Text-to-Image
Il text-to-image è il compito di produrre un'immagine da una descrizione scritta: un encoder di testo converte il prompt in una rappresentazione numerica, e un modello di immagine la usa come guida per generare pixel coerenti con la descrizione.
Niente gergo, niente formule
In parole semplici, che cos'è?
Scrivi una frase, ricevi un'immagine. Il percorso ha tre stazioni. Prima il testo: il prompt viene spezzato in token e un encoder li converte in vettori di significato, numeri che catturano cosa intendi. Poi la guida: quei vettori condizionano il modello di immagine, di solito un diffusion model, che parte dal rumore e lo ripulisce passata dopo passata tenendo d'occhio il significato del prompt. Infine i pixel: la griglia risultante viene decodificata nel file che vedi. Il punto debole è noto: il modello dipinge una rappresentazione plausibile della frase, non la tua intenzione esatta. I conteggi sbagliano, le relazioni spaziali si invertono e il testo scritto dentro l'immagine è decorazione, non dato.
- 01
Prompt in. Scrivi una descrizione, che viene spezzata in token.
- 02
Codifica. Un encoder di testo converte i token in significato numerico.
- 03
Condiziona. Il modello di immagine riceve la descrizione come guida.
- 04
Genera. I pixel si costruiscono passo dopo passo per aderire alla guida.
- 05
Decodifica. La griglia finale diventa il file immagine che vedi.
Termini che gli stanno vicini.
AI Generativa
L'AI generativa è software che produce contenuti nuovi, testo, immagini, audio, codice, campionando schemi appresi da enormi quantità di dati di addestramento, invece di limitarsi a classificare o recuperare ciò che esiste già.
LeggiDiffusion Model
Un diffusion model è un modello generativo addestrato a invertire un processo graduale di rumore: impara a rimuovere rumore passo dopo passo, così in generazione parte da puro statico e lo affina in un'immagine, un suono o altro output coerente col prompt.
LeggiPrompt
Un prompt è tutto il testo che consegni a un modello linguistico in una chiamata: istruzioni, contesto e la domanda vera e propria. Il modello risponde continuando esattamente quel testo, e nient'altro.
Leggi§ 04
Vuoi che funzioni davvero nella tua azienda?
Progettiamo e rilasciamo sistemi AI con permessi, log e approvazione umana. Si parte con una call di scoping di 30 minuti.