圖片生成基準測試

Meta 的 Muse Image 與 Gemini Nano Banana 2 和 ChatGPT Images 2.5 相比表現如何?

七項原創的文字轉圖片評測,之後是使用固定來源圖片與提示詞的七項圖片編輯評測。

Muse Image 1.0Gemini Nano Banana 2ChatGPT Images 2.5

01

測試案例

六支紅色長號

提示詞(從英文翻譯)

主要要求:六支紅色長號位於四隻躍過藍色羊駝的玻璃烏龜的右側。 風格/媒材:乾淨、極易辨識的攝影棚插圖 構圖/取景:一個連貫的正方形場景;完整顯示每個物體;使「位於右側」與「躍過」的關係明確無誤 限制:剛好六支紅色長號、剛好四隻透明玻璃烏龜、剛好一隻藍色羊駝;不得有多餘物體;不得有文字、數字、標籤、邊框、分格或浮水印。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

Gemini > ChatGPT > Muse

Gemini 是唯一精確畫出六支長號的模型。ChatGPT 畫了六支長號,但錯誤地顯示了五隻烏龜,而 Muse 則畫了八支長號和五隻烏龜。

Gemini 展現出對所要求數量的最強遵從度。

02

測試案例

角色對調與異常屬性

提示詞(從英文翻譯)

產生一個單一寬景的電影感農場場景,在不變成拼貼畫的情況下顛倒熟悉的角色。在中央,一個穿著完整白色太空衣的太空人正用手和膝蓋爬行,而剛好有一匹栗色馬坐在太空人的維生背包上,明顯正在騎著太空人;請勿顯示太空人騎馬。左側有一隻微小的藍鳥正氣勢洶洶地嚇唬一個稻草人,稻草人向後傾斜並舉起雙臂。右側有一隻亮粉紅色長頸鹿在低矮的柵欄後面觀看。保持每個主體完全可見、解剖結構清晰且空間分隔;不得有文字或浮水印。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

ChatGPT ≥ Gemini > Muse

ChatGPT 是唯一顯示藍鳥主動驚嚇稻草人的模型。在其他圖片中,稻草人跌倒的方向與鳥類的接近方向不一致。

Muse 因空間分離效果不佳而落後於 Gemini。Gemini 是唯一能傳達出令人信服深度的圖像。

03

測試案例

鏡像幾何、手部與珠寶

提示詞(從英文翻譯)

產生一個逼真的方形化妝台場景,旨在測試鏡面幾何和手部。一名女性面向一面大型直立鏡,同時舉起她實際的左手,手掌朝向鏡面;其倒影必須出現在鏡子的右側並顯示相同的掌心。她實際的左手剛好戴著三枚戒指——食指上有紅色寶石、中指上有素金戒、無名指上有藍色寶石——而她實際的右手腕則單獨戴著銀色手鐲。在鏡子左側放置一個綠色杯子,右側放置一個紅色杯子;其倒影位置必須相反。真實的手總共顯示十根自然的手指,倒影的手必須一致,不得有多餘的首飾、文字或浮水印。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

Muse > Gemini > ChatGPT

Muse 確實精確地遵循了雙手的指示。

Gemini 沒有舉起左手,而是將所有珠寶戴在右手。

ChatGPT 右側多了一隻手,很不自然且可怕

04

測試案例

排版、變音符號與彎曲基線

提示詞(從英文翻譯)

在一個連續的紅磚牆上產生寫實的街頭藝術照片。在上半部中央,用大型白色方塊字體繪製確切的大寫句子「BE EXCELLENT TO EACH OTHER」,完美拼寫一次。在其下方,在一條明顯彎曲的青綠色基準線上,準確書寫「Crème brûlée — déjà vu!」,並保留兩個重音符號、em dash、小寫字母和驚嘆號。右側包含一個穿著黑色燕尾服和紅色領結的綠色外星人塗鴉。在前景中,左側人行道上放置一個黃色消防栓,最右側則張貼一張小海報,上面準確寫著「eXit 7½」。不得有其他可讀文字、重複字母、浮水印或拼貼畫版面。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

ChatGPT > Muse > Gemini

ChatGPT 完全符合要求。

Muse 使用了錯誤的重音符號,將「brûlée」寫成帶有「û」的形式。

Gemini 在左側發明了一條街道,在右側發明了一個牆角,與要求的單一連續牆壁相矛盾。

05

測試案例

廚房動作與縱深背景

提示詞(從英文翻譯)

