Sa landscape ng artificial intelligence, ang pagbuo ng imahe ay isang lugar na nakakaranas ng exponential growth. OpenAI, kasama ang bagong modelo nito DALL-E3, ay nagdadala ang teknolohiyang ito sa isang ganap na bagong antas, na nag-aalok ng mga dati nang hindi maiisip na posibilidad. Ipinapaliwanag namin nang detalyado ang mga advanced na tampok ng DALL-E 3, kung paano ihambing sa mga nakaraang modelo at ang mga hakbang sa seguridad na ipinatupad upang matiyak ang responsableng paggamit.
Mga paksa ng artikulong ito:
I-UPDATE: ANG DALL-E 3 AY AVAILABLE NA NGAYON PARA SA LAHAT – MGA DETALYE SA DULO NG ARTIKULO
Mga teknikal na detalye at bagong tampok DALL-E 3
Ang Dall-e 3 ay hindi lamang isa pang modelo ng pagbuo ng imahe; ito ay isang evolutionary leap na kinabibilangan ng mga nuances at mga detalye na mas advanced kaysa sa mga nakaraang system. Ito ay nagpapahintulot sa iyo na isalin ang mga ideya sa mga larawan pambihirang tumpak.
Isa sa mga pinakakahanga-hangang katangian nito ay ang kakayahang sundin ang mga kumplikadong senyas upang makabuo ng mga larawang tumpak na kumakatawan sa isang eksena na may mga partikular na bagay at ang mga ugnayan sa pagitan ng mga ito. Halimbawa, kung gusto mo ng representasyon ng "park sa paglubog ng araw na may dalawang asong naglalaro", ang Dall-e 3 ay makakabuo ng larawan na kumukuha ng lahat ng elementong ito gamit ang nakakagulat na realismo.
Basahin din ang: Inilunsad ng Adobe ang Firefly, ang AI katapat ng Midjourney at DALL-E
Pagsasama sa pagitan ng DALL-E 3 at ChatGPT
Ang katutubong pagsasama sa ChatGPT ay isa sa mga pinaka-makabago at kapaki-pakinabang na tampok ng DALL-E 3. Ang synergy na ito sa pagitan ng dalawang produkto ng OpenAI ay nagbubukas ng mga bagong hangganan sa pagbuo ng nilalaman, parehong textual at visual. Habang ang DALL-E 3 ay dalubhasa sa paglikha ng mga detalyadong, makatotohanang mga imahe batay sa mga senyas ng teksto, Ang ChatGPT ay gumaganap bilang isang perpektong kasosyo upang pinuhin at idetalye ang mga senyas na ito.
Isipin, halimbawa, na ang isang user ay gustong bumuo ng isang imahe ng isang "tropikal na beach sa paglubog ng araw na may mga palm tree at isang campfire." Pagkatapos matanggap ang imahe mula sa Dall-e 3, maaaring mapansin ng gumagamit na ang siga ay hindi eksaktong nakaposisyon kung saan niya ito gusto. Sa kasong ito, maaari lang makipag-ugnayan sa ChatGPT at magtanong sa “ilapit ang campfire sa tubig". Ang ChatGPT ay bubuo ng bagong verbose prompt na gagamitin ng image generative model upang lumikha ng bagong larawan na nakakatugon sa kahilingan.
Ang pagsasama-samang ito ay ginagawang hindi lamang mas tumpak ang proseso ng paglikha ng imahe ngunit hindi kapani-paniwalang flexible at interactive. Ang mga gumagamit ay hindi mas nalilimitahan sila ng isang set ng mga default na opsyon o sa pamamagitan ng kumplikadong agarang engineering. Sa halip, mayroon silang kalayaang makipagtulungan sa system, gumawa ng mga pagbabago at pagpipino sa real time para makuha kung ano mismo ang gusto nila.
Tumutok sa kaligtasan
Ang seguridad ay isang lumalagong alalahanin sa mundo ng AI, at ang OpenAI ay gumawa ng mga seryosong hakbang sa bagay na ito. Tulad ng mga nakaraang paglabas, ang mga hakbang ay ginawa sa limitahan ang kakayahan ng Dall-e 3 na bumuo ng marahas, pang-adulto o mapoot na nilalaman. Ang template ay idinisenyo upang tanggihan ang mga kahilingan na humihingi ng isang imahe sa estilo ng isang buhay na artist. Higit pa rito, maaari ring piliin ng mga user na ibukod ang kanilang mga imahe mula sa pagbuo ng mga hinaharap na modelo ng pagbuo ng imahe, na nag-aalok ng karagdagang antas ng kontrol at seguridad.
Kailan ito darating sa ChatGPT?
Inanunsyo ng OpenAI na ang DALL-E 3 ay magiging available sa mga customer ng ChatGPT Plus at ChatGPT Enterprise Simula sa Oktubre. Ito ay kumakatawan sa isang makabuluhang sandali, dahil mas pinagsasama nito ang pagsasama sa pagitan ng dalawa, na ginagawang naa-access ang malakas na mga kakayahan sa pagbuo ng imahe ng DALL-E 3 sa pamamagitan ng interface ng ChatGPT.
Ang mga gumagamit ay samakatuwid ay magagawang samantalahin ang parehong mga serbisyo sa isang solong kapaligiran, na nagpapadali paglikha ng visual at textual na nilalaman sa mas tuluy-tuloy at pinagsama-samang paraan. Ang paglulunsad na ito ay hinihintay nang may malaking interes, dahil ito ay nagmamarka ng isang karagdagang hakbang pasulong sa pananaw ng OpenAI na gawing isang kapaki-pakinabang na tool sa pakikipagtulungan ang artificial intelligence para sa mga tao.
UPDATE
Tulad ng ipinangako, OpenAI Nagpakawala siya sa ChatGPT Plus at Enterprise ang tool para sa pagbuo ng mga larawan. Ilarawan lamang ang isang bagay at bibigyang-buhay ito ng ChatGPT sa pamamagitan ng pagbibigay ng seleksyon ng mga visual na elemento upang pinuhin at ulitin ang prompt kung kinakailangan.
