Fogalomtár › Generatív média

képgenerálás

angolul: image generation

A képgenerálás az a mesterségesintelligencia-eljárás, amely szöveges leírásból vagy mintaképből néhány másodperc alatt teljesen új képet készít.

Érthetően

Képzeld el, hogy egy fáradhatatlan illusztrátornak diktálsz: „naplemente a Balatonon, akvarell stílusban, előtérben egy vitorlással”. Ő nem keres elő egy kész fotót, hanem megfesti neked azt, ami addig nem létezett. A képgenerálás ugyanezt csinálja, csak gép végzi, és másodpercek alatt.

A rendszer rengeteg képből és a hozzájuk tartozó leírásból tanulta meg, hogyan néz ki egy macska, egy olajfestmény vagy a hajnali fény. A kérésedre nem ezekből vág össze kollázst, hanem a megtanult mintázatok alapján új képet állít elő.

Jó például illusztrációhoz, plakátvázlathoz, termékfotó-háttérhez, ötleteléshez vagy meglévő kép átalakításához. Abban más, mint a képkereső vagy a fotózás, hogy amit kapsz, az nem a valóság lenyomata. Akkor is hihetőnek látszik, ha a jelenet soha nem történt meg.

Hogyan működik

1. Tanítás: a modell kép–szöveg párok óriási gyűjteményén tanulja meg, milyen szavakhoz milyen formák, színek és stílusok tartoznak.
2. Kérés: leírod, mit szeretnél látni (ez a prompt), és a rendszer a szöveget számokká alakítja, amelyek a jelentését hordozzák.
3. Rajzolás zajból: a sokáig uralkodó, úgynevezett diffúziós modellek véletlenszerű képzajból indulnak, mint egy hangyás tévéképernyő. Sok apró lépésben „tisztítják” a képet, amíg ki nem rajzolódik a leírásnak megfelelő tartalom. Más modellek, főleg a csevegőrobotokba épített képgenerálók, darabonként rakják össze a képet, hasonlóan ahhoz, ahogy a szöveget írják. Ezek gyakran a diffúzióval együtt dolgoznak.
4. Finomítás: kérhetsz új változatot, átírhatod a leírást, kijelölhetsz egy részt cserére, vagy feltölthetsz saját képet kiindulásnak.
5. Jelölés: több szolgáltató láthatatlan vízjelet vagy eredetadatot tesz a kész képbe, hogy később kideríthető legyen, gép készítette. Ezek a jelek azonban sokszor eltávolíthatók, ezért nem adnak teljes biztonságot.

Példa a mindennapokból

Kit érint

Gyakori félreértés

Korlátok és kockázatok

• A kép nem bizonyíték: megtévesztően valósághű hamis fotó (deepfake) is készíthető vele, ezért a meglepő képek forrását érdemes ellenőrizni.
• Hibázhat a részletekben: a legújabb modellek sokat javultak, de a kezek, a hosszabb feliratok, a pontos darabszámok és a térbeli viszonyok ma is elronthatók.
• A szerzői jog rendezetlen: vitatott, hogy milyen képeken tanították a modellt, és a tisztán géppel készült kép sok országban nem kap szerzői jogi védelmet.
• A tanítóadatok torzításait átveszi, így a foglalkozásokat és embercsoportokat könnyen sztereotip módon ábrázolja.

Hasonló, de nem ugyanaz

• képfelismerés – A képfelismerés meglévő képről mondja meg, mi látható rajta, a képgenerálás leírásból hoz létre új képet.
• deepfake – A deepfake olyan hamis kép, hang vagy videó, amely valós személyt, helyet vagy eseményt hitelesnek tűnően ábrázol, és így megtévesztheti a nézőt. Ez a képgenerálás egyik, gyakran visszaélésszerű felhasználása, nem maga a technológia.
• képszerkesztés – A hagyományos képszerkesztésben te módosítasz kézzel egy meglévő képet, a képgenerálásnál a gép állítja elő a tartalmat a leírásod alapján.

Kapcsolódó fogalmak

Röviden a története

A valósághű gépi képalkotás első nagy áttörését a 2014-ben bemutatott generatív versengő hálózatok (GAN) hozták. A szövegből képet készítő rendszerek 2021-ben, az OpenAI DALL-E modelljével kerültek reflektorfénybe. 2022-ben a DALL-E 2, a Midjourney és a nyílt Stable Diffusion tette őket tömegesen elérhetővé. 2025-től a képkészítés a nagy csevegőrobotok beépített funkciójává vált: a ChatGPT és a Gemini már beszélgetés közben is rajzol és szerkeszt képet.

Hol tart most

2026 végén a képgenerálás a csevegőrobotok, a telefonok és a tervezőprogramok beépített funkciója, a képek sokszor alig különböztethetők meg a fotótól, és a feliratok is többnyire olvashatók. A figyelem a géppel készült tartalom jelölésére, a szerzői jogi vitákra és a visszaélések visszaszorítására terelődött.

Állapot: 2026. november

A hírekben

• Anya bírálja az iskolát, mert 6 éves lányáról AI-val 25 évesként készült kép2026. okt. 20. · Oktatás és család
• Az OpenAI vizuális hirdetéseket tesztel a ChatGPT képgenerálásában2026. okt. 13. · Marketing
• ChatGPT vizuális hirdetéseket indít, és mérhetőbbé teszi a hirdetéseket2026. okt. 5. · Marketing
• Kínai Qwen-keresőt vettek le az amerikai Federal Registerről; új Qwen-képmodell jelent meg2026. szept. 17. · Agent Age

Más nevei

képgenerálás · MI-képgenerálás · AI-képgenerálás · képgenerátor · szövegből kép · image generation · text-to-image · AI image generator

Források

• Rombach et al.: High-Resolution Image Synthesis with Latent Diffusion Models (arXiv, 2021)

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.