產生一張在專業不鏽鋼廚房內拍攝的大景深電影感照片。在中央前景中,主廚右手拿著黑色夾子放在平底鍋上方,鍋內剛好有兩塊牛排,左手握著鍋柄。左側有一位副主廚在玻璃碗中翻拌紅番茄、綠葉和黃椒。背景中剛好有三位工作人員分別切菜、裝盤和打開烤箱。上方懸掛四口銅鍋,由左至右尺寸遞減。出菜口上方的點單明確寫著「TABLE 7」。顯示正確的手部,且不得有多餘的人員或文字。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

Gemini > Muse > ChatGPT

Gemini 創造出最強烈的空間深度感,並將點單放在合理的位置。

Muse 創造了一個不合情理的三維空間,且打開烤箱的工作人員似乎與前景的廚師融為一體。

ChatGPT 的 3D 空間最不合理。平底鍋看起來與主廚距離相同,但尺寸卻比正常的小得多。圖片左右兩側呈現出不同的深度(3 名工作人員比左側所暗示的要遠得多)。

06

測試案例

透明度、遮蔽與光照

提示詞(從英文翻譯)

在霧面灰色地板上產生一個符合物理規律的工作室靜物。將一個透明玻璃立方體放在光澤紅色球體後面,但放在黃色圓錐前面。球體部分遮擋立方體,立方體部分遮擋圓錐,同時所有剪影都保持可辨識。在立方體內部垂直懸掛剛好兩顆藍色彈珠。在最左側,以前後排列的方式安排三個小型銀色金字塔。在最右側,像鏈條一樣重疊四個綠色環而不合併。從左上方打光,使每個陰影都向右下方落下。不得有文字或多餘形狀。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

Muse = ChatGPT > Gemini

Muse 的表現尚可,但紅球在兩側都顯示出反光,錯誤地暗示右側有第二個光源。

ChatGPT 也有類似的問題,儘管第二個光源的問題較不顯著。另一方面,它的立方體扭曲更嚴重。

Gemini 僅包含三個環,且玻璃立方體內的彈珠具有不合理的反射。

07

測試案例

多語言夜市的文字與物件對應

提示詞(從英文翻譯)

產生一個連續的寫實夜市場景,從左到右有三個攤位。藍色書攤的白色招牌寫著「LIBROS」;紅色茶攤的米色招牌寫著「茶」;綠色麵包攤的黑色招牌寫著「خبز」。僅在中間攤位上方懸掛剛好五個紅燈籠。該攤位的攤販是左撇子,用左手持銀色茶壺,將茶倒入依序為藍色、白色、黃色的杯子中。前景中,在左側的斑點狗與右側的條紋貓之間,放置一名穿紫色外套的孩子。保留所有文字、數量、顏色與對應關係;不得有其他可讀文字。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

ChatGPT = Muse = Gemini

所有模型都捕捉到了夜市忙碌且逼真的氛圍。

Gemini 正確地將燈籠放置在中間攤位上方,而 Muse 和 ChatGPT 則將它們放在攤位內部。

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

圖片編輯

來源圖片 + 提示詞

08

從複雜場景中移除物件

提示詞(從英文翻譯)

編輯圖片 A,以其作為基礎照片。僅移除位於中央前景的大型黑色自行車:即那輛配有銀色車手把、黑色座墊、黑色鏈條護蓋以及亮銀色前擋泥板的自行車。重建被它遮擋的部分——其後方的綠色自行車、漆過的磚牆、水泥縫線、塗鴉筆觸、路緣石與鋪路石——使其看起來連貫且符合物理邏輯。保留其他所有自行車、所有殘存的塗鴉痕跡、裁切範圍、相機位置、陽光、陰影、紋理與照片顆粒不變。請勿新增物件、文字、模糊效果、重複的車輪輻條或明顯的修圖補丁。回傳與圖片 A 相同的橫向構圖與長寬比。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

Muse > ChatGPT > Gemini

Muse 正確推斷出剩下那輛置中自行車的前輪應該是銀色的,這使其些微領先 ChatGPT。

ChatGPT 也在塗鴉底部留下了一個不自然的斷裂。

Gemini 完全無法移除自行車。

09

感知材質的局部重新上色

提示詞(從英文翻譯)

