صُمّم كل من Google Imagen وNano Banana Pro لحل واحدة من أكبر مشكلات توليد الصور بالذكاء الاصطناعي: عرض نصوص مقروءة داخل صور فوتوغرافية واقعية. يختبر هذا المقال النموذجين في خمسة سيناريوهات، من التسميات القصيرة إلى المشاهد المعقدة متعددة اللغات، مع نصائح عملية لكتابة الأوامر النصية في كل حالة.
إذا سبق لك أن حاولت توليد صورة تحتوي على نص، فأنت تعرف الإحباط. حروف تذوب في بعضها، وكلمات اخترعت أبجديتها الخاصة، ولافتات محال تبدو كأن أحدهم مسح السبورة قبل التقاط الصورة. لسنوات، كان هذا مجرد قيد مقبول في مولّدات الصور بالذكاء الاصطناعي، شيء تتحايل عليه بدلًا من أن تحله.
لم يعد هذا صحيحًا. يوجد نموذجان متاحان الآن على PicassoIA صُمّما خصيصًا وجعلا عرض النص أولوية: Google Imagen و Nano Banana Pro. يتعاملان مع المشكلة بطريقتين مختلفتين، ونتائجهما ليست متساوية. يخوض هذا المقال اختبار النموذجين في خمسة سيناريوهات نصية، ويقدم طرقًا عملية لهندسة الأوامر النصية في كل حالة، ويوضح لك بدقة أي النموذجين تختار حسب ما تنتجه.
تُبنى نماذج الانتشار القياسية لتحويل النص إلى صورة على أنماط إحصائية مستخلصة من مجموعات صور ضخمة. المشكلة الجوهرية في النص داخل الصور أن الحرف ليس مجرد شكل بصري. إنه وحدة دلالية. فالحرف "A" يحمل معنى لا يحمله "مثلث متوازن على ساقين". ولكي يعرض النموذج النص بشكل صحيح، يجب أن يفهم أن ترتيبات بكسلات محددة تحمل معانيَ محددة، لا أن تبدو بشكل معين فحسب.
لم تملك النماذج الأولى مثل Stable Diffusion آلية لهذا التمييز. كانت الحروف تُعامَل كأي عنصر بصري آخر، أنماط تُقارَب من متوسطات إحصائية. والنتيجة كانت أحرفًا مُختلَقة، وأشكالًا حروف ممزوجة، وأخطاءً إملائية واثقة من نفسها، ونصوصًا تبدو معقولة بالحجم المصغّر لكنها تتحول إلى هراء عند الفحص عن قرب.
جاء الاختراق في عرض النص من تطورين متزامنين. أولًا، بدأت مجموعات بيانات التدريب تتضمن توصيفات صريحة للعلاقة بين الصورة والنص. فبدلًا من أن يعرف النموذج فقط أن اللافتة تبدو بشكل معين، بدأ يربط التمثيل البصري المحدد لتسلسلات حروف بعينها.
ثانيًا، بنت البنى الأحدث ترابطًا أوثق بين مكوّن النموذج اللغوي ومكوّن توليد الصورة. والنتيجة نموذج لا يقارب "الحروف بشكل عام"، بل يحاول عرض السلسلة المحددة التي كتبتها.
يستفيد كل من Imagen 4 وNano Banana Pro من هذا التحول في البنية، وإن كانا يطبقانه بطرق مختلفة وبمقايضات مختلفة.
Imagen هي عائلة نماذج تحويل النص إلى صورة التابعة لـ Google DeepMind، وهي واحدة من أكثر الأنظمة المتاحة للجمهور واقعيةً كالصور الفوتوغرافية. تولّد بنيتها المتسلسلة (cascade) الصور بدقة متزايدة تدريجيًا، مع ربط كل مرحلة بالأمر النصي. يُنتج هذا مخرجات متماسكة بشكل لافت، إذ يُحفظ المحتوى الدلالي للأمر النصي بتفاصيل دقيقة في الصورة كلها، بما في ذلك أي نص فيها.
