Ideogram4
Terbaik untuk pemula. Alur kerja yang kuat, kurva pembelajaran rendah.
Buat video, gambar, persona chat kustom, dan lainnya.
Jelajahi model, render, dan perbaiki dari browser atau ponsel mana pun.
Tambahkan Vector ke servermu atau gabung Discord Vector. Buat apa saja!
Editor untuk gambar dan video: render, edit, tingkatkan kualitas, dan lainnya dalam satu halaman.
Ideogram 4 untuk teks, logo, dan tata letak, sudah terpasang dan dihosting di Graydient.
Install program lokal kalau komputermu punya hardware yang cukup.
Hasilkan prompt yang sama pada hingga 50 model checkpoint/base sekaligus.
Ideogram 4 text to image. ! Currently very unstable and censored ! Quality settings Instead of steps, you can control quality with /slot2: /slot2:turbo -> fast and rough /slot2:default -> default quality and speed /slot2:quality -> best quality, slowest render This workflow supports two ways to produce the JSON the model expects: (default) Model-assisted (LLM): Enter a short idea in as positive prompt and the system prompt asks LLM to write schema-compliant JSON. You won't see the generated JSON prompt, it is handled only internally. (/slot1:0) Raw input: You may use plain natural language,…Ideogram 4 text to image. ! Currently very unstable and censored ! Quality settings Instead of steps, you can control quality with /slot2: /slot2:turbo -> fast and rough /slot2:default -> default quality and speed /slot2:quality -> best quality, slowest render This workflow supports two ways to produce the JSON the model expects: (default) Model-assisted (LLM): Enter a short idea in as positive prompt and the system prompt asks LLM to write schema-compliant JSON. You won't see the generated JSON prompt, it is handled only internally. (/slot1:0) Raw input: You may use plain natural language, but structured JSON gives the most predictable layout and style control. Incompatible prompt WILL trigger "safety filter", even if prompt is SFW. About the model The model is trained on structured JSON captions (scene summary, style block, background, and optional per-object descriptions with bounding boxes and hex color palettes). Official inference validates prompts against that schema. Guidance uses flow-matching with asymmetric classifier-free guidance (the unconditional pass drops text tokens)—not a separate negative prompt string. Practical strengths: flexible resolution (about 256–2048 px per side), layout via normalized bounding boxes [y_min, x_min, y_max, x_max] on a 0–1000 grid, palette control with hex colors, and strong in-image text rendering when described in JSON. NOTE: If you see "Image blocked by safety filter" it is because of safety training in the model itself and there
Glosarium: istilah yang dipakai di sini
- Skor heat
- Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
- Lantai
- 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
- Setara unduhan
- Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
- Skala log
- Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
- Suka
- Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
- Tingkat adopsi
- Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
- Diukur dan diperkirakan
- Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
- Seeder
- Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
- AI Horde
- Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
- Situs generasi
- Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
- Token OpenRouter
- Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Model penuh (checkpoint)
- Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
- LoRA dan embedding
- File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
- Keluarga dan bobot
- Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
- Usia
- Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
- Dorongan keluarga
- Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
- Skor pengganti
- Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
- Baru! (masa tenggang)
- Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
- Tren
- Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
- Model biasa
- Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.
