DALL-E
DALL-E ni familia ya OpenAI ya miundo ya kubadilisha maandishi hadi picha ambayo inabadilisha maelezo yaliyoandikwa kuwa picha asili.
Muhtasari
It made "type a sentence, get an image" a mainstream idea and pushed image generation from research demos into everyday tools.
Dive ya kina
DALL-E ilizinduliwa Januari 2021, ikitoa picha kutoka kwa maandishi kwa kutabiri tokeni za picha moja baada ya nyingine, kama muundo wa lugha wa saizi. DALL-E 2 (2022) imetumia mbinu ya uenezaji inayoongozwa na upachikaji wa CLIP, ikitoa matokeo makali zaidi na ya uhalisia zaidi. DALL-E 3 (Oktoba 2023) iliimarisha ufuatiliaji na imejumuishwa katika ChatGPT, ili chatbot iweze kuandika upya ombi lako mbaya kwa kidokezo cha kina kabla ya kuzalisha. Uboreshaji bora ni kutoa maandishi yanayosomeka ndani ya picha, kama vile ishara na lebo, ambazo miundo ya awali iliharibika. DALL-E pia inasaidia uchoraji (kuhariri sehemu ya picha) na kupaka rangi nje (kuipanua zaidi ya mipaka yake ya asili). Hutoa tofauti nyingi kutoka kwa kidokezo kimoja, kusaidia watumiaji kugundua chaguo za ubunifu haraka.
Ufahamu wa Kiufundi
DALL-E 3 ni kielelezo cha uenezaji: huanza kutoka kwa kelele isiyo na mpangilio na kuiondoa hatua kwa hatua, ikielekezwa kwa kila hatua kwa usimbaji wa arifa yako ya maandishi, hadi taswira thabiti itatokea. Hufunza kwa seti kubwa za jozi za manukuu ya picha, kujifunza jinsi maneno yanavyopanga vipengele vinavyoonekana, mipangilio ya anga na mitindo. Mbinu kuu ni manukuu yaliyoboreshwa wakati wa mafunzo pamoja na muundo wa lugha unaopanua kidokezo chako kifupi kuwa cha kina, ndiyo maana DALL-E 3 hufuata maagizo kwa uaminifu zaidi kuliko watangulizi wake.
Athari za kimkakati
Kasi na kiwango
Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
Tengeneza chaguzi
Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
Timu na mtiririko wa kazi
Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Mustakabali wa DALL-E
Ukoo wa DALL-E unakunjwa katika mifumo mipana, yenye miundo mingi ambapo muundo mmoja hushughulikia maandishi, picha, na uhariri pamoja badala ya kama zana tofauti. Tarajia uhariri mkali wa mazungumzo ("fanya anga kuwa ya machungwa, weka kila kitu kingine"), uwasilishaji bora wa maandishi na mwonekano wa juu zaidi. Mawimbi ya asili kama vile metadata ya C2PA na alama za maji zitakuwa za kawaida kuripoti picha zinazozalishwa na AI. Ushindani kutoka kwa Midjourney, Usambazaji Imara, na miundo ya Google unaleta mafanikio ya haraka ya ubora, huku mijadala kuhusu data ya mafunzo, idhini ya msanii na hakimiliki itaendelea kuunda kile ambacho mifumo hii inaruhusiwa kujifunza kutokana nayo.
Utekelezaji wa Ulimwengu Halisi
Mwanablogu hutengeneza kielelezo maalum cha kichwa cha makala badala ya kutafuta maktaba za picha za hisa
Mwalimu huunda michoro rahisi, iliyo na maelezo mafupi kuelezea dhana ya sayansi kwa wanafunzi wachanga
Biashara ndogo hudhihaki nembo na dhana kadhaa za vifungashio kabla ya kuajiri mbuni ili kuboresha moja
Mbuni wa mchezo hutoa kwa haraka sanaa ya dhana kwa wahusika na mazingira ili kutoa wazo
Hatari & Walinzi
Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Ramani ya Utekelezaji
Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the DALL-E quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
Sehemu za Mionzi ya Neural
Maswali yanayoulizwa mara kwa mara
What is DALL-E?
DALL-E ni familia ya OpenAI ya miundo ya kubadilisha maandishi hadi picha ambayo inabadilisha maelezo yaliyoandikwa kuwa picha asili. Ilifanya "charaza sentensi, pata picha" kuwa wazo kuu na ikasukuma uzalishaji wa picha kutoka kwa demo za utafiti hadi zana za kila siku.
DALL-E 3 hufanya nini kimsingi?
DALL-E ni mfumo wa kubadilisha maandishi kwa picha: unaelezea tukio kwa maneno na hutoa picha mpya inayolingana na maelezo hayo.
DALL-E 3 hutumia mbinu gani ya msingi kuunda picha?
DALL-E 3 ni kielelezo cha usambaaji ambacho huanza kutoka kwa kelele nasibu na kukiboresha hatua kwa hatua, kwa kuongozwa na kidokezo chako, hadi kwenye picha thabiti.
Kwa nini DALL-E 3 inafuata vidokezo vyema inapotumiwa ndani ya ChatGPT?
Katika ChatGPT, muundo wa lugha huandika upya ombi fupi katika kidokezo bora zaidi, mahususi zaidi, kuboresha jinsi picha inavyolingana kwa uaminifu na unachotaka.
Je, ni uboreshaji gani unaojulikana wa DALL-E 3 uliofanywa juu ya matoleo ya awali?
Miundo ya awali iliharibu maandishi ya picha, lakini DALL-E 3 inaweza kutoa maneno yanayosomeka kwenye ishara, lebo na mabango kwa uhakika zaidi.
'Uchoraji' unakuruhusu kufanya nini na picha ya DALL-E?
Uchoraji huhariri sehemu iliyochaguliwa ya picha (kwa mfano, kubadilishana kitu) huku ukiacha eneo jirani likiwa sawa.