DALL-E 3 Release Усилва OpenAIВлияние, напускане Midjourney намлява Stable Diffusion зад
Накратко
DALL-E 3 е настроен да бъде безпроблемно интегриран с GPT-4, специално пригоден за ChatGPT+ абонати.
DALL-E 3 се въздържа от пресъздаване на изображения на публични личности, когато имената им са изрично споменати.
Срокът за достъп до DALL-E 3 е определен за октомври.
OpenAI представи най-новото си творение: DALL-E3. За разлика от своите предшественици, DALL-E 3 се фокусира върху усъвършенстването на детайлите, адресирайки проблеми като букви и сложни детайли на тялото, като пръсти. Резултатът? Набор от естетически приятни изображения без необходимост от сложни подкани или решения.
Важно е да се отбележи, че тази версия не идва с изчерпателен набор от подробности за внедряването, статии или API. Вместо това, DALL-E 3 е настроен да бъде безпроблемно интегриран с GPT-4, специално пригоден за ChatGPT+ абонати.
Това развитие може да не е сеизмична промяна в пейзажа на ИИ, а по-скоро стъпка напред в сътрудничеството между моделите. Мнозина очакват, че следващият Stable Diffusion модел ще предложи още по-голяма изтънченост и артистична привлекателност.
За да го поставим в контекст, OpenAIПътуването на AI през генерирането на изображения с изкуствен интелект беше доста трудно:
- 2021: DALL-E 1, модел с 12 милиарда параметри, беше представен с ограничена информация.
- 2021: GLIDE, модел с 2 милиарда параметри, беше представен заедно с модели с отворен код с 300 милиона параметри.
- 2022: DALL-E 2 пристигна с 2 милиарда параметри, придружен от хартия unCLIP и API.
- 2023: DALL-E 3 навлезе и въпреки че подробностите може да са малко загадъчни, едно нещо е ясно – той ще се интегрира с GPT-4 за ChatGPT+ абонати.
Към момента визуализациите на DALL-E 3 остават малко оскъдни. Няма кодова база, публикация в блог или подробно сравнение с най-съвременното (SOTA). OpenAI изглежда, че държат картите си близо до гърдите си.
Моделът е рекламиран да притежава по-задълбочено разбиране на нюансите и детайлите в сравнение с предшествениците си. Това означава, че превеждането на вашите творчески концепции във високо прецизни изображения се очаква да бъде по-плавен процес.
Едно интригуващо обещание на DALL-E 3 е неговата интеграция с ChatGPT. Това означава, че потребителите няма да трябва да се борят с изработването на сложни подкани; кратко описание трябва да е достатъчно, с ChatGPT умело генериране на подробни подкани от ваше име.
OpenAI също така подчерта значението на контекста в дългите подкани. DALL-E 3 е проектиран да обхване многословието, което го прави по-настроен към контекста, описан в обширни подкани.
И все пак, както при всеки нов AI модел, има елемент на неизвестното. Въпреки че първоначалните проблясъци изглеждат обещаващи, истинският лакмус ще дойде с продължителна употреба. Остават въпроси относно неговата ефективност и скорост на работа.
Вероятно DALL-E 3 ще бъде многоетапен процес на разпространение, с GPT-4 служи като енкодер на текст. Сложната механика на тази настройка може да остане забулена в тайна.
Срокът за достъп до DALL-E 3 е определен за октомври, първоначално за ChatGPT Плюс и ChatGPT Корпоративен потребителs, с възможност за по-широк достъп за изследователите след това.
Нюансите намлява Цензура на DALL-E 3
Основните фокусни точки на разработката на DALL-E 3 бяха щателният процес на ограничаване на неговите възможности. Това включваше строго подравняване и филтри, предназначени да изключат специфични типове съдържание. Например, моделът категорично отказва да генерира изображения на известни личности, да копира произведения на изкуството в стила на известни художници или да създава каквото и да е съдържание, считано за опасно от OpenAIвзискателни стандарти. Този стратегически подход не се отнася само до ограничения; това е проактивна мярка, насочена към защита на компанията от потенциални правни сплитания.
