作者 | 卷毛
編輯 | 松露
*頭圖來源于DALL·E 3，描述：一個由拟人化的秋天樹葉組成的民謠樂隊的2D動畫，每一片樹葉都演奏着傳統的藍草樂器，在鄉村森林的背景中，點綴着豐收之月的柔光。
全自動畫圖神器來了！ChatGPT現在能直接出圖了。
隻需要告訴ChatGPT你想要一張什麼圖，ChatGPT就能直接幫你寫好完整的描述詞，給到DALL·E 3生成圖檔。像這張混合星雲爆炸的扣籃創意圖，換成以往的AI繪圖産品，一般都需要費力編寫大段的“咒語”才能實作。
“一幅表現籃球運動員扣籃的油畫，描繪的是星雲的爆炸”，圖源DALL·E 3
DALL·E 3是OpenAI最近推出的新版AI繪圖模型，原生建構在ChatGPT之上，進一步降低了AI繪畫門檻，使用者可以在對話中将自己的想法轉化成準确的圖像，甚至還能畫出正确的文字。
使用者問ChatGPT“我5歲的孩子說的超級向日葵刺猬，它應該長什麼樣子”，ChatGPT立馬寫了四段不同風格的提示詞，并生成對應圖像
“這幅插畫描繪了一顆由半透明玻璃制成的人心，矗立在驚濤駭浪中的基座上。一縷陽光穿透雲層，照亮了心髒，揭示了其中的小宇宙。地平線上镌刻着一行醒目的大字 Find the universe within you”，圖源DALL·E 3
目前隻有一小部分ChatGPT Plus使用者獲得了内測資格。不過很快，與OpenAI深度合作的微軟便将DALL·E 3內建在浏覽器Bing中，可供所有Bing Chat和Bing Image Creator使用者免費使用。由于來嘗鮮的使用者太多，Bing最近流量激增，報道稱微軟又緊急增加了數千台伺服器上線。
有了ChatGPT支援的DALL·E 3真的像介紹的這麼厲害嗎？和Midjourney等其他AI繪畫産品又有什麼差別呢？“頭号AI玩家”在Bing上對DALL·E 3進行了一番測評。
p.s. 想要體驗的玩家可以通路以下兩個入口，登入微軟賬戶即可使用，目前Bing Image Create每天有25次免費的快速生成額度，用完之後生成圖檔需要更長的時間。
Bing Image Create網址：https://cn.bing.com/create
Bing Chat網址：https://www.microsoft.com/zh-cn/edge/launch/bing-chat-3p?form=MY02CJ&OCID=MY02CJ&q
文章插圖
内容創作者為了減少購買版權素材的成本，或者快速找到符合需求的圖檔，可能會試着用AI生成配圖。
我們先用簡短的提示詞試試，輸入“畫一個招聘市場”，DALL·E 3預設生成了四張1024*1024分辨率的圖檔，内容相似，都是拿着放大鏡觀察市場資料。
我們可以給出更詳細的要求，比如“畫一個現實裡的招聘市場，人來人往，非常熱鬧”。不過DALL·E 3了解錯了現實裡的意思，變成了插畫風格，并寫上了文字“Real Job Market”，部分圖檔的文字還出現了錯誤。
作為甲方，我們再次提出了修改意見——“人頭攢動的招聘市場，寫實攝影，不含文字，橫屏”。可惜的是，DALL·E 3給出的圖比較抽象，虛實結合，還是出現了文字。
相比之下，同樣的提示詞，Midjourney的了解就比較準确了，滿屏都是求職者。
Crowded recruitment market, realistic photography, no text --ar 16:9 --v 5.2
換一個簡單點的描述看看，“兩個中國人在面試中”，這下DALL·E 3的表現基本不錯，隻是交叉的手指都沒處理好。
而Midjourney與DALL·E 3的了解不同，認為是兩個人在面對面對談，四張圖的人物、環境、風格差異都比較大，細節上比DALL·E 3更真實一些。
Two Chinese people during the interview --ar 16:9 --v 5.2
DALL·E 3的特色在于能夠在對話中生成圖像，除了給出明确的提示詞，我們還可以試着直接輸入一段文字，要求生成符合文意的配圖。
這段話讨論了非技術人員怎麼跟上AI浪潮，語義複雜，并沒有描述具體的人或事物，DALL·E 3的結果令人驚喜，有一座富有科技感的未來城市和工作在其中的人們，也有許多人圍繞着智慧大腦的脈絡進行工作，從不同角度切中了文意。