يستضيف PicassoIA خمسة إصدارات من عائلة Imagen، ولكل منها مقايضات مختلفة بين السرعة والجودة:
| النموذج | السرعة | دقة النص | أفضل استخدام |
|---|---|---|---|
| Imagen 3 | سريع | جيدة | التكرار السريع والمسودات |
| Imagen 3 Fast | سريع جدًا | متوسطة | المفاهيم السريعة |
| Imagen 4 | متوسط | ممتازة | أعمال الإنتاج |
| Imagen 4 Fast | سريع | جيدة | مخرجات متوازنة |
| Imagen 4 Ultra | بطيء | الأفضل في فئته | الأصول النهائية عالية الدقة |
Imagen 4 Ultra هو المستوى الأعلى من حيث دقة النص. يستغرق توليده وقتًا أطول، لكنه ينتج أشكال حروف تبقى واضحة حتى في الخطوط المتصلة والخطوط المضغوطة والأحجام الصغيرة. بالنسبة لأي شيء سيدخل في تصميم نهائي أو عمل احترافي، فالانتظار مبرر.
يستخدم Imagen بنية محوّل انتشار (diffusion transformer) حيث تُربط رموز النص من أمرك مباشرةً بمناطق مكانية أثناء عملية إزالة الضوضاء. عندما تكتب "لافتة نيون تقول OPEN بحروف حمراء"، يحاول Imagen تحديد موضع كلمة "OPEN" في منطقة اللافتة تحديدًا، لا في أي مكان عشوائي من الإطار.
هذا التحديد المكاني للنص هو ما يمنح Imagen أفضلية قابلة للقياس على النماذج التي تعامل السلاسل المكتوبة كأوصاف بصرية عامة.
💡 نصيحة: يؤدي Imagen أداءً أفضل باستمرار عندما تضع سلسلة النص بين علامتي تنصيص مزدوجتين داخل الأمر. اكتب: واجهة محل تحمل نص "Fresh Bread Daily" بدلًا من لافتة تقول fresh bread daily. تشير علامتا التنصيص إلى سلسلة حرفية يجب عرضها، لا إلى عبارة وصفية.
Nano Banana Pro هو أحدث نماذج سلسلة Nano Banana من Google، وتضم السلسلة أيضًا Nano Banana وNano Banana 2. وهو بنية أخف وأسرع، بُنيت لهدف أساسي واحد: تنفيذ تعليمات الأمر النصي بأمانة، بما في ذلك عرض أي نص تحدده.
إذا كان Imagen مصمَّمًا لأقصى جودة صورة في كل الأبعاد (الواقعية الفوتوغرافية والإضاءة والتكوين والتفاصيل الدقيقة)، فإن Nano Banana Pro يحسّن تحديدًا التزامه بالتعليمات. يمنح خط التدريب الخاص به وزنًا كبيرًا للمخرجات التي تطابق فيها الصورة المولَّدة الوصف النصي بدقة. تُعامَل سلاسل النص كتوجيهات ذات أولوية عالية.
الأثر العملي هو أن Nano Banana Pro يحتاج إلى هندسة أوامر أقل لكي يظهر النص بشكل صحيح. وكثيرًا ما تُعرض السلاسل القصيرة بدقة من المحاولة الأولى دون أي صياغة خاصة.
للبنية الأخف ثمن حقيقي. يولّد Nano Banana Pro أسرع، لكن الجودة الواقعية كالصور الفوتوغرافية في المناطق خارج النص غالبًا ما تكون أنعم من Imagen 4. الإضاءة والملمس والتماسك التكويني ليست بالقوة نفسها. إذا كان هدفك صورة واقعية بجودة معرض أعمال تظهر فيها نصوص بالمصادفة، فإن Imagen هو الأساس الأفضل.
أما إذا كان هدفك نموذجًا وظيفيًا أو مفهوم منتج أو رسومًا لوسائل التواصل يكون النص فيها هو المخرج الرئيسي، فإن Nano Banana Pro غالبًا ما يكون أسرع وكافيًا.
💡 نصيحة: يعمل Nano Banana Pro بأفضل شكل مع نماذج أولية لتغليف المنتجات ورسومات وسائل التواصل الاجتماعي وتصاميم الملصقات، حيث يكون النص قصيرًا والخلفية بسيطة وتهم سرعة التكرار.