以「圖片 A」作為基礎照片進行編輯。僅將車輛可見的紅色塗漆外側金屬面板(包括車門、前葉子板、引擎蓋邊緣、後側圍板以及車頂線上方的小型紅色突起車體面板)改為深英國賽車綠金屬漆。新漆必須保留原有的面板接縫、高光和樹木反射。請勿重新著色或重新設計棕色乙烯基車頂、鍍鉻飾條、後視鏡、玻璃、黑色橡膠、車門把手、車鎖、天線、徽章、內裝、駕駛、花束或背景。請勿更改車型或幾何形狀。保留原始剪裁、景深、光線和長寬比;請勿新增任何文字、標誌或物件。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

Muse = Gemini > ChatGPT

Muse 對 Ranchero 車標套用了不必要的銳化效果,但它對草地的倒影比原圖更忠實。

Gemini 銳化了草地的陰影,但徽章保持不變。

ChatGPT 銳化了 Ranchero 徽章,並對陰影進行了強烈的銳化處理,因此排名最後。

10

無結構或文字偏移的全域重新打光

提示詞(從英文翻譯)

以「圖片 A」作為基礎照片進行編輯。將場景從陰天白天改為雨後剛過的逼真藍調時刻。讓天空呈現清澈的深鈷藍色暮色;開啟溫暖的室內燈光與雨棚下方燈光;讓這些暖光與現有的紫色車站飾帶,在已經濕潤的鋪面上微微反射。精確保留相同的相機位置、廣角透視、建築幾何形狀、雨棚、柱子、入口、鋪面配置、紫色飾帶以及清晰可讀的白色字樣「Woolwich」。保持每個現有的人物、防撞柱、海報與標誌都在原本的位置,且不得新增或移除任何東西。請勿改寫、翻譯或編造文字。保持逼真的動態範圍——不要霓虹奇幻的風格——並輸出相同的橫向構圖與長寬比。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

Gemini > Muse > ChatGPT

這三種模型在保留不尋常的相機角度、透視和文字的同時,生成濕潤的地板,表現都還不錯。

Gemini 是唯一使用正確光影的模型,因為 Muse 和 ChatGPT 都捏造了原圖中不存在的燈具。

ChatGPT 的燈具顯得格格不入,而且它在左側樹上多製造了一個燈具,因此排名最後。

11

將商品完美移植到佈置好的房間中

提示詞(從英文翻譯)

以圖片 A 作為基礎房間,圖片 B 僅作為傢俱參考。在圖片 A 中,僅將位於後方中央、介於兩個明亮後窗之間且部分位於藍色沙發後方的狹窄淺綠色布藝單人沙發,替換為圖片 B 中精確的藍金相間單人沙發。保留圖片 B 具特色的方形藍色靠背與坐墊、鍍金雕刻木框、開放式扶手、流蘇邊飾與纖細椅腳。將其以合理的房間比例放入原椅子的地板位置與視角;配合溫暖的窗光、地板接觸陰影、透視及任何自然邊緣遮蔽。請勿更改圖片 A 的藍色沙發、咖啡桌、地毯、內嵌式窗台座位、燈具、窗戶、吊燈、木牆或任何其他部分。請勿保留圖片 B 的灰色博物館背景。保留圖片 A 原有的橫向構圖與長寬比;不得有額外傢俱、文字或拼貼邊框。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

Muse > Gemini = ChatGPT

Muse 是唯一將修改後的椅子放置在原始方向的模型,而另外兩個模型則將其向右轉得太多。

12

三張參考圖的身分、結構與紋理綁定

提示詞(從英文翻譯)

使用全部三個參考資料並嚴格遵守角色綁定,產生一個正方形、具備相片真實感的社論風格攝影棚肖像。將來自圖片 A 的同一隻灰色虎斑貓直立放置,並使其稍微向左看,位置精準落在圖片 B 的翼背椅上。保留貓咪的臉部、黃綠色眼睛、深色額頭條紋、灰色斑紋毛皮、耳朵形狀以及帶環紋的長尾巴。保留圖片 B 的高背、捲曲扶手、寬敞座面、彎曲前腳及深色下橫桿,但僅將其椅面布料替換為來自圖片 C 的精確「草莓小偷」(Strawberry Thief)紡織品:海軍藍底色、鏡射鶇鳥、紅色草莓、藍色葉片與粉紅色花朵,其比例需能在椅子上看到至少兩隻完整的鳥。使用無接縫的暖灰色攝影棚背景,並採用來自左上方的柔和光線以及一致的接觸陰影。請勿複製圖片 A 的枝葉或地面、圖片 B 的館藏檔案式背景,或圖片 C 的長方形色票。不得包含項圈、服裝、額外的動物、額外的家具、文字、邊框或拼貼面板。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

