DeepFloyd, sebuah grup riset yang didukung oleh Stability AI, telah meluncurkan DeepFloyd IF, sebuah model teks-ke-gambar yang dapat mengintegrasikan teks ke dalam gambar. Dilatih dengan kumpulan data lebih dari satu miliar gambar dan teks, DeepFloyd IF dapat membuat gambar dari sebuah perintah seperti boneka beruang yang mengenakan kemeja bertuliskan Deep Floyd, secara opsional dalam berbagai gaya. DeepFloyd IF menggunakan beberapa proses berbeda yang ditumpuk bersama dalam arsitektur modular untuk menghasilkan gambar. Model ini sangat baik dalam memahami perintah yang rumit dan bahkan hubungan spasial yang dijelaskan dalam perintah. Model ini dapat menghasilkan teks yang dapat dibaca dan dieja dengan benar dalam gambar, dan bahkan dapat memahami petunjuk dalam berbagai bahasa. DeepFloyd IF diharapkan dapat membuka gelombang kemungkinan seni generatif baru, termasuk desain logo, desain web, poster, papan reklame, dan bahkan meme. Namun, model ini tidak menghasilkan gambar yang secara estetika menyenangkan seperti beberapa model difusi. Ada juga potensi bias dalam model ini, karena teks dan gambar dari komunitas dan budaya yang menggunakan bahasa lain kemungkinan tidak cukup diperhitungkan. DeepFloyd IF, seperti model generatif sumber terbuka lainnya, dapat digunakan untuk tujuan yang merugikan, seperti membuat deepfake selebriti porno dan penggambaran grafis kekerasan.
