在国内AI大模型已将“文生图”功能搞得如火如荼的时候，ChatGPT终于“姗姗来迟”地用上了AI绘画功能。

北京时间9月21日清晨，OpenAI官方发布一条视频，配以“DALL·E 3（握手）ChatGPT”的文字，正式宣告了旗下两大AI大模型的结合。

官网还给出了具体上线时间：会员版（20美元/月）和企业版10月可用，面向开发实验室的API接口则在今年秋天晚些时候提供。

大语言模型竞赛最初引爆点的ChatGPT自不必多说，另一款DALL·E模型则面向图像生成领域，在2021年1月5日推出，是最早的一批AI图像生成大模型，也称得上是AI绘画领域的开启者和引领者。

而现在，两个各自领域的引领者的合并，或许又将引发新一轮的风暴。

···

无需复杂“咒语”，文生图一步到位

OpenAI官方宣布，新的结合体即DALL·E模型第三代——DALL·E 3。

它不再需要以往AI绘画的复杂到自成体系（甚至需要专门学习）的提示词，也不再只有文字之间的聊天。用户只需要用最自然浅显的文字描述自己想象中的场景，擅长阅读理解的ChatGPT和专长画