ChatGPT > Muse > Gemini

ChatGPT 產出了迄今為止對提示詞最忠實的回應。

ChatGPT 結果中的椅子保留了原椅子積滿灰塵、磨損陳舊的外觀。

Muse 完美地保留了椅子的方向和細節,但其顏色過於鮮豔。

Gemini 具有相同的過度明亮色彩,並且也將椅子錯誤地轉向相機,因此排名墊底。

13

將我的女兒置於北海道的滑雪山上

提示詞(從英文翻譯)

以圖片 B 作為基礎目的地相片,圖片 A 僅作為我女兒的身分參考。創作一張令人信服的家庭旅遊相片,將圖片 A 中的小女孩置於圖片 B 的雪白滑雪坡上,完整保留北海道羊蹄山、地平線、滑雪道與藍色冬日天空。在左側前景顯示她的全身,對著鏡頭自然微笑,身穿符合年齡的紅色滑雪外套、深藍色雪褲、黑色手套、白色雪靴以及一頂露出完整臉龐的米色針織帽。在她的靴子下方平行放置兩副兒童尺寸的滑雪板,雙手各拿一根滑雪杖。配合山區光線、相機高度、比例、清冽的冷空氣、雪地接觸陰影與反射的藍光。保留她的年齡、臉孔、眼睛顏色、髮際線與清晰可辨的表情;請勿將她成人化或美化。請勿更改山脈輪廓、新增建築物、發明文字、複製人物或製作拼貼。保留圖片 B 的橫向構圖與長寬比。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

ChatGPT > Gemini > Muse

這三個模型都創作出了令人信服的滑雪照片,並保留了女孩辨識度高的外貌。然而,它們在正確呈現靴子和滑雪板方面都遇到了困難。

ChatGPT 在乾淨呈現的滑雪板以及女孩臉部的自然陰影上獲勝。雖然滑雪板的後端明顯太短。

Gemini 難以渲染滑雪板的後半部分,且右側雪杖比左側長得多

Muse 渲染滑雪板時也有困難,而且女孩臉部周圍的陰影不自然

14

把我的舊女友換成新的

提示詞(從英文翻譯)

以圖片 A 作為基礎相片。僅將坐機車男子後方的成年女性替換為圖片 B 中的成年女性。保留新女性清晰可辨的臉孔、眼睛、鼻子、嘴巴、膚色與長黑髮,但讓她自然地配合原本乘客的坐姿、比例與視線。她必須穿著原乘客的奶油色針織外套與米色裙子,並以自然的手勢在相同位置拿著相同的雙鏡頭相機。請勿帶入圖片 B 的斗笠、紅圍巾、旗幟、街道或背景。保持男子完全不變——包含其臉孔、頭髮、藍色條紋襯衫、手部與騎乘姿態——並保留圖片 A 的機車、鍍鉻行李架、鵝卵石、地標建築、大門、植物、招牌、陰影、裁切與景深。配合現有的正午陽光與接觸陰影,讓這看起來像是一張未經編輯的旅遊相片。請勿修改任何其他人物或物件、新增珠寶或文字、複製肢體、模糊臉孔或製作拼貼。保留圖片 A 的橫向長寬比。

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
評測結果

Gemini > ChatGPT > Muse

Gemini 和 ChatGPT 在換臉方面的表現都不錯。兩張圖片中的膚色都不自然。Gemini 勝出是因為女孩正看著下方,更符合原來的姿勢。

Muse 完全無法替換第二幅肖像的臉孔,因此這是一個嚴重的失敗。

最終統計

哪個圖像模型勝出?

為了簡單起見,每個第一名計三分(並列時平分),第二名計一分。

文字轉圖片優勝者

ChatGPT Images 2.5

ChatGPT Images 2.5 以 9.5 分贏得生成部分,領先 Gemini Nano Banana 2 的 9 分和 Muse Image 1.0 的 7.5 分。

圖片編輯優勝者

Muse Image 1.0 與 Gemini Nano Banana 2

Muse Image 1.0 與 Gemini Nano Banana 2 各得 9.5 分,並列圖片編輯項目冠軍,以些微差距領先獲得 9 分的 ChatGPT Images 2.5。

綜合優勝者

ChatGPT Images 2.5 與 Gemini Nano Banana 2

ChatGPT Images 2.5 和 Gemini Nano Banana 2 以各得 18.5 分並列綜合冠軍。Muse Image 1.0 以 17 分緊隨其後。

親自試試

使用 AI 產生與編輯圖片

我們精選了一系列提示詞,讓這些圖像模型更容易使用——快來看看

探索圖片生成