保留北海道羊蹄山、地平线、滑雪道与蓝色冬日天空。在左侧前景显示她的全身,对着镜头自然微笑,身穿符合年龄的红色滑雪外套、深蓝色雪裤、黑色手套、白色雪靴以及一顶露出完整脸庞的米色针织帽。在她的靴子下方平行放置两副儿童尺寸的滑雪板,双手各拿一根滑雪杖。配合山区光线、相机高度、比例、清冽的冷空气、雪地接触阴影与反射的蓝光。保留她的年龄、脸孔、眼睛颜色、发际线与清晰可辨的表情;请勿将她成人化或美化。请勿更改山脉轮廓、新增建筑物、发明文字、复制人物或生成拼贴。保留图片 B 的横向构图与长宽比。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

ChatGPT > Gemini > Muse

这三个模型都创作出了令人信服的滑雪照片,并保留了女孩辨识度高的外貌。然而,它们在正确呈现靴子和滑雪板方面都遇到了困难。

ChatGPT 在干净呈现的滑雪板以及女孩脸部的自然阴影上获胜。虽然滑雪板的后端明显太短。

Gemini 难以渲染滑雪板的后半部分,且右侧雪杖比左侧长得多

Muse 渲染滑雪板时也有困难,而且女孩脸部周围的阴影不自然

14

把我的旧女友换成新的

提示词(从英文翻译)

以图片 A 作为基础照片。仅将坐摩托车男子后方的成年女性替换为图片 B 中的成年女性。保留新女性清晰可辨的脸孔、眼睛、鼻子、嘴巴、肤色与长黑发,但让她自然地配合原本乘客的坐姿、比例与视线。她必须穿着原乘客的奶油色针织外套与米色裙子,并以自然的手势在相同位置拿着相同的双镜头相机。请勿带入图片 B 的斗笠、红围巾、旗帜、街道或背景。保持男子完全不变——包含其脸孔、头发、蓝色条纹衬衫、手部与骑乘姿态——并保留图片 A 的摩托车、镀铬行李架、鹅卵石、地标建筑、大门、植物、招牌、阴影、裁切与景深。配合现有的正午阳光与接触阴影,让这看起来像是一张未经编辑的旅游照片。请勿修改任何其他人物或物件、新增珠宝或文字、复制肢体、模糊脸孔或生成拼贴。保留图片 A 的横向长宽比。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
评测结果

Gemini > ChatGPT > Muse

Gemini 和 ChatGPT 在换脸方面的表现都不错。两张图片中的肤色都不自然。Gemini 胜出是因为女孩正看着下方,更符合原来的姿势。

Muse 完全无法替换第二幅肖像的脸孔,因此这是一个严重的失败。

最终统计

哪个图像模型胜出?

为了简单起见,每个第一名计三分(并列时平分),第二名计一分。

文字转图片优胜者

ChatGPT Images 2.5

ChatGPT Images 2.5 以 9.5 分赢得生成部分,领先 Gemini Nano Banana 2 的 9 分和 Muse Image 1.0 的 7.5 分。

图片编辑优胜者

Muse Image 1.0 与 Gemini Nano Banana 2

Muse Image 1.0 与 Gemini Nano Banana 2 各得 9.5 分,并列图片编辑项目冠军,以微弱优势领先获得 9 分的 ChatGPT Images 2.5。

综合优胜者

ChatGPT Images 2.5 与 Gemini Nano Banana 2

ChatGPT Images 2.5 和 Gemini Nano Banana 2 以各得 18.5 分并列综合冠军。Muse Image 1.0 以 17 分紧随其后。

亲自试试

使用 AI 生成与编辑图片

我们精选了一系列提示词,让这些图像模型更容易使用——快来看看

探索图片生成