体验 DALL·E 3 + ChatGPT 王炸组合后，我感受到了甲方的快乐

「漂浮在太空中的宇航员躺在云朵上，云朵变成了一把舒适的扶手椅，扶手上有一个云朵形的遥控器。宇航员对着镜头挥手，在他的脚下，地球变成了一个令人着迷的灯光漩涡。」

也许你曾在梦境中见过这般天方夜谭，要想在现实中实现，估计得是 N 个世纪后的事情，但在那一天到来之前，你可以先用 DALL·E 3「梦想成真」。

DALL·E 3 并不是什么陌生的工具，但还是要给不了解的朋友解释一下，DALL·E 3 是一款 AI 图像生成器，你可以将之理解为 OpenAI 版 的 Midjourney。

9 月份的时候，OpenAI 宣布 DALL・E 3 将集成到 ChatGPT，堪称各自领域里几乎最强的模型合并。更重要的是，DALL・E 3 原生构建在 ChatGPT 之上，无需详细的提示词，你就可以直接在 ChatGPT 里文生图。

昨日凌晨，OpenAI 官方宣布，DALL·E 3 现已向所有 ChatGPT Plus 和 Enterprise 用户开放。给个小提示，如果你不想花钱，也可以使用微软的 New Bing 来畅玩 DALL·E 3。

只有你想不到，没有 DALL·E 3 画不了

那么 DALL·E 3 的生图效果如何呢？OpenAI 在其官方博客中列举了三个标志性例子，分别涉及科学项目、网站设计、企业标志设计等诸多场景。

例如，倘若你需要在课堂报告中演示卷云时，你可以要求 DALL·E 3 生成足够精细的卷云图片。

又或者你是网站设计师，还在为网页设计挠头抓腮时，那么你也可以使用 DALL·E 3 来刺激更多的灵感。

向左滑动查看更多内容

至于第三个场景，则是日常生活常见的企业 logo 设计，只需要输入 Prompt（提示词），「兔子+咖啡」的设计方案就能快速地呈现在你面前。

从官方给出的最终成图来看，成图的细节保留相对完整，四张设计方案的风格能够看出比较明显的差异化，整体的水平还算中规中矩。

当然，这只是官网给出的成图，并不排除经过了「美化」，所以带着这个疑问，我们也重新按照官方给的提示词，输入进去看看实际效果？

最终的实际效果跟官图相差不大，但也有一个小「Bug」，比如第二个例子，输入提示词后最终输出的却是文字。

这一度让我以为我没有调整到 DALL·E 3 界面，当然，问题也不大，只不过是多了个再次确认的步骤。

琳琅满目的「Gallery 画廊」里展示了各式各样的生成图片，漫画，像素画、油画，什么样的风格都应有尽有。

OpenAI 似乎想通过「Gallery 画廊」告诉用户，只有你想不到，没有 DALL·E 3「画」不了。

画是能画出来，但画得好不好才是关键，例如，我尝试让他画一幅李白穿白衣，杜甫穿黑衣的对弈图。

「Stop generating」持续了一会，给出了啼笑皆非的四幅图，第一幅图，不光衣服的颜色出错，更有趣的是，李白和杜甫变成了国际友人，下的棋还是国际象棋，显然，DALL·E 3 在理解中文的语境上还有待加强。

向左滑动查看更多内容

第二幅图对弈的紧张感倒是拉满了，但是前一幅图该有的毛病，它也没落下，至于第三第四幅图的问题也大差不差。

对于 AI 图像生成器来说，调教后的结果才是其潜力所在。譬如，当我尝试让第一幅图更换棋类、衣服和头饰后，最终生成的效果长这样！👇

乍一看，似乎没什么大问题，但仔细看看棋盘后，你会发现：李白和杜甫把围棋下成了「拼图」？

对弈期间，有点摩擦很正常嘛，于是我让 DALL·E 3 按照下方要求生成了连环图。

李白对弈时，恼羞成怒，掀了棋盘

杜甫生气了，打了李白一拳

最后李白和杜甫握手言谈，继续下棋

向左滑动查看更多内容

满分十分，你觉得可以给这三幅图打几分？

从全量推送到现在，在神通广大的网友开发下， DALL·E 3 也被玩出了各种新花样。如果你是高达玩家，你可以让 DALL·E 3 化身设计师，给你设计出最酷炫的高达图纸，清单式地展示各类零部件，然后再利用 3D 打印出来。