يؤدي النموذجان أداءً جيدًا في هذا المستوى. أمر مثل: صورة منتج لكيس قهوة، وعليه كلمة "BLEND" بحروف كبيرة وعريضة في الواجهة، ينتج نصًا مقروءًا ودقيقًا في كل من Imagen 4 وNano Banana Pro.
الفائز: يفوز Nano Banana Pro في السرعة. ويفوز Imagen 4 في جودة الصورة المحيطة.
هنا تتسع الفجوة. يتعامل Imagen 4 Ultra مع العبارات متعددة الكلمات بأخطاء أحرف أقل بوضوح. لافتة تحمل عنوانًا كاملًا، أو غلاف كتاب مع عنوان فرعي، أو ملصق إعلاني بشعار من ست كلمات، كلها تظهر بدقة أكبر.
يبدأ Nano Banana Pro في إدخال استبدالات للأحرف في الكلمات التي تتجاوز ستة أو سبعة أحرف. كلمات مثل "photography" أو "architecture" تنتج غالبًا حرفًا أو حرفين خاطئين يكسران النص.
الفائز: Imagen 4 Ultra، بوضوح.
يُعد توليد الشعارات من أصعب المهام لأي نموذج صور، لأنه يتطلب دقة النص والنية الأسلوبية معًا. يجب أن تكون الحروف صحيحة، وأن تبدو مصممة عن قصد.
يتعامل Imagen 4 Ultra مع هذا بأفضل شكل عندما تضيف توصيفات أسلوبية صريحة إلى جانب سلسلة النص: "sans-serif، geometric، bold weight، black on white، minimal" تحسّن الدقة والتماسك الجمالي بشكل ملحوظ.
يميل Nano Banana Pro إلى إضافة عناصر زخرفية غير مطلوبة حول الشعارات، مثل الروابط بين الحروف والدوامات والظلال المسقطة. قد يكون هذا مصادفة إبداعية أو خطأً، حسب المشروع.
الفائز: Imagen 4 Ultra من حيث الدقة. وNano Banana Pro من حيث التنوع الاستكشافي.
لا يُعدّ أي من النموذجين موثوقًا بالكامل هنا، لكن الفرق مهم،. يتعامل Imagen 4 مع الحروف اللاتينية الأوروبية ذات العلامات (é، ü، ñ، ç) بشكل جيد نسبيًا. الأبجديات السريلية والعربية وCJK غير متسقة في النموذجين، لكن Imagen على الأقل ينتج حروفًا تشبه النص المستهدف حتى عندما تكون الرموز الفردية خاطئة.
أما Nano Banana Pro فغالبًا ما ينتج على الأبجديات غير اللاتينية ضوضاء بصرية تبدو كالنص المستهدف، لكنها لا تُقرأ فعلًا بالنسبة لمتحدث أصلي باللغة.
الفائز: Imagen 4 لأي شيء خارج الحروف اللاتينية الأساسية.
هذا هو السيناريو الذي يواجهه معظم المصممين فعلًا: مشهد واقعي يظهر فيه نص على جسم داخل بيئة معقدة. لوحة قائمة طعام على جدار مقهى. بطاقة سعر على سترة. لافتة شارع في مشهد مدينة مزدحم.
يتعامل Imagen 4 Ultra مع وضع النص السياقي بموثوقية. فهو يدرك أن النص على اللافتة ينتمي إلى منطقة مكانية محددة، ويعرضه وفق ذلك. أما Nano Banana Pro فيواجه صعوبة في التمييز المكاني عندما تظهر عدة أجسام تحمل نصوصًا في المشهد نفسه.
الفائز: Imagen 4 Ultra.
الطريقة الأكثر موثوقية عبر جميع إصدارات Imagen هي وضع سلاسل النص بين علامتي تنصيص مزدوجتين داخل الأمر. وإلى جانب ذلك:
يستجيب Nano Banana Pro بشكل أفضل للأوامر الأبسط والأكثر مباشرة مع ضوضاء محيطة أقل:
| الطريقة | لماذا تنجح |
|---|---|
| وضع النص بين علامتي تنصيص | يحدد السلسلة كنص حرفي وليس وصفيًا |
| تحديد سماكة الخط (عريض، رفيع) | يقلل من متوسطات الأشكال الغامضة للحروف |
| عنصر نصي واحد لكل أمر | يلغي التنافس المكاني |
| تباين عالٍ (نص داكن على خلفية فاتحة) | يقلل الأخطاء عند حواف الحروف |
| تحديد حجم النص صراحةً | يمنع المخرجات الصغيرة وغير المقروءة |
💡 الأوامر النصية السلبية مهمة: إضافة "blurry text, misspelled words, garbled letters, illegible text" إلى حقل الأمر النصي السلبي يقلل معدلات الخطأ في النموذجين. وهذا من أعلى التعديلات تأثيرًا التي يمكنك إجراؤها دون جهد إضافي.