我們試着在其中一張原圖的基礎上繼續加入文字“AI”，但是DALL·E 3重新生成了四張跟原圖無關的圖檔，似乎不能直接修改已生成的圖檔，比如調整一些細節。
LOGO設計
既然有了ChaGPT支援，我們不妨讓DALL·E 3幫我們完善想法，自動生成詳細提示，定制一張個性化的LOGO。
一開始Bing認為“頭号AI玩家”與人工智能和遊戲有關，是以設計的LOGO主體是一個機器人拿着遊戲搖桿。在補充了賬号資訊和主色調後，Bing以人工智能頭像和數字1為主要元素重新設計了四張圖。
第三張感覺更簡潔一些，我們繼續溝通修改。
可以看到，Bing能比較好地了解需求，但生成的文字有時不太準确，需要再後期修改。對比Midjourney，我們無法實作這樣來回的溝通，隻能自己琢磨提示詞，并且很難生成AIGC這麼多文字，Midjourney的優勢在于生成的圖檔品質比較高，設計感更強。
The logo named after AIGC PLAYER, Purple, simple, technological sense, no complicated lines --v 5.2
産品圖/營銷圖
在廣告營銷、電商領域，AI商品圖的應用越來越多，那麼DALL·E 3能生成可用的素材圖嗎？
我們先讓Bing生成一隻中式風格的、适合秋冬使用的手提包，看來它了解的中式是喜慶、刺繡、流蘇。
換成傳統與現代結合的新中式風格呢？果然變成了黑色、金色為主的皮質包包，不過還是保留了複雜的刺繡圖案。即使要求裝飾簡約一點，Bing了解的中式風格依舊離不開刺繡。
而Midjourney生成的顯然更素雅一些，背景也更簡潔。
A new Chinese-style handbag that combines tradition and modernity for autumn and winter, with light and neutral colors and patterns --v 5.2
如果想換個背景和場景，比如秀場上，一個優雅的女模特拿着這隻包，那Bing暫時還做不到，會像前文一樣重新根據描述生圖。
最近推特上還流行一種DALL·E 3的玩法，用來生成一些排列整體的Knolling攝影照片，如下圖所示，一個主體周圍有許多相關物品環繞，放置在幹淨的背景上。
X@chaseleantj
想生成類似的圖檔卻不知道怎麼寫提示詞， 沒關系，直接問Bing就行了。
創意梗圖
AI降低了創作的門檻，可以幫助我們把腦中的奇思妙想畫出來，其随機性也擴寬了想象力的邊界。因而，創意梗圖一直是AI繪圖領域的熱門類型。
我們來開開腦洞，讓Bing畫一隻巨大的貓咪爬在東方明珠電視塔上。
隻有左下的一張比較符合要求，其他東方明珠塔的數量和造型都有些錯誤，而且貓咪看起來像是動畫模組化，不太真實。
Midjourney雖然畫出了真實的貓，但地點不在東方明珠塔，大小比例也不對。
A giant cat climbing on the Oriental Pearl TV Tower --v 5.2
下面我們再畫一張最近的熱門IP表情包，“Loopy正在上班”。
起初Bing不認識Loopy，了解成了古怪的、瘋狂的意思。我們告訴Bing它來自南韓卡通片《小企鵝Pororo》之後，Bing表示明白了，卻把正在工作的主角換成了企鵝。
看來DALL·E 3還缺乏對于最新流行的素材訓練。如果換成更經典的IP，那麼DALL·E 3和Midjourney都能準确表現，并且DALL·E 3還配上了文字“假裝上班，正在摸魚”。
A meme of Pikachu working at a computer --v 5.2
最近AI繪畫還流行一種模仿iPhone拍攝的恐怖照片風格，非常貼合萬聖節的氛圍，我們試試直接輸入這一大段的描述。
提示詞：“a picture being taken of a cryptid sighting of [your character] as he runs into the bushes. [your character] has gone completely insane. He turns his head and creepily looks into the camera as he makes his getaway. There's a thick fog, and the scene is dimly lit."
