在国内AI大模型已将“文生图”功能搞得如火如荼的时候,ChatGPT最终“姗姗来迟”地用上了AI绘画功能。
北京时间9月21日清晨,OpenAI官方发布一条视频,配以“DALL·E 3(握手)ChatGPT”的文字,正式宣告了旗下两大AI大模型的结合。
官网还给出了详细上线时间:会员版(20美元/月)和企业版10月可用,面向研发实验室的API接口则在今年秋天晚些时候供给。
大语言模型竞赛最初引爆点的ChatGPT自不必多说,另一款DALL·E模型则面向图像生成行业,在2021年1月5日推出,是最早的一批AI图像生成大模型,亦叫作得上是AI绘画行业的开启者和引领者。
而此刻,两个各自行业的引领者的合并,或许又将诱发新一轮的风暴。
···
OpenAI官方宣布,新的结合体即DALL·E模型第三代——DALL·E 3。
它再也不必须以往AI绘画的繁杂到自成体系(乃至必须专门学习)的提示词,亦再也不仅有文字之间的聊天。用户只必须用最自然浅显的文字描述自己想象中的场景,善于阅读理解的ChatGPT和专长画画的DALL·E,就能直接一步到位生成图像。
就像是官网放出的例子,给出的描述(从左往右,从上至下)是:
人行道上的行人们熙熙攘攘,正在享受她们的夜生活。
满月照耀着繁华的都市街道。
在街角的小摊上,一位满头红发、身着标志性天鹅绒斗篷的青年女子正与脾气暴躁的老摊主讨价还价。
脾气暴躁的老摊主身材高挑、成熟,穿着笔挺的西装,留着引人注目的小胡子,正在用他的蒸汽朋克式tel兴致勃勃地交流。
能够看到,最后生成的图像不仅一一还原出了“满头红发”“天鹅绒斗篷”“蒸汽朋克式tel”这些关键词,连“享受夜生活”“脾气暴躁”“兴致勃勃”等较为模糊、主观色彩较浓的描述,亦给出了自己的理解。
而对比尚未结合ChatGPT的第二代DALL·E模型,面对相同的描述——“一幅富有表现力的篮球运动员扣篮油画”,DALL·E 2将“星云爆炸”的意象与扣篮动作拼在了一块,而DALL·E 3则直接将“星云爆炸”意象与扣篮运动员进行了融合。
左为DALL·E 2,右为DALL·E 3
从官网放出的示例照片和视频来看,DALL·E 3的最大优良在于整合了ChatGPT强大的自然语言处理能力,不仅在语言理解上大幅飞跃,还能自己写设备易于理解的提示词,再将其“转达”给图像生成的模块,最后就能生成细节和还原想象程度都再次飞跃的图像。
···
除了以上核心功能,AI图像标注、隐私安全、训练数据源自等始终备受关注的问题亦均在这次新制品中有所触及。
OpenAI暗示,她们正在研发一种图像源自“鉴别器”,以帮忙人们识别某一图像是不是是由于DALL·E 3生成的AI产物。这一工具会嵌套在DALL·E 3内部,在将来一块推出。
在隐私安全上,OpenAI提出已与红队专家(对模型进行压力测试的行业专家)合作,防止DALL·E 3生成暴力、色情或其他有害照片,在针对公众名人关联的照片和信息亦会加强危害评定能力。
还有当前非常多创造者所诟病的“我的绘画未经同意便被爬取做为训练数据”的状况,OpenAI暗示,艺术家能够填写表格,禁止她们的网络爬虫GPTBot拜访自己的个人网站,还能够直接向官方发送邮件指明自己的隐私图像,这般,官方亦会将其从训练数据中删掉。
采写:南都记者 杨博雯
|