يعتمد الاختيار على ما يهمك أكثر في مخرجاتك المحددة.
استخدم Imagen 4 Ultra عندما:
استخدم Nano Banana Pro عندما:
يتفوق النموذجان بشكل كبير في عرض النص على البدائل ذات الأغراض العامة مثل Flux Dev أو Flux Schnell. تظل تلك النماذج ممتازة لكل شيء آخر، ويُظهر Flux Pro وFlux 1.1 Pro تحسنًا في معالجة النص مقارنةً بسابقيهما. لكن عندما تكون دقة النص هي الأولوية، فإن عائلتي Imagen وNano Banana مصممتان خصيصًا لهذه المهمة.
يتوفر كل من Imagen 4 Ultra وNano Banana Pro مباشرة على PicassoIA دون أي إعداد أو مفاتيح API. إليك سير عمل جاهز:
الخطوة 1: انتقل إلى Imagen 4 Ultra أو Nano Banana Pro من مجموعة تحويل النص إلى صورة.
الخطوة 2: اكتب أمرك النصي مع عنصر النص بين علامتي تنصيص مزدوجتين:
a luxury perfume bottle on white marble, the label reads "BLOOM" in gold serif capitals, product photography, soft studio lightingالخطوة 3: اضبط نسبة العرض إلى الارتفاع على 1:1 أو 4:3 لصور المنتجات، وعلى 16:9 للّافتات والمحتوى الإعلاني.
الخطوة 4: شغّل التوليد. إذا كان النص يحتوي على أخطاء، فاختصر السلسلة، أو أضف أوامر نصية سلبية (blurry text، garbled letters)، أو أعد المحاولة.
الخطوة 5: للأصول الإنتاجية النهائية، استخدم Imagen 4 Ultra، وفكّر في تمرير النتيجة عبر نموذج رفع الدقة لتكبير النص وزيادة حدته.
💡 نصيحة سير العمل: استخدم Nano Banana Pro لتكرار التكوين وموضع النص بسرعة. وبمجرد أن تحصل على تخطيط يعجبك، انتقل إلى Imagen 4 Ultra لعرض النسخة النهائية بأقصى جودة. هذا يقلل إجمالي وقت التوليد مع الحفاظ على مخرجات احترافية.
يفوز Imagen 4 Ultra في المقارنة التقنية. فهو يتعامل مع السلاسل الأطول والمشاهد الأكثر تعقيدًا والأحرف متعددة اللغات والخطوط المُنمَّقة بشكل أفضل من Nano Banana Pro في معظم السيناريوهات. إذا كنت تنتج أصولًا يجب أن يكون النص فيها صحيحًا تمامًا، فإن Imagen 4 Ultra هو النموذج الذي يجب استخدامه.
يكسب Nano Banana Pro مكانه كخيار أسرع وأخف للنصوص القصيرة والأفكار السريعة. يتطلب إعدادًا أقل، وينتج نتائج جيدة في مهام النص البسيطة، وهو الأداة المناسبة عندما تهم سرعة التكرار أكثر من الكمال.
أفضل سير عمل يجمع النموذجين: صغ مسودة باستخدام Nano Banana Pro لاختبار فكرتك بسرعة، ثم اعرض النسخة النهائية باستخدام Imagen 4 Ultra عندما تحتاج إلى أفضل مخرج ممكن.
النموذجان متاحان على PicassoIA الآن. اختر نصًا قصيرًا، واكتب وصفًا بسيطًا للمشهد حوله، وشغّله عبر النموذجين بالتتابع. ستُظهر لك النتائج بدقة أين يناسب كل نموذج سير عملك بشكل أفضل من أي مقارنة جانبية.
اختر لغتك