И все пак, отвъд тези филтри и подравнявания, някои интригуващи наблюдения излизат наяве. DALL-E 3 изглежда проявява известна слабост, когато става въпрос за генериране на фотореалистично съдържание. Вместо да създава изображения, които безупречно имитират реални снимки, изходът носи ясно стилизирано качество. Тези създадени от AI снимки излъчват почти рендиран и леко пластичен вид. Дори когато е изрично подсказано с думата „снимка“, резултатът остава вкоренен в характерната си стилизация.
Струва си да се отбележи, че въпреки тези идиосинкразии, DALL-E 3 наистина предлага поглед към забележителен потенциал. Сред неговите творения някои екземпляри показват поразителна прилика със снимки. Имайте предвид, че симулираният реализъм на тези изображения не е непременно в съответствие с начина, по който би изглеждала истинска снимка на същия обект, особено ако е потопена под вода.
Функции и подробности за DALL-E 3
Нека отделим малко време, за да пресеем пикселите и да прочетем между редовете, за да разберем какво наистина предлага този нов модел.
Изкуството на стилизацията: Преглеждане OpenAIInstagram акаунт на, ще забележите изобилие от произведения на изкуството, характеризиращи се с изискана стилизация. Въпреки че има впечатляващ набор от абстрактни композиции и дизайни, изглежда, че моделът избягва създаването на фотореалистично съдържание. Акцентът тук е върху естетиката и креативността, а не върху имитирането на реалността.
Артистични ограничения: DALL-E 3 поема по различен път от своя предшественик. Категорично отказва да създава изображения в стила на живите художници, рязко отклонение от DALL-E 2, който може да имитира определени стилове на художници. Това може да повдигне вежди в творческата общност, подобно на хладкото приемане на Stable Diffusion 2.0.
Овластяване на артисти: В ход за зачитане на правата на творците, OpenAI позволява на артистите да изключат работата си от бъдещи DALL-E версии. Като изпратят изображение, върху което притежават правата, артистите могат да поискат изключването му от продукцията на модела. След това бъдещите повторения на DALL-E ще избегнат генерирането на съдържание, наподобяващо стил на художника.
Сигурност и цензура: OpenAIпараноята по отношение на сигурността е осезаема. Те си сътрудничиха с външни „червени екипи“, за да тестват сигурността на модела и използваха входни класификатори, за да научат модела да игнорира конкретни думи, които биха могли да доведат до изрично или вредно съдържание. DALL-E 3 се въздържа от пресъздаване на изображения на публични личности когато имената им са изрично посочени. Дали знаменитостите попадат в тази категория остава несигурно, което потенциално оказва влияние върху качеството на генерираните лица.
Водни знаци и проследяване: Има намек за вграждане на тагове за проследяване на „изображения, генерирани от AI“, което показва преминаване към по-добро наблюдение и потенциално поставяне на водни знаци на генерирано съдържание.
Текстът и ръцете са подобрени: OpenAI рекламира подобрено генериране на текст и ръчно изобразяване, често срещано твърдение сред конкурентите. Истинският тест се крие в действителния резултат извън избраните примери.
Пространствено разбиране: DALL-E 3 превъзхожда разбирането на пространствените отношения, описани в подканите. Това подобрява способността на модела да конструира сложни ъгли и композиции, въпреки че потребителите очакват по-конкретни доказателства за това обещание.
Силата на подканите: Същността на DALL-E3 се крие в неговите бързи възможности и интеграция с ChatGPT. Обещава автоматизация, бързина и опростяване на бързия дизайн. Тенденцията тук е към chatGPT генериране на подкани, превеждайки неясни идеи или елементарни подсказки в красноречиви. Подобреното контекстуално разбиране на DALL-E 3 рационализира процеса, позволявайки на потребителите да се съсредоточат върху намерението вместо многословието.
Неизследвани територии: Особено отсъстващи от дискусията са аспекти като inpainting, outpainting, генеративно запълване и 3D моделиране. Липсата на тези функции може да бъде ограничение, особено за потребители, свикнали с по-гъвкави модели.
Детайли за достъп: DALL-E 3 е настроен да стане достъпен за ChatGPT Plus и Enterprise клиенти в началото на октомври. Въпреки това спецификата по отношение на отпускането на кредити за ChatGPT Освен това потребителите и свързаните с тях разходи остават неясни. Достъпът ще бъде предоставен чрез API и OpenAI Labs платформа „по-късно през есента“.
