OpenAI forbedrer sitt bildegenererende AI-verktøy med DALL-E 3

DALL-E 3 lover å generere mer nøyaktige bilder ved å forstå detaljene og nyansene i beskrivelsene dine. Se for deg selv!

OpenAI har avduket neste generasjon av sitt bildeskapingsverktøy. Den nye versjonen, kjent som DALL-E 3, er designet for å bedre forstå tekstbeskrivelsene dine for å lage mer presise og trofaste bilder. På sin nye DALL-E 3-nettside avslørte ikke OpenAI mye om verktøyet, men ga hint om hvordan det har som mål å overgå forgjengeren DALL-E 2.

DALL-E 3 er designet for å bedre forstå nyansene og detaljene i beskrivelsene dine, og dermed skape mer nøyaktige bilder, sa OpenAI. Nåværende AI-drevne bildegeneratorer ignorerer noen ganger ordene i beskrivelsene dine, noe som resulterer i bilder som går glipp av målet. Basert på bildene som vises på DALL-E 3-siden, virker den nye versjonen i stand til å lage mer nøyaktige, detaljerte og fantasifulle bilder.

Med buzz rundt AI, har bildegeneratorer blitt populære blant enkeltpersoner og bedrifter. Slike verktøy som DALL-E 2, Microsofts Bing Image Creator, Midjourney, Stable Diffusion, DreamStudio og Craiyon fungerer alle mer eller mindre likt. Ved å bruke en ledetekst beskriver du bildet du vil generere. Velg en stil og andre attributter. Som svar lager verktøyet ett eller flere bilder som forhåpentligvis samsvarer med forespørselen din.

Men som mange av dagens AI-roboter, kan disse bildegeneratorene være utfordrende å bruke. Vanligvis må du formulere spørsmålet ditt på den riktige måten. Og selv da tolker de ikke alltid forespørslene dine riktig. OpenAI erkjenner at moderne tekst-til-bilde-systemer tvinger deg til å lære rask engineering, og sa at DALL-E 3 ville være et sprang fremover i å generere bilder som bedre overholder beskrivelsene dine.

Bygget på ChatGPT, vil DALL-E 3 være tilgjengelig via ChatGPT-plattformen. Fordelen her er at du kan bruke ChatGPT til å brainstorme dine bildeideer og spørsmål. Du kan deretter stille en forespørsel om å lage et bilde ved å bruke en enkel setning eller et mer detaljert avsnitt.

I eksemplene som tilbys på DALL-E 3-nettsiden, viste OpenAI hvordan den nye versjonen ville fungere.

Ett bilde ble generert basert på beskrivelsen: "Små potetkonger som bærer majestetiske kroner, sitter på troner og overvåker deres enorme potetrike fylt med potetemner og potetslott."

En annen ble laget ut fra beskrivelsen: "En illustrasjon av en avokado som sitter i en terapeutstol og sier "Jeg føler meg bare så tom inni meg", med et hull på størrelse med en grope i midten. Terapeuten, en skje, skribler notater."

Og to bilder ble generert basert på en beskrivelse som lyder: "Et uttrykksfullt oljemaleri av en basketballspiller som dunker, avbildet som en eksplosjon av en tåke." Det ene bildet brukte DALL-E 2, mens det andre brukte DALL-E 3 .

OpenAI understreket også at den har begrenset DALL-E 3s evne til å lage voldelig, voksent eller hatefullt innhold - slik det har gjort med tidligere versjoner. Sikkerhetsforbedringer er gjort på områder som opprettelsen av offentlige personer og visse skadelige skjevheter. For eksempel vil verktøyet avslå spørsmål som ber om en offentlig person ved navn.

AI-genererte bilder kan også utgjøre et problem når de brukes til å skildre en virkelig person eller hendelse, og villede folk til å tro at bildet er ekte. For å bekjempe dette problemet sa OpenAI at det tester et nytt internt verktøy som kan fortelle om et bilde ble laget av DALL-E 3 eller ikke.

For øyeblikket i lukket testing, er DALL-E 3 planlagt å rulle ut til ChatGPT Plus- og Enterprise-kunder i begynnelsen av oktober.