Microsoft vừa ra mắt MAI-Image-1, một mô hình tạo ảnh từ văn bản (text-to-image) do chính công ty phát triển. Động thái này cho thấy nỗ lực của Microsoft trong việc tự chủ công nghệ, giảm sự phụ thuộc vào các đối tác bên ngoài và kiểm soát tốt hơn chi phí vận hành. Theo các đánh giá ban đầu trên nền tảng LMArena, MAI-Image-1 đã lọt vào top 10 trong bảng xếp hạng các mô hình tạo ảnh. Bài viết này sẽ đi sâu vào trải nghiệm và đánh giá chi tiết về khả năng của mô hình.

Trải nghiệm tạo ảnh bằng MAI-Image-1

Hiện tại, người dùng có thể trải nghiệm miễn phí mô hình này trên LMArena. Microsoft cũng dự kiến tích hợp sâu MAI-Image-1 vào các sản phẩm chủ lực như Copilot, nhằm mang khả năng tạo ảnh vào Word, PowerPoint và Bing Image Creator để thay thế cho DALL-E. Quá trình này dự kiến sẽ được triển khai vào cuối năm 2025.

Khả năng tạo hình ảnh nhanh 

Một trong những ưu điểm chính của MAI-Image-1 là tốc độ. Mô hình có thể tạo ra một hình ảnh hoàn chỉnh trong vòng chưa đầy 20 giây, giúp người dùng nhanh chóng thử nghiệm nhiều ý tưởng mà không tốn thời gian chờ đợi. Con số này vượt trội hơn hẳn so với ChatGPT, nơi người dùng miễn phí thường phải chờ từ 2 đến 3 phút để nhận được kết quả.

Khả năng tạo ảnh chân thực

Về chất lượng, mô hình thể hiện khả năng xử lý tốt các yêu cầu phức tạp về ánh sáng, chi tiết và môi trường. Chẳng hạn, với câu lệnh về một cảnh quan sa mạc có chú chim đà điểu chuyển động nhanh, kết quả trả về có hiệu ứng mờ tự nhiên trên cát trong khi vẫn giữ được độ nét của hậu cảnh. Tương tự, khi mô tả một con phố ướt mưa lúc hoàng hôn, mô hình tái tạo các chi tiết phản chiếu ánh nắng phức tạp mà không làm biến dạng màu sắc. Ngay cả các chi tiết nhỏ như kết cấu của phô mai tan chảy hay làn hơi nóng bốc lên từ một chiếc bánh pizza cũng được thể hiện khá tốt, làm tăng tính chân thực cho hình ảnh. Ngoài ra, khả năng tạo ảnh người cũng được mô hình thực hiện tốt, hình ảnh tạo ra có độ chân thực và tính thẩm mỹ tương đối cao.

Khả năng xử lý các phong cách đa dạng

Bên cạnh việc tạo ảnh thực tế, MAI-Image-1 cũng đáp ứng được các yêu cầu sáng tạo đa dạng: từ việc tạo khung cảnh hoạt hình màu pastel đến tái tạo dòng chữ trên cát một cách tự nhiên (với độ lún và đổ bóng phù hợp nguồn sáng). Ngoài ra, mô hình này cũng có thể đáp ứng tốt những câu lệnh phức tạp, có yêu cầu chuyên sâu về hiệu ứng ánh sáng và kết cấu chất liệu trong ảnh.

Những hạn chế khi so với các mô hình khác

Hạn chế lớn nhất của MAI-Image-1 ở thời điểm hiện tại là việc chỉ tập trung vào chức năng tạo ảnh mới từ văn bản. Các tính năng chỉnh sửa dựa trên hình ảnh có sẵn như “image-to-image” (chỉnh sửa từ ảnh gốc) hay khả năng điều chỉnh tỷ lệ ảnh hiện tại vẫn chưa được công bố, hy vọng là trong tương lai Microsoft sẽ sớm cập nhật khả năng chỉnh sửa ảnh cho mô hình MAI-Image-1

Bên cạnh đó, độ phân giải cũng là một điểm khác biệt đáng kể khi so sánh với các đối thủ. Hình ảnh do MAI-Image-1 tạo ra hiện có chất lượng 1024p, trong khi các mô hình như Seedream 4.0 đã hỗ trợ độ phân giải lên tới 4K, mang lại hình ảnh sắc nét và chi tiết hơn, phù hợp cho các nhu cầu sử dụng chuyên nghiệp.

Dựa trên các đặc điểm hiện tại, MAI-Image-1 là một công cụ hiệu quả cho các nhà sáng tạo nội dung cần tạo nhanh hình ảnh chất lượng cao để làm bản phác thảo, hình minh họa hoặc các ấn phẩm marketing. Ngoài ra, những người dùng thường xuyên làm việc trong hệ sinh thái của Microsoft cũng sẽ hưởng lợi lớn khi mô hình này được tích hợp liền mạch vào các ứng dụng quen thuộc. Tuy nhiên, đối với các công việc đòi hỏi khả năng chỉnh sửa sâu hoặc tùy chỉnh kỹ thuật phức tạp từ ảnh có sẵn, các mô hình khác như Nano Banana và Seedream 4.0 sẽ có thể là lựa chọn phù hợp hơn.