Hvordan kombinere ChatGPT Dall-E 3-meldinger med MidJourney

Bedre sammen?

DALL-E 3 via ChatGPT Plus er flott til å lage nøyaktige bilder fra selvgenererte spørsmål, men MidJourney er fortsatt mer kunstnerisk. Ved å kombinere meldingene fra ChatGPT med den nyeste MidJourney-bildemodellen kan du få det beste fra begge verdener.

Hvorfor bruke DALL-E 3-instruksjoner med MidJourney?

Mens DALL-E 3 er flott for å lage spesifikke bilder med presise komposisjoner enkelt, mangler den en viss kunstnerisk og visuell stil sammenlignet med MidJourney. Dette er lett å se dette nedenfor fordi vi har brukt den samme ledeteksten mellom de to bildegeneratorene, og det lar oss sammenligne begge bildeutdataene direkte. Om det ene eller det andre er bedre er riktignok et spørsmål om mening, men det er lite argument for at de detaljerte spørsmålene generert av ChatGPT for DALL-E er en god del bedre enn de anemiske oppfordringene de fleste kommer med for MidJourney. Tenk på forskjellen mellom DALL-E 3 til venstre og MidJourney til høyre her, ved å bruke identiske ledetekster:

Jeg har prøvd å generere meldinger med vanlig vanilje ChatGPT (både gratis- og betaltversjonen), og selv om det vil lage en melding for bruk med MidJourney, virker ikke disse meldingene på langt nær så gode som de som er opprettet av den spesialiserte DALL -E-modus for ChatGPT. Jeg vet ikke om det bare er placeboeffekten i aksjon, men det er naturlig at OpenAI ville ha gjort noen finjusteringer med denne ChatGPT-modusen for å produsere bedre bilder.

Hvordan DALL-E 3 fungerer i ChatGPT

For å forstå hvorfor du kan få så gode spørsmål fra DALL-E 3, er det nødvendig å kort forklare hvordan generering av bilder ved hjelp av ChatGPT og DALL-E 3 fungerer, og hvordan det skiller seg fra MidJourney.

I MidJourney legger du inn en «prompt» direkte inn i bildegeneratoren. MidJourney AI-modellen vil ta disse ordene og prøve å skildre dem som et bilde gjennom en prosess kjent som "diffusjon". Selv små endringer i den eksakte ordlyden eller strukturen til forespørselen kan ha dramatiske effekter på sluttresultatet. Dette er grunnen til at kunsten å "prompt engineering" har blitt utbredt der noen mennesker ser ut til å ha en evne til å formulere seg eller oppdage spørsmål som konsekvent skaper bedre bilder.

Når du bruker DALL-E 3 gjennom ChatGPT, er ikke kontrollene dine like direkte. Du vil forklare ChatGPT hva det er du vil ha avbildet på bildet, men selve forespørselen som sendes til DALL-E 3 er komponert av ChatGPT.

Dette betyr at AI-chatboten tar over jobben som prompt ingeniør, og det gir oss muligheten til å bruke sin raske ingeniørkompetanse i MidJourney.

Portering av ChatGPTs DALL-E 3 ber tilbake til MidJourney

Det er ikke umiddelbart åpenbart hvor de faktiske spørsmålene er som DALL-E 3 har brukt for å lage bildene du ba om, men alt du trenger å gjøre er å klikke på et av bildene i resultatene for å åpne galleriet.

Til høyre for bildet er ledeteksten, selv om du sannsynligvis ikke vil se alt i forhåndsvisningen. Klikk på "Kopier"-knappen under ledeteksten for å kopiere den til utklippstavlen.

Deretter, i MidJourney, limer du inn ledeteksten i Discord der du vanligvis skriver inn ledeteksten. Legg til parametere som er MidJourney-spesifikke (som sideforholdet) og send instruksjonene til AI.

Neste, nyt resultatene!

Husk at hvert av de (opptil) fire bildene som DALL-E 3 produserer i ChatGPT vil ha sin egen unike prompt, så bruk det som resulterte i det beste resultatet etter din egen smak.

Selv om jeg har vært svært imponert over DALL-E 3 så langt, er jeg ikke helt klar til å kansellere MidJourney-abonnementet mitt ennå. Hver gang jeg får en spesielt god melding fra DALL-E 3, kjører jeg den gjennom MidJourney bare for å se hva den mindre reserverte AI-artisten lager med de samme instruksjonene.