Мощност на интеграцията: DALL-E е настроен да бъде безпроблемно интегриран в партньорски и Microsoft продукти. Очаквайте да станете свидетели на генерирането на презентации, илюстрации, дизайни, лога, всичко това в контекст и разширено с помощта на ChatGPT. Тази интеграция е настроена да стане масова, което представлява значително предизвикателство за конкуренти като Гугъл със своя Бард и идеограма.
Конвергенцията на LLM и визуалното съдържание: Най-интригуващият аспект се крие в конвергенцията на големите езикови модели (LLM) и моделите за генериране на визуално съдържание. Това означава преминаване от сложно бързо инженерство към изразяване на идеи на по-достъпен език. AI ще събере контекст и идеи от тези изрази, предлагайки творчески възможности, на които е трудно да се устои.
DALL-E 3: Бъдете нов лидер в генерирането на изображения с изкуствен интелект
OpenAIрешението на да интегрира DALL-E 3 в ChatGPT екосистемата е стратегически ход. Тази интеграция предоставя на DALL-E 3 достъп до огромна потребителска база данни от 100 милиона активни потребители. Тази стъпка значително подобрява достъпността на DALL-E 3 и има потенциала да катапултира популярността му.
В момента, Midjourney намлява Stable Diffusion хвали се наоколо 15 милиона регистрирани потребители. Въпреки това, с тази интеграция, DALL-E 3 е настроен да получи достъп до потребителска база десет пъти по-голяма - 100 милиона потребители. Това прави ChatGPT Плюс абонамент план още по-привлекателен, тъй като предлага достъп до чатбот, аналитични инструменти и генериране на изображения, всичко това на достъпна цена.
Интеграцията не само е от полза за съществуващите потребители, но също така служи като мощен магнит за нови потребители. Разширява на OpenAI обхвата и популярността на екосистемата, привличайки хора, които търсят решения за съдържание, генерирано от AI.
Този стратегически ход е готов да даде тласък OpenAIприходи и други ключови показатели. Инвеститорите на компанията вероятно ще гледат благоприятно на това развитие, особено в светлината на скорошно 20% спад в обема на трафика през лятото.
Прочетете още свързани теми:
Отказ от отговорност
В съответствие с Доверете се насоките на проекта, моля, имайте предвид, че предоставената на тази страница информация не е предназначена да бъде и не трябва да се тълкува като правен, данъчен, инвестиционен, финансов или каквато и да е друга форма на съвет. Важно е да инвестирате само това, което можете да си позволите да загубите, и да потърсите независим финансов съвет, ако имате някакви съмнения. За допълнителна информация предлагаме да се обърнете към правилата и условията, както и към страниците за помощ и поддръжка, предоставени от издателя или рекламодателя. MetaversePost се ангажира с точно, безпристрастно отчитане, но пазарните условия подлежат на промяна без предизвестие.
За автора
Дамир е ръководител на екип, продуктов мениджър и редактор в Metaverse Post, обхващащи теми като AI/ML, AGI, LLMs, Metaverse и Web3- свързани полета. Статиите му привличат огромна аудитория от над милион потребители всеки месец. Изглежда, че е експерт с 10 години опит в SEO и дигитален маркетинг. Дамир е споменат в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto и други публикации. Той пътува между ОАЕ, Турция, Русия и ОНД като дигитален номад. Дамир получава бакалавърска степен по физика, която според него му е дала уменията за критично мислене, необходими за успех в непрекъснато променящия се пейзаж на интернет.
Още статии
Дамир е ръководител на екип, продуктов мениджър и редактор в Metaverse Post, обхващащи теми като AI/ML, AGI, LLMs, Metaverse и Web3- свързани полета. Статиите му привличат огромна аудитория от над милион потребители всеки месец. Изглежда, че е експерт с 10 години опит в SEO и дигитален маркетинг. Дамир е споменат в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto и други публикации. Той пътува между ОАЕ, Турция, Русия и ОНД като дигитален номад. Дамир получава бакалавърска степен по физика, която според него му е дала уменията за критично мислене, необходими за успех в непрекъснато променящия се пейзаж на интернет.