四張圖檔基本都滿足要求，左上的皮卡丘有點怪可愛的。但是同樣的提示詞，Midjourney就不能完全了解，還是需要轉換成“咒語”。
故事書/漫畫
在OpenAI官方示範中，ChatGPT可以通過自然的對話生成一隻想象中的刺猬，并逐漸生成完整的故事情節、繪本和系列貼紙。是以畫故事書/漫畫的流程被大大縮短了，如果你有一個想法，可以讓AI先幫忙擴寫故事、描繪場景，然後根據自動生成的提示詞畫出完整作品。
以醜小鴨變天鵝的故事為例，我們要求Bing把這個過程以兒童繪本的形式畫出來。
Bing雖然一口氣生成了三個畫面，的确有醜小鴨和白天鵝，是兒童繪本的形式，但是前後缺乏邏輯關系，情節呈現不完整，可能還是需要自己按照一個個情節依次引導生成。
Bing還可以重新創作一個新的故事，比如它幫我設想了一個擁有超能力的超級英雄“洋蔥俠”，畫出了它和邪惡廚師的戰鬥畫面。真别說，故事梗概和畫面都挺符合我的想象的，你覺得怎麼樣呢？
小結
通過以上測評，可以看到DALL·E 3在搭載了ChatGPT後，可以完全用自然語言進行交流，在對話中繪圖創作，不用複雜的提示工程，簡短的提示詞就能生成不錯的圖檔，對抽象需求的了解能力也比較強，支援中文。不過文生圖仍然是越詳細的描述，輸出越準确，這一點沒有變。
DALLE·3和Midiourney等其他AI繪圖産品相比，各有其優劣勢：
在使用體驗和互動上，DALLE·3的互動式繪圖比較直覺友善，降低了使用門檻，還能直接讀懂大段文字自動作圖。Midjourney目前主要在Discord平台上運作，需要在特定的頻道裡輸入描述，不能文字互動。文心一言雖然也可以在網頁上通過對話繪圖，但缺少上下文了解，不能繼續調整，目前一次隻能生成一張圖。
圖源文心一言
在生成圖檔方面，DALL·E 3的優勢是能生成較為準确的文本，可能有錯誤，但其他AI繪畫産品目前直接文生圖得到的文字都難以辨認，需要借助微調模型上傳參考文字再融合。DALL·E 3預設生成1024*1024的正方形圖檔，适用範圍較窄，而Midiourney可自定義多種尺寸，其他AI繪圖産品基本都支援不同比例。
對于寫實風格的圖檔，DALL·E 3生成的人臉和手看起來可能失真，而Midiourney目前V5.2版本已經非常逼真了，Stable Diffusion也有超寫實的人像模型。
另外，在Bing上要求修改圖檔的時候，Bing是根據對話修改提示語再輸入DALL·E 3進行生成，而不是直接修改已生成的圖檔，DALL·E 3暫時還不能像Midjourney一樣快速進行微調，包括擴圖、修改局部細節，更不用說Stable Diffusion複雜的參數調整了。是以作為專業創作者的生産力工具而言，DALL·E 3的實用性還不夠強。
在安全問題上，DALL·E 3的内容限制較為嚴格，拒絕生成涉及公衆人物、暴力、成人或仇恨内容的圖像，比如要求畫一張馬斯克在火星上的照片，Bing顯示無法建立。
根據OpenAI釋出的DALL·E 3的22頁技術報告，ChatGPT會改寫提示，包括删除公衆人物的名字、将人物與特定屬性聯系起來，以及以通用方式書寫品牌。OpenAI還開發了圖像分類器來檢測圖像中的存疑内容并阻止模型繼續生成。
報告位址：https://cdn.openai.com/papers/DALL_E_3_System_Card.pdf
同時，微軟表示，為了保證使用者通過Bing Image Creator建立的内容的安全性，已經在生成的圖檔中内置了，符合C2PA規範的數字水印，包含圖檔創立日期、出處等資訊。人的肉眼無法看見這些水印，但AI能識别出來。
總之，OpenAI的DALL·E 3現在加上了了解文字和圖像的智慧大腦，我們可以把ChatGPT作為合作夥伴一起頭腦風暴進行創作，無論是出于娛樂愛好或者專業需求。AI繪畫模型正在不斷進化，根據不同的使用者需求和适用場景可以選擇不同的工具，DALL·E 3不會完全替代其他産品，但新的創作方式已經更進一步了。