利用DALL·E生成的 AI 图像（图片来源：OpenAI）

OpenAI 又公布了最新重磅消息。

北京时间9月21日凌晨，美国OpenAI公司宣布，文生图 AI 工具迎来了第三个版本DALL·E 3，比上个版本仅过去17个月左右。

OpenAI 表示，DALL·E 3比以往系统更能理解细微差别和细节，让用户更加轻松地将自己的想法转化为非常准确的图像。同时，DALL·E 3还将与ChatGPT集成，原生实现多模态输出，Plus和企业版用户通过文本就能直接在ChatGPT中生成各种类型图片，不仅加强提示词的生成图像体验，而且增强模型理解用户指令的能力，图像效果也有巨大提升。

OpenAI公司CEO奥特曼（Sam Altman）表示，在他看来新的DALL·E 3效果相当惊人，它将在接下来的几周内向所有ChatGPT Plus付费版/企业版用户开放。“如果不尝试的话，很难理解这是多么了不起的事情。”

据悉，OpenAI成立于2015年，致力于开发和应用人工智能（AI）技术造福全人类。目前，OpenAI公司估值高达270亿美元左右，年营收已接近10亿美元。

2021年，OpenAI推出了DALL·E 和CLIP（对比图文预训练），能连接文本与图像的神经网络。其中，DALL·E基于文本直接生成图像，而CLIP是一个单独的模型，其作用是理解输出图像并为其打分。DALL·E生成的图像由CLIP模型进行筛选，以呈现最高质量的图像。

2022年，OpenAI升级了文生图能力，发布DALL·E 2，提供了更高的图像分辨率、更低的延迟以及编辑原始图像的能力。而且公开报道现实，DALL-E模型是GPT-3的多模态实现，共拥有120亿个参数，使用从网络上收集的文本和图像对进行训练。而且使用零样本学习从描述和提示中生成输出，而无需进一步训练。

剑桥大学机器学习教授尼尔·劳伦斯（Neil Lawrence）曾认为，DALL·E这类模型有能力存储世界信息，并以人类认为非常自然的方式进行推广。佐治亚理工学院交互计算学院副教授马克·里德尔（Mark Riedl）则认为，DALL·E的演示结果表明它能够协调地融合概念，这是人类创造力的关键要素，同时他指出DALL-E绘制的插图比过去几年其他的Text 2 Image（由文本生成图像）系统要出色许多。

时隔500多天后，此次发布的DALL·E 3拥有多个新特性，钛媒体App简单梳理如下：

• DALL·E 3 具备更强大的图像细节和差异识别能力，使用户更易将想法转化为准确的图像，并解决了之前版本DALL·E不会写字的问题。
• DALL·E 3 的一个主要特点是与 ChatGPT 的集成。此集成允许用户更简单地创建 prompt（提示词），因为当输入一个想法时，ChatGPT 会自动为DALL·E 3生成详细的 prompt。
• DALL·E 3 在图像质量和对 prompt 的准确性上都有所增强。相比于上一代，新版本更能理解文本的上下文和更长的 prompt，处理效果更佳。
• 安全性方面，OpenAI 在DALL·E 3上制定了强有力的安全措施，以防止创建有害图像，它也不能生成公众人物的图像。同时，DALL·E 3不会生成在世的艺术家的风格图像，避免了之前版本中的争议，而艺术家可以提交自己的作品并要求从未来的文本到图像 AI 模型中移除，保证其版权不被侵犯。
• DALL·E 3计划在10月先向特定用户发布，并计划在秋季向研究实验室及其 API 服务发布。OpenAI 还未明确是否会发布免费的公开版本。

简单来说，利用ChatGPT，新的DALL·E 3实现了更准确的图像生成能力，更好的体验效果，以及更安全的文生图规范。

OpenAI研究员Sandhini Agarwal 表示，她对DALL·E 3的安全性“高度有信心”，并表示该模型在不断改进。

值得一提的是，目前，国内外已经有多个对标DALL·E的文生图模型AIGC公司和应用，其中包括独角兽公司Stability AI的开源文生图模型Stable Diffusion，Midjourney，英伟达的Perfusion模型，阿里巴巴的通义万象，智源研究院的开源双语模型AltDiffusion，HiDream智象未来的Pixeling（千象），阿里大文娱旗下妙鸭相机，网易伏羲旗下模型丹青等。

然而，当前 AI 生成的图像仍存在一些问题。华盛顿特区一家法院8月裁定，根据美国法律，未经任何人工输入而由人工智能创作的艺术作品不能获得版权。

当前，OpenAI仍面临多起诉讼。其中，美国作家贸易组织代表约翰·格里沙姆（John Grisham）和《权力的游戏》小说家乔治·马丁（George RR Martin）等作家起诉该公司，指控ChatGPT非法训练学习他们的作品。

（本文首发钛媒体App，作者｜林志佳）