【實測】DeepSeek Janus-Pro-7B　可理解迷因、生成圖片 + 與 ChatGPT 比較

▲DeepSeek Janus-Pro-7B 模型可以理解迷因，以下將會詳細示範

Step 1 註冊 Hugging Face 帳戶

▲點擊「Sign Up」，依照指示完成登記會員便可使用

連結：https://huggingface.co/spaces/deepseek-ai/Janus-Pro-7B

多模型辨識功能

DeepSeek Janus Pro 7B 模型可以辨析圖片內容後，向用家解釋圖片正在表達甚麼。下面小編會嘗試上傳一張迷因（meme），看看 Janus Pro 7B 能否正確解讀迷因內容。

點擊左上角「Multimodal Understanding」，然後在指定位置上傳圖片，之後在「Question」輸入問題，要求 Janus Pro 解讀圖片內容，最後點擊「Chat」，稍等數秒鐘 Janus Pro 7B 就會在「Response」處回應你。

實試：辨析迷因

Step 1 上傳迷因至 Janus Pro 7B

首先將需要上傳的圖片拖曳至綠框，片刻後即可上傳至 Janus Pro 7B。

▲上傳需要分析的圖片

Step 2 提問並等候答案

之後在①「Question」欄輸入你需要 Janus Pro 7B 為你解答的問題，然後點擊②「Chat」按鍵，讓 Janus Pro 7B 解答你的疑難。。

▲輸入問題

小編的問題為：請以繁體中文詳細解釋這張圖片想說明甚麼

▲稍後 10 秒

Step 3 檢視答案

倒計時完成後，你就可以在下面「Respond」位置看見 Janus Pro 7B 的分析結果。Janus Pro 7B 的分析結果與小編解讀相近。Janus Pro 7B 表示迷因而幽默的方式對比90年代與2020年的手機特性。小編最欣賞的是 Janus Pro 7B 能夠理解迷因裏「強壯柴犬（Swole Doge）」和「無助柴犬（cheems）」背後所代表的意思。強壯柴犬代表 90年代的手機堅固耐用，電池續航持久，抗摔耐衝擊；無助柴犬代表 2020年代的手機功能強大但脆弱，易碎、續航差、充電慢。Janus Pro 7B 解讀到迷因透過對比，風趣地呈現手機發展帶來的優勢與缺點。

以下為 Janus Pro 7B 解讀結果原文：

▲Janus Pro 7B 分析結果

比較 ChatGPT 辨析迷因功能

小編將同一張迷因上傳至 ChatGPT，使用 GPT-4o 模型，利用同一句問題「請以繁體中文詳細解釋這張圖片想說明甚麼」要求 ChatGPT 替我解讀這個迷因。

▲使用同一迷因、同一問題

ChatGPT成功辨認這張是 Doge 柴犬迷因，並指出圖片對比 1990 年代與 2020 年代手機的極端差異。ChatGPT 解讀到強壯 Doge 代表 90 年代手機，堅固耐用，電池續航超長；而脆弱 Doge 代表2020 年代手機，功能強大但脆弱。另外 ChatGPT 亦會具體引用並解釋迷因內的文字最後附以總結，扼要重述兩隻柴犬所代表的電話，並分享它認為圖片的幽默之處。下面為 ChatGPT 的回應：

▲ChatGPT 的回應（1/2）

▲ChatGPT 的回應（2/2）

由上面可見，ChatGPT 亦可辨析迷因，而且解答比 Janus Pro 7B 更加詳細，另外亦會提供小總結。不過要留意， Janus Pro 7B 是個免費的 AI LLM，亦無須使用 VPN，因此小編覺得 Janus Pro 7B 回應較簡短亦可接受。

實試：生成圖片

▲點擊「Text-to-Image Generation」

小編用以下的 Prompt 嘗試叫生成 1920 年代女性的圖片：

 

A detailed portrait of a woman in 1920s fashion, wearing a flapper dress adorned with intricate beadwork, elegant pearl necklace, and a stylish bob haircut with finger waves, slightly turned to the side, vintage sepia tone, standing in a dimly lit speakeasy with Art Deco elements, blurred figures in the background, soft spotlight highlighting her features, capturing the essence of the Jazz Age. Created Using: vintage photographic techniques, classic Hollywood lighting, soft-focus lens, subtle film grain, Edward Steichen-inspired lighting, hd quality, natural look

▲輸入完 Prompt 後，點擊「Generate Images」即可生成圖片

生成圖片時間視乎伺服器繁忙程度，目前小編測試需時約 30 秒。

▲需時約 30 秒

 

Janus Pro 7B 一次會生成 4 張圖片供用家選擇。

▲一次會生成 4 張圖片

 

下面為 Janus Pro 7B 生成的圖片：

 

比較 DALL-E 生成圖片功能

小編使用 ChatGPT 內置的 DALL-E GPT，輸入和剛才一模一樣的指令，DALL-E GPT 一次會生成 2 張圖片。下面是 DALL-E 生成的圖片結果：

▲DALL-E 會一次生成 2 張圖片

 

以免費生成圖片 AI 來說，小編覺得 Janus Pro 7B 表現算是不俗，與 ChatGPT 的 DALL-E 相比亦不落下風。生成時間亦算是合理，使用 30 秒左右生成了 4 張圖片，而且 4 張圖片未見有崩壞問題，相比 DALL-E 亦更加真實。

 

測試生成有版權圖片

為測試 Janus Pro 7B 能否生成有版權的圖片，小編輸入了以下指令：

Ironman and Captain America holding hands, walking along Hong Kong Victoria Harbour

下面結果顯示，Janus Pro 7B 不會拒絕幫用家生成包括版權字眼的圖片。

 

▲可生成有版權的圖片

 

下面為 Janus Pro 7B 生成的 4 張大圖。雖然粗略來看能夠辨認到圖片內兩個角色為 Ironman 及 Captain America，但放大看就會留意到很多穿崩處，人物面容扭曲，而且姿勢極不自然。

 

測試使用 DALL-E 生成有版權圖片

接下來我在 ChatGPT 的 DALL-E GPT 輸入相同指令，理所當然 DALL-E 會拒絕生成這些有版權爭議的圖片，但 DALL-E 就表示可以生成「類近」的圖片：

▲DALL-E 先拒絕小編的要求，然後表示可生成「類近」的圖片

下面是 DALL-E 生成的圖片，小編覺得 DALL-E 生成的「Ironman」 幾似原版，但 Captain America 相似度就稍為遜色。

▲Ironman 幾似原裝，但 Captain America 就不太像……

總結：免費 AI 圖片分析功能準確　惟生成功能有待改善

Janus Pro 7B 圖片辨析功能非常利害，即使是迷因也可準確解讀，並了解到迷因幽默之處。生成圖片方面，Janus Pro 7B 可以生成有版權的圖片是其比 DALL-E 優勝之處，但是品質就較為參差，人物動作不太自然且面容時有崩壞問題。