先做个广告:如需代注册GPT帐号或代充值ChatGPT4会员,请添加站长客服微信:gpt-app
推荐使用ChatGPT中文版,国内可直接访问:https://ai.p6p6.cn
大半夜的, OpenAI 又整出了个劲爆消息:
DALL·E 3 来了!不仅来了,还会被整合到 ChatGPT 里。
也就是说,除了老生常谈的对话、写代码、解数学题外,整合了最新 DALL·E 3 的 ChatGPT 这次终于有图片功能了。
ChatGPT+DALL·E ,这波算是强强联合,一个是语言大模型里的无冕之王,另外一个也算是文生图模型里的佼佼者,真正的效果也必然会 1+1>2 。
这次突然官宣算是填了今年年初 GPT-4 刚出来后,被传的纷纷扬扬的多模态 ChatGPT 的大坑。
不过,现在 OpenAI 还只是公布了这个消息,具体的上线时间是 10 月。面向 Plus 和企业版用户,单独的 DALL·E 3 今年秋天也会上线。
这玩意具体有多厉害,虽然现在我们还不能上手,但从 OpenAI 公开的示例来看,还是相当炸裂的。
其中,就有热心网友直接打来了 Midjourney ,把 DALL·E 3 的示例提示词喂给了它,好直接斗图一比高下。
而结果只能说:Midjourney 危了。
首先是很经典的牛油果看病梗图,提示词:一个牛油果坐在治疗师的椅子上,说着 “ 我感到内心如此空虚 ” ,牛油果中间有一个小坑大小的洞。治疗师,勺子,涂鸦笔记。
虽然乍一看是各有千秋,两种不同的风格。但若再仔细对照下提示词,很显然 Midjourney 忽视了治疗师,勺子,涂鸦笔记这几个元素,对话框里的文字也是乱写一通,不按照要求来。
然后让他们生成一张关于半透明心脏的图片,并且要求在心脏下面刻上一行特定的名言。
提示词:这是一幅用半透明的玻璃制成的人类心脏的插图,它矗立在狂风暴雨的海洋中的一个基座上。阳光穿透云层照亮了心灵,揭示了内在的微小宇宙。 “ 发现你内心的宇宙 ” 这句名言被用粗体字刻在基座上。
毫无疑问,这次 DALL·E 3 再次吊打了 Midjourney , Midjourney 除了没按照要求刻字外,像狂风暴雨的海洋、内在的微小宇宙等细节是一点也没展现。
再来一张以荔枝为灵感的球形椅子的照片,细节上,要求有白色凹凸不平的外观,柔软的内饰,与背后的热带壁纸形成对比。
这把它们俩生成的图片里各个元素都齐活了,但 Midjourney 似乎还是误解了热带壁纸和热带雨林的区别。
当然,误解提示词、断章取义这些都相当于是之前文生图模型的顽疾了。
像什么寄居蟹就给生成一个螃蟹。。。
让它生成 2D 的拟人化森林乐队结果生成 3D 的。。。
而这些老毛病,照 OpenAI 自己的说法以及给出的示例来看,新的 DALL·E 3 基本上不存在这种情况。
除了解决掉老毛病之外, DALL·E 3 还在原来二代版本上也进行了质感上的升级。
就比如让它们画篮球运动员扣篮的场景,元素是星空爆炸。
本来 DALL·E 2 生成的图已经很符合要求了,没想到升级后的 DALL·E 3 更加逼真,肌肉线条、宇宙的色彩这些细节都一一展示出来,属实是降维打击。
左:DALL·E 2 ,右:DALL·E 3
总体看下来, DALL·E 3 在 ChatGPT 的加持下,语言理解能力直接拉满,简直是要赢麻了的节奏。
升级版的 ChatGPT 不仅不会丢失关键信息点,就算只是零零星星打了几个关键词,它也能帮你自动补全描述,然后再让 DALL·E 3 生成图片。
OpenAI 这是拿捏住了当代网友 “ 文化沙漠 ” 的本质了( 狗头 )。
当然 DALL·E 3 和 ChatGPT 的整合,不止是更能听懂人话那么简单,它们还会产生一些奇妙的火花。
就比如升级版的 ChatGPT 在画画上也有了上下文理解能力,甚至可以直接当做生产力工具。
具体有多厉害, OpenAI 官网给出了一段演示视频,说实话,世超在看了后,也是为插画师的饭碗狠狠地捏了一把汗。
首先是让 ChatGPT 生成一个超级向日葵刺猬,它会给出四张图,从里面选一张最喜欢的之后,可以进行下一步的对话。
然后把这个刺猬命名成 Larry ,可以再让 ChatGPT 多生成几张它的照片。
接下来上点难度,直接搞个场景,让它展示一下 Larry 的家。
这把可以直接看出 DALL·E 3+ChatGPT 的实力了,不仅 Larry 的样貌还保持原样( 这换其他 AI 可能早变样了 ),而且门口的邮箱还写着 “LARRY” 的名字。
此外,描述 Larry 的特点、用图片展示它的爱心、甚至做做 Larry 的周边,设计出几个贴纸,对于 ChatGPT 来说都是洒洒水的事。
最后让它整理个睡前故事,来个 ending pose , ChatGPT 也是信手拈来, u1s1 我真的有点被这丝滑的对话震撼到。。。
看到这里,世超还突然得了新的灵感,之后我们写好的文章岂不是就可以直接丢给 ChatGPT ,让它提取关键词做封面。
有啥特殊要求也可以直接告诉 ChatGPT ,参考图啥的也可以扔给它,摸鱼技巧 +1+1 。。。
言归正传,上面提到的那些还只是 OpenAI 单方面展示出来的效果,实际用起来怎么样,还是得等到 10 月份上线之后才能知道,估计到时候有会有一波隐藏技巧被网友们开发出来,坐等。
另外,谈到 AI 绘画,就还是躲不过那个老生常谈的话题:版权问题。
OpenAI 这边依旧还是之前的立场,和第二版一样,用 DALL·E 3 生成的图片不需要经过许可就能用,想商业化都行。
不过,有了太多的前车之鉴, OpenAI 这次耍了点小聪明,说是艺术家可以选择拒绝自己的作品被投喂给 DALL·E ,前提是只要填一个表格就 OK 了。
虽然这多少有点 “ 不拒绝就是默许 ” 的意味,但相较于之前,起码艺术家们不再那么被动了。。。
对于之前网络出现的 AI 绘画侵犯公众人物隐私,以及一些其他偏见的问题, DALL·E 也有对策了:在实际使用的过程中, ChatGPT 会直接拒绝提示中带有公众人物名字的请求。
也就是,像这种乐子图我们估计也不会在 ChatGPT 中看到了。。。
并且他们还组建了一个 “ 红色团队 ” ,用来评估和降低模型在各个阶段可能会产生的风险。
最后, OpenAI 还在官网上表示说,它们在研究一个识别 AI 画图的工具,能够判断哪些图片是 DALL·E 3 生成的。
( 只希望不要像之前那个识别 AI 文本的工具,因为鸡肋半路夭折。。。
总的来说,有文生图功能的 ChatGPT 就已经足够在 AI 圈子里掀起一阵热度,而这波又是整合的升级版 DALL·E 3 ,很难不让人振奋,反正世超已经是等不及想上手试试了。
但有人欢喜有人忧, OpenAI 这波是再次甩了同行一大截,等到 10 月更新之后,估计又有不少 AI 初创公司被碾压在 ChatGPT 前进的车轮下。。。
撰文:松鼠 编辑:江江&面线 封面:三狗
图片、资料来源:
OpenAI、X、网络