前陣子寫過一篇文章分享過，怎麼選擇合適的AI繪圖工具，其中有一點就是「模型聽不聽得懂你講話」。
剛好我最近因為參加臺北市青年局國際志工的活動，需要生成一些食譜用的照片，因此也來分享一下，模型「聽得懂」和「聽不懂」講話的差別。先說結論：我覺得GPT-4o最聽得懂人話，但是運行時間也最長、還會限制你的使用次數，但幾乎可以一次到位；而Gemini與Copilot雖然（以生成圖片而言）運行的非常很快，但剩下的時間都用在讓你氣到吐血上了，而且很難透過prompt微調成指定條件。
測試一、煮小湯圓的食譜圖片
統一提示詞：畫圖片，這張圖片將用於食譜上，是煮小湯圓的時候，把小湯圓丟進去水煮且湯圓已經浮起來的示意圖
GPT-4o：非常精準，令人驚豔，甚至看不太出來是AI生成的！
Gemini：整體的畫風我也很喜歡，可惜他聽不出來小湯圓和大湯圓的差別，經過追加prompt「湯圓的尺寸還是太大了，再小一點，大概直徑1公分左右」，才成功畫成小湯圓。
Copilot：很顯然無法理解「食譜」要用的照片會有什麼樣的條件，第一張照片甚至只能用creepy形容，甚至畫面中有疑似有煮食人類、腳尾飯的內容，如果拿這張照片去做國際志工交流的話，我可能會被報警、被越南的警察給抓走……
測試二：準備冬瓜檸檬的材料圖片
統一提示詞：畫圖片，這張圖片將用於食譜上，照片中可以看到所需要的材料，分別是冬瓜茶和檸檬汁，其中冬瓜茶的份量較多、檸檬汁則只有一點點
GPT-4o：非常精準，甚至超額完成、在圖片中備註了材料的名稱！
Gemini：冬瓜、哈密瓜，傻傻分不清楚，雖然畫風很可愛，但是因為內容錯誤，所以無法使用。
Copilot：冬瓜、哈密瓜，傻傻分不清楚，甚至杯子裡面出現的是「苦瓜的皮＋檸檬的內在」嗎？同樣因為內容錯誤，所以無法使用，而且他還出現了更多完全非我指定的內容，像是八角與肉桂。
測試三、攪拌冬瓜檸檬的圖片
統一提示詞：畫圖片，這張圖片將用於食譜上，照片中可以看到冬瓜茶和檸檬汁已經混合、攪拌均勻，變成一杯好喝的冬瓜檸檬茶
GPT-4o：中規中矩但符合要求、不出錯的圖片。
Gemini：創意驚人，非常優秀的創意，是唯一一個試圖以步驟呈現的，可惜執行成果跟不上，還是有冬瓜、哈密瓜分不清楚的問題，甚至出現了2個步驟4。
Copilot：一樣冬瓜、哈密瓜傻傻分不清楚，甚至出現無法辨認的「瓜」，整體的畫風就是很喜歡加上豐富的背景，需要提詞要求過後才可以提供較素的背景。
追加測試、在冬瓜檸檬裡面加湯圓
提示詞：畫圖片，這張圖片將用於食譜上，照片中是一杯冬瓜檸檬茶，並且加入白色的小湯圓，變成一杯好的冬瓜檸檬湯圓
經過3項測試，我已經放棄讓Gemini和Copilot分清楚冬瓜和哈密瓜的差別了，而且我也不知道為什麼硬要畫出這些奇奇怪怪的瓜出來，所以本段提詞只有在GPT-4o進行測試。
GPT-4o：杯緣和水面的折射處理得很細膩，但相對看得出是AI生成的圖片，而且翻譯的英文開始怪怪的，從lemon tea變成了lemon soup，推測是受到中文的「湯圓」的「湯」所影響。
另外這邊可以特別注意到的事情是，GPT-4o生成的圖片尺寸，不是永遠都一樣的，在本次的測試中，正方形、直式的長方形、橫式的長方形都有出現。當然這是因為我沒有要求，但如果你的用途有特定尺寸的需求，要特別注意能否生成指定的尺寸，或者輔以其他的工具協助。
題外話，雖然這項提詞的內容乍看之下非常詭異，怎麼會把湯圓放進酸酸的飲料裡面呢？不會臭臭苦苦的嗎？但是經過實際測試，把湯圓丟進又甜又酸的冬瓜檸檬裡面，真的滿好吃的，強烈歡迎大家試試看！
以上就是本次測試的全部內容，其實非常建議用相同的提詞同時去測試看看不同的AI繪圖工具，幫助你找到你最喜歡的風格、最符合需求的內容，最重要的是，以你的需求為主，可以參考別人喜歡的工具，但不一定跟風，最適合你的、才是最重要的。
