Imagen

Google DeepMind 推出的第三代文本到图像扩散模型，在 COCO 数据集上以零样本方式取得当时最先进的 FID 分数，并引入 DrawBench 评估基准。

核心能力

Imagen 3 在三个维度上较前代有可量化提升：图像细节更丰富、光照更自然、伪影更少。其底层使用 T5 等大型 Transformer 语言模型编码文本，实验表明扩大语言模型规模对图像忠诚度的增益大于扩大图像扩散模型本身。

• 提示理解：支持自然语言输入，无需复杂提示工程
• 文本渲染：在图像中生成文字的能力显著增强，适合贺卡、演示文稿
• 风格覆盖：从照片级写实到油画、黏土动画风格均可生成
• 安全机制：内置 SynthID 水印（人眼不可见，可被软件检测）和内容过滤

适用场景与入口

普通用户可通过 Google Gemini（免费）或 Google Labs 的 ImageFX（免费）体验；开发者和企业通过 Vertex AI 平台调用 API，支持 16:9、9:16、4:3、3:4 四种宽高比。

• 营销与广告：产品可视化、品牌宣传物料
• 教育内容：教学插图、视觉辅助材料
• 创意设计：概念艺术、故事板、原型图
• 商务演示：带集成文字的自定义幻灯片

限制与注意事项

目前仅对美国用户开放，需 Google 账户登录。所有生成图像均附带 SynthID 水印。内容过滤较为严格，可能限制部分创意用途。

• 地域限制：仅限美国 IP 访问
• 水印策略：所有输出均嵌入 SynthID 数字水印
• 内容政策：内置广泛过滤，可能拒绝某些提示

常见问题

Q1：Imagen 3 在 COCO 数据集上的 FID 分数是多少？

A1：Imagen 3 在零样本设置下于 COCO 数据集上取得了当时最先进的 FID 分数，具体数值未在官方页面公布，但第三方评测确认其超越了此前所有模型。

Q2：DrawBench 是什么？与 Imagen 3 有什么关系？

A2：DrawBench 是 Google Research 为评估文本到图像模型而设计的综合基准，Imagen 3 在其上表现突出，尤其在文本对齐和图像真实性维度上。

Q3：Imagen 3 生成的图像是否可用于商业用途？

A3：官方未明确声明商业使用条款，但通过 Vertex AI 平台输出的图像受 Google Cloud 服务条款约束；通过 Gemini/ImageFX 生成的图像需遵循 Google 服务条款，建议用户自行查阅最新政策。

更多同类工具与网站,可在大模型产品分类继续挑选。

信息核实于 2026年7月,具体以官网为准。