DALL·E 3 能以惊人的精度将语言转化为图像，让 AI 艺术创作变得触手可及且直观易用。本指南将探讨 OpenAI 这款模型的工作原理、演进过程，以及如何在 Fiddl.art 上结合其他工具，将其用于你的创意项目。
从“牛油果椅”到 GPT-4 指导：DALL·E 的演进之路
2021 年 1 月，当 OpenAI 推出第一代 DALL·E 时，其生成的“牛油果椅”图像通过将不相关的概念融合成一个连贯的视觉作品，吸引了全球的目光。随后的 DALL·E 2 采用了扩散模型和 CLIP 指导，能够生成接近照片般真实的细节。而与 ChatGPT 集成的 DALL·E 3 则利用 GPT-4 将用户的提示词优化为详尽的场景描述，从而减少细节遗漏，并改善了图像内文字的渲染效果。2024 年，OpenAI 进一步扩大了访问范围，为免费用户提供每日生成次数，并将其升级后的 gpt-image-1 引擎集成到 Adobe Express 等工具中。
DALL·E 3 的工作原理：语言先行，像素其后
提示词扩展
DALL·E 3 利用 GPT-4 来丰富简单的提示词。例如，一个简单的提示词“黄昏时赛博朋克小巷里的一只猫”，会被扩展为一个包含光照、氛围和风格元素的详细场景描述，从而确保生成更丰富的图像内容。
基于 CLIP 引导的扩散过程
模型从随机噪声开始，通过 20-30 个步骤的迭代去噪过程来生成图像。CLIP 作为一个视觉语言模型，在每一步都会引导图像生成，以确保其与文本描述保持一致。
安全过滤器
OpenAI 的策略层会对提示词和生成结果进行筛选，阻止涉及真实公众人物、暴力或色情内容的请求。2024 年，针对未成年人和肖像的过滤器变得更加严格。
生成后编辑
用户可以请求进行微调，例如添加元素或调整视角，而无需从头开始，这既节省了时间，也保持了创作流程的连贯性。
局限性与负责任使用
闭源与使用政策
与 Stable Diffusion 等开源模型不同，DALL·E 3 的模型权重是专有的，其使用政策也限制了某些主题，这可能会对编辑或历史题材的项目造成限制。
道德与版权考量
该模型的训练数据未公开，这引发了关于版权材料和艺术家授权的疑问。OpenAI 禁止模仿在世艺术家风格的请求，但其中仍存在一些模糊地带。
DALL·E 3 与其他 AI 图像模型的比较
DALL·E 3 在遵循提示词和安全性方面表现出色，但像 Stable Diffusion 这样的替代品在处理有争议的主题时提供了更大的灵活性。像 Imagen 4 Ultra 和 Photon 这样的模型则在照片真实感和细节方面处于领先地位。对于奇幻艺术创作，Fiddl.art 的自定义模型等工具能提供更专业的生成效果。
Fiddl.art 为何融合多种模型
在 Fiddl.art 上，你可以在 DALL·E 3、Flux 和社区训练的模型之间自由切换。如果一个模型拒绝了你的提示词，你可以用相同的设置尝试另一个模型。平台的社交功能允许用户对作品进行再创作和分享，热门作品还能为你赚取积分。
在 Fiddl.art 上开始使用 DALL·E 3
在 Fiddl.art 的“创作”页面上，将 DALL·E 3 与其他模型结合起来进行实验。使用提示词助手来优化你的想法，浏览模型目录以探索不同风格，并在公共画廊中分享你的成果。对于更高级的工作流，你可以使用 Forge 训练自定义模型，或利用 API 实现自动化生成。
常见问题解答
DALL·E 3 与之前的版本有何不同？
DALL·E 3 与 GPT-4 集成以进行提示词扩展，提高了细节的准确性和图像内文字的渲染效果。它还拥有更强的安全过滤器和更好的语境理解能力。
我可以用 DALL·E 3 进行商业项目吗？
可以，但请查阅 OpenAI 的使用条款以了解具体的使用权。避免生成侵犯版权或未经许可描绘真人的内容。
为什么 DALL·E 3 有时会拒绝我的提示词？
模型会阻止违反其内容政策的请求，包括涉及公众人物、暴力或色情材料的请求。
如何从 DALL·E 3 获得最佳效果？
使用描述性的、自然的语言来编写提示词。对于复杂的想法，可以将其分解成多个步骤，或使用 Fiddl.art 的提示词助手来优化你的输入。
我可以在 Fiddl.art 上将 DALL·E 3 与其他模型结合使用吗？
可以，Fiddl.art 支持模型切换。如果 DALL·E 3 不符合你的需求，可以尝试像 Photon 这样的模型来追求真实感，或使用自定义模型来获得特定风格。