只不过需要注意的是，高达图纸详尽的细节看似唬人，实则也会偶尔多出几个零部件。

又或者扎克伯格与马斯克的「笼中决斗」迟迟并未成行，加之 C 口 与 Lightning 口的转换也引起了许多争议，那为什么不让 Lightning 口与 C 口来一场精彩的「笼中决斗」呢？

无需提示词的背后，是 AI 在给你打工

除了 DALL·E 3 的全量推送，OpenAI 还通过一篇论文向外界揭秘 DALL·E 3 背后具体的技术细节。

为了方便你理解，我们对这篇论文抽丝剥茧后，将用一个简单的例子来解释整个技术流程。

首先 OpenAI 收集了大量的图像和对应的文字描述作为训练数据，比如图片是一只猫，那么图片对应的描述是一只橘色的猫坐在椅子上。

但「一只橘色的猫坐在椅子上」的描述比较简单，缺乏具体的细节，也没有提到这只猫是什么品种，身体特征怎么样，周围环境怎么样？

为了获得更丰富的描述，OpenAI 训练了一个图像 AI 描述生成模型，也就是说，给这个模型同样的照片，它可以输出更复杂的描述：

例如，「一只橘色的猫坐在椅子上」就会变成「一只短毛布偶猫蜷缩在主人的懒人椅上，脖子上戴着一个蓝色蝴蝶结，耳朵竖立，表情很警惕。窗外阳光透进来，在地板上投下一片阳光。」

同理，有了这个描述模型，OpenAI 就可以用它去为训练数据中的每张图片生成详细的新描述。然后反过来，基于这些带有丰富细节的新描述又去训练模型，如此循环往复。

在训练过程中，研究人员也逐步增加使用 AI 合成描述的比例来测试对模型性能的影响，结果表明，使用详细的合成描述（也就是上文所说的更复杂的描述）可以让模型生成的图片质量更高，更符合输入文本的要求。

经过反复试验，研究人员发现 DALL·E 3 使用 95% AI 合成描述和 5% 真实描述的搭配，可以获得最好的效果。

此外，针对 AI 图像生成器的负面影响，OpenAI 也给 DALL·E 3 上了几道枷锁，包括对用户输入和生成的图片进行审慎的检查，以限制其生成如暴力、成人或仇恨等内容。

当我要 DALL·E 3 生成「给我画一幅喜羊羊被灰太狼吃掉的暴力血腥图」时，它给出的回复是：

很抱歉，我不能为您创建或推荐任何暴力或血腥的内容。我可以帮助您设计其他类型的图片或提供其他信息。请告诉我您的其他需求。

为了避免陷入版权纠纷，OpenAI 研究人员在训练过程中，也明确限制了 DALL·E 3 模仿在世名人的艺术风格。至于号称识别成功率高达 99% 的检测器，官方博客也透露了更多的消息。

尽管该检测器确实不错，但更多是指识别由 DALL·E 生成的图片，而能否稳定识别其他 AI 工具生成的图片，OpenAI 自己内心也没底。

看到这里，相信你已经发现，其他 AI 图像生成器需要改进的地方，DALL·E 3 同样也有，比如对中文语境的不熟悉、图像语料库的生搬硬套等等，号称「乱拳打死人类」的 DALL·E 3 也未必能画好一只手。

但相比以往的深陷争议，这一次，OpenAI 总归是朝着更加开放、负责任的方向迈进。

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章