EveryText : présentation d’une technologie permettant de refléter et d’afficher toutes les langues (écritures) du monde dans des images générées par IA, sans pré-entraînement

1. Aperçu

Alors que les progrès de l’IA s’accélèrent, des avancées innovantes voient également le jour dans le domaine de la génération d’images. Au cœur de cette évolution se trouve une technologie révolutionnaire appelée « EveryText ». Cette technologie repose sur un « TBF('Text by Font') Image Model », qui permet de refléter et d’afficher toutes les langues (écritures) du monde dans des images générées par IA, sans pré-entraînement.

2. Contexte et nécessité

Avec les récents progrès des technologies de génération d’images par IA, des plateformes comme Midjourney V6 et FLUX prennent en charge une fonction permettant d’afficher dans l’image, de manière visible et lisible, le texte saisi par l’utilisateur (par exemple : « HELLO WORLD »). Cependant, ces technologies étaient jusqu’à présent principalement limitées à l’anglais.

Pour dépasser cette limite, le groupe Alibaba en Chine a mis en œuvre un système prenant aussi en charge le chinois, le japonais et le coréen. C’est un signal clair que la technologie évolue vers la prise en charge de toutes les langues du monde.

3. Problèmes actuels

Les approches existantes présentaient plusieurs limites et problèmes :

1. Édition supplémentaire nécessaire : pour insérer le texte souhaité dans une image, un travail d’édition complémentaire était nécessaire, ce qui était inefficace en termes de temps et de coût.

2. Dépendance à l’entraînement : pour afficher visiblement un texte spécifique lors de la génération d’une image par IA, un apprentissage d’images ou un travail d’annotation utilisant notamment des LoRA était indispensable.

3. Forte consommation de ressources : les approches de Midjourney V6, FLUX et du groupe Alibaba nécessitaient beaucoup de ressources GPU et de temps.

4. Vocabulaire limité : il était difficile de représenter des textes absents du jeu de données préalable, puisqu’ils ne pouvaient pas être appris à l’avance.

5. Limitation linguistique : traiter les langues du monde autres que l’anglais demandait d’énormes ressources.

4. Une approche innovante de résolution du problème

Le cœur d’EveryText réside dans une nouvelle approche de l’« entraînement ». Là où les méthodes existantes nécessitaient un apprentissage direct, EveryText résout ce problème en exploitant les « fonts ».

1. Font as Pre-trained Model : tous les textes sont déjà, en pratique, dans un état « entraîné » incluant un étiquetage implicite grâce aux « fonts ». EveryText utilise cette « font » comme un « modèle entraîné ».

2. Diversité et esthétique : en appliquant de nombreuses « fonts » issues de différents espaces linguistiques, la technologie atteint à la fois la richesse typographique et une beauté visuelle.

3. Expression illimitée : en utilisant la « font » comme un « modèle dont l’apprentissage est déjà terminé », il devient possible de représenter n’importe quel caractère pouvant être saisi ou affiché, même pour des mots absents au préalable.

5. Mode d’emploi du service

EveryText peut être utilisé gratuitement par tous. Voici comment l’utiliser :

1. Prompt : saisissez la description de base pour la génération de l’image.
2. Text for Image Generation : saisissez le texte à afficher dans l’image.
3. Text Position : choisissez l’emplacement du texte dans l’image.
4. Text Size : ajustez la taille du texte.
5. Select Font(Option) : sélectionnez la police souhaitée.
6. Advanced Settings(Option) : les paramètres avancés permettent d’ajuster plus finement le processus de génération de l’image.
7. Cliquez sur le bouton « START » pour générer l’image.

6. Comparaison avec les technologies concurrentes (à ce jour, avis subjectifs d’un petit nombre d’évaluateurs)

-Midjourney V6 / FLUX : prise en charge de l’anglais uniquement / qualité d’image A+ / rendu du texte et lisibilité A

-AnyText (« groupe Alibaba ») : prise en charge de l’anglais, du chinois, du japonais et du coréen / qualité d’image B / reconnaissance du texte et lisibilité C

-EveryText : prise en charge de toutes les langues (écritures) du monde / qualité d’image A / reconnaissance du texte et lisibilité B+ -Midjourney V6 / FLUX : prise en charge de l’anglais uniquement / qualité d’image A+ / rendu du texte et lisibilité A

EveryText prend en charge toutes les langues du monde tout en offrant une qualité d’image élevée ainsi qu’un bon rendu du texte et une bonne lisibilité.

7. Conclusion

EveryText ouvre un nouvel horizon pour la technologie des images générées par IA. Cette approche innovante, qui permet d’intégrer naturellement toutes les langues du monde dans les images sans pré-entraînement, élargit considérablement les possibilités de communication mondiale et d’expression créative. Il sera intéressant de voir comment EveryText sera utilisé et évoluera dans différents domaines à l’avenir.

Liens associés

Huggingface Service: https://fantos-EveryText.hf.space
Discord Community: https://discord.gg/openfreeai
Contact : [e-mail]