作者 | 卷毛

編輯 | 松露

*頭圖來源于DALL·E 3，描述：一個由擬人化的秋天樹葉組成的民謠樂隊的2D動畫，每一片樹葉都演奏著傳統(tǒng)的藍(lán)草樂器，在鄉(xiāng)村森林的背景中，點綴著豐收之月的柔光。

全自動畫圖神器來了！ChatGPT現(xiàn)在能直接出圖了。

只需要告訴ChatGPT你想要一張什么圖，ChatGPT就能直接幫你寫好完整的描述詞，給到DALL·E 3生成圖片。像這張混合星云爆炸的扣籃創(chuàng)意圖，換成以往的AI繪圖產(chǎn)品，一般都需要費力編寫大段的“咒語”才能實現(xiàn)。

“一幅表現(xiàn)籃球運動員扣籃的油畫，描繪的是星云的爆炸”，圖源DALL·E 3

DALL·E 3是OpenAI最近推出的新版AI繪圖模型，原生構(gòu)建在ChatGPT之上，進(jìn)一步降低了AI繪畫門檻，用戶可以在對話中將自己的想法轉(zhuǎn)化成準(zhǔn)確的圖像，甚至還能畫出正確的文字。

用戶問ChatGPT“我5歲的孩子說的超級向日葵刺猬，它應(yīng)該長什么樣子”，ChatGPT立馬寫了四段不同風(fēng)格的提示詞，并生成對應(yīng)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。一縷陽光穿透云層，照亮了心臟，揭示了其中的小宇宙。地平線上鐫刻著一行醒目的大字 Find the universe within you”，圖源DALL·E 3

目前只有一小部分ChatGPT Plus用戶獲得了內(nèi)測資格。不過很快，與OpenAI深度合作的微軟便將DALL·E 3集成在瀏覽器Bing中，可供所有Bing Chat和Bing Image Creator用戶免費使用。由于來嘗鮮的用戶太多，Bing最近流量激增，報道稱微軟又緊急增加了數(shù)千臺服務(wù)器上線。

有了ChatGPT支持的DALL·E 3真的像介紹的這么厲害嗎？和Midjourney等其他AI繪畫產(chǎn)品又有什么區(qū)別呢？“頭號AI玩家”在Bing上對DALL·E 3進(jìn)行了一番測評。

p.s. 想要體驗的玩家可以訪問以下兩個入口，登錄微軟賬戶即可使用，目前Bing Image Create每天有25次免費的快速生成額度，用完之后生成圖片需要更長的時間。

Bing Image Create網(wǎng)址：https://cn.bing.com/create

Bing Chat網(wǎng)址：https://www.microsoft.com/zh-cn/edge/launch/bing-chat-3p?form=MY02CJ&OCID=MY02CJ&q

文章插圖

內(nèi)容創(chuàng)作者為了減少購買版權(quán)素材的成本，或者快速找到符合需求的圖片，可能會試著用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默認(rèn)生成了四張1024*1024分辨率的圖片，內(nèi)容相似，都是拿著放大鏡觀察市場數(shù)據(jù)。

我們可以給出更詳細(xì)的要求，比如“畫一個現(xiàn)實里的招聘市場，人來人往，非常熱鬧”。不過DALL·E 3理解錯了現(xiàn)實里的意思，變成了插畫風(fēng)格，并寫上了文字“Real Job Market”，部分圖片的文字還出現(xiàn)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”?？上У氖牵珼ALL·E 3給出的圖比較抽象，虛實結(jié)合，還是出現(xiàn)了文字。

相比之下，同樣的提示詞，Midjourney的理解就比較準(zhǔn)確了，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(xiàn)基本不錯，只是交叉的手指都沒處理好。

而Midjourney與DALL·E 3的理解不同，認(rèn)為是兩個人在面對面對談，四張圖的人物、環(huán)境、風(fēng)格差異都比較大，細(xì)節(jié)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，除了給出明確的提示詞，我們還可以試著直接輸入一段文字，要求生成符合文意的配圖。

這段話討論了非技術(shù)人員怎么跟上AI浪潮，語義復(fù)雜，并沒有描述具體的人或事物，DALL·E 3的結(jié)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，也有許多人圍繞著智慧大腦的脈絡(luò)進(jìn)行工作，從不同角度切中了文意。

我們試著在其中一張原圖的基礎(chǔ)上繼續(xù)加入文字“AI”，但是DALL·E 3重新生成了四張跟原圖無關(guān)的圖片，似乎不能直接修改已生成的圖片，比如調(diào)整一些細(xì)節(jié)。

LOGO設(shè)計

既然有了ChaGPT支持，我們不妨讓DALL·E 3幫我們完善想法，自動生成詳細(xì)提示，定制一張個性化的LOGO。

一開始Bing認(rèn)為“頭號AI玩家”與人工智能和游戲有關(guān)，所以設(shè)計的LOGO主體是一個機器人拿著游戲手柄。在補充了賬號信息和主色調(diào)后，Bing以人工智能頭像和數(shù)字1為主要元素重新設(shè)計了四張圖。

第三張感覺更簡潔一些，我們繼續(xù)溝通修改。

可以看到，Bing能比較好地理解需求，但生成的文字有時不太準(zhǔn)確，需要再后期修改。對比Midjourney，我們無法實現(xiàn)這樣來回的溝通，只能自己琢磨提示詞，并且很難生成AIGC這么多文字，Midjourney的優(yōu)勢在于生成的圖片質(zhì)量比較高，設(shè)計感更強。

The logo named after AIGC PLAYER, Purple, simple, technological sense, no complicated lines --v 5.2

產(chǎn)品圖/營銷圖

在廣告營銷、電商領(lǐng)域，AI商品圖的應(yīng)用越來越多，那么DALL·E 3能生成可用的素材圖嗎？

我們先讓Bing生成一只中式風(fēng)格的、適合秋冬使用的手提包，看來它理解的中式是喜慶、刺繡、流蘇。

換成傳統(tǒng)與現(xiàn)代結(jié)合的新中式風(fēng)格呢？果然變成了黑色、金色為主的皮質(zhì)包包，不過還是保留了復(fù)雜的刺繡圖案。即使要求裝飾簡約一點，Bing理解的中式風(fēng)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(yōu)雅的女模特拿著這只包，那Bing暫時還做不到，會像前文一樣重新根據(jù)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(guān)物品環(huán)繞，放置在干凈的背景上。

X@chaseleantj

想生成類似的圖片卻不知道怎么寫提示詞， 沒關(guān)系，直接問Bing就行了。

創(chuàng)意梗圖

AI降低了創(chuàng)作的門檻，可以幫助我們把腦中的奇思妙想畫出來，其隨機性也擴寬了想象力的邊界。因而，創(chuàng)意梗圖一直是AI繪圖領(lǐng)域的熱門類型。

我們來開開腦洞，讓Bing畫一只巨大的貓咪爬在東方明珠電視塔上。

只有左下的一張比較符合要求，其他東方明珠塔的數(shù)量和造型都有些錯誤，而且貓咪看起來像是動畫建模，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(rèn)識Loopy，理解成了古怪的、瘋狂的意思。我們告訴Bing它來自韓國動畫片《小企鵝Pororo》之后，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(xùn)練。如果換成更經(jīng)典的IP，那么DALL·E 3和Midjourney都能準(zhǔn)確表現(xiàn)，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(fēng)格，非常貼合萬圣節(jié)的氛圍，我們試試直接輸入這一大段的描述。

四張圖片基本都滿足要求，左上的皮卡丘有點怪可愛的。但是同樣的提示詞，Midjourney就不能完全理解，還是需要轉(zhuǎn)換成“咒語”。

故事書/漫畫

在OpenAI官方演示中，ChatGPT可以通過自然的對話生成一只想象中的刺猬，并逐步生成完整的故事情節(jié)、繪本和系列貼紙。所以畫故事書/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，然后根據(jù)自動生成的提示詞畫出完整作品。

以丑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，的確有丑小鴨和白天鵝，是兒童繪本的形式，但是前后缺乏邏輯關(guān)系，情節(jié)呈現(xiàn)不完整，可能還是需要自己按照一個個情節(jié)依次引導(dǎo)生成。

Bing還可以重新創(chuàng)作一個新的故事，比如它幫我設(shè)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(zhàn)斗畫面。真別說，故事梗概和畫面都挺符合我的想象的，你覺得怎么樣呢？

小結(jié)

通過以上測評，可以看到DALL·E 3在搭載了ChatGPT后，可以完全用自然語言進(jìn)行交流，在對話中繪圖創(chuàng)作，不用復(fù)雜的提示工程，簡短的提示詞就能生成不錯的圖片，對抽象需求的理解能力也比較強，支持中文。不過文生圖仍然是越詳細(xì)的描述，輸出越準(zhǔn)確，這一點沒有變。

DALLE·3和Midiourney等其他AI繪圖產(chǎn)品相比，各有其優(yōu)劣勢：

在使用體驗和交互上，DALLE·3的交互式繪圖比較直觀方便，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平臺上運行，需要在特定的頻道里輸入描述，不能文字交互。文心一言雖然也可以在網(wǎng)頁上通過對話繪圖，但缺少上下文理解，不能繼續(xù)調(diào)整，目前一次只能生成一張圖。

圖源文心一言

在生成圖片方面，DALL·E 3的優(yōu)勢是能生成較為準(zhǔn)確的文本，可能有錯誤，但其他AI繪畫產(chǎn)品目前直接文生圖得到的文字都難以辨認(rèn)，需要借助微調(diào)模型上傳參考文字再融合。DALL·E 3默認(rèn)生成1024*1024的正方形圖片，適用范圍較窄，而Midiourney可自定義多種尺寸，其他AI繪圖產(chǎn)品基本都支持不同比例。

對于寫實風(fēng)格的圖片，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(jīng)非常逼真了，Stable Diffusion也有超寫實的人像模型。

另外，在Bing上要求修改圖片的時候，Bing是根據(jù)對話修改提示語再輸入DALL·E 3進(jìn)行生成，而不是直接修改已生成的圖片，DALL·E 3暫時還不能像Midjourney一樣快速進(jìn)行微調(diào)，包括擴圖、修改局部細(xì)節(jié)，更不用說Stable Diffusion復(fù)雜的參數(shù)調(diào)整了。所以作為專業(yè)創(chuàng)作者的生產(chǎn)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的內(nèi)容限制較為嚴(yán)格，拒絕生成涉及公眾人物、暴力、成人或仇恨內(nèi)容的圖像，比如要求畫一張馬斯克在火星上的照片，Bing顯示無法創(chuàng)建。

根據(jù)OpenAI發(fā)布的DALL·E 3的22頁技術(shù)報告，ChatGPT會改寫提示，包括刪除公眾人物的名字、將人物與特定屬性聯(lián)系起來，以及以通用方式書寫品牌。OpenAI還開發(fā)了圖像分類器來檢測圖像中的存疑內(nèi)容并阻止模型繼續(xù)生成。

報告地址：https://cdn.openai.com/papers/DALL_E_3_System_Card.pdf

同時，微軟表示，為了保證用戶通過Bing Image Creator創(chuàng)建的內(nèi)容的安全性，已經(jīng)在生成的圖片中內(nèi)置了，符合C2PA規(guī)范的數(shù)字水印，包含圖片創(chuàng)立日期、出處等信息。人的肉眼無法看見這些水印，但AI能識別出來。

總之，OpenAI的DALL·E 3現(xiàn)在加上了理解文字和圖像的智慧大腦，我們可以把ChatGPT作為合作伙伴一起頭腦風(fēng)暴進(jìn)行創(chuàng)作，無論是出于娛樂愛好或者專業(yè)需求。AI繪畫模型正在不斷進(jìn)化，根據(jù)不同的用戶需求和適用場景可以選擇不同的工具，DALL·E 3不會完全替代其他產(chǎn)品，但新的創(chuàng)作方式已經(jīng)更進(jìn)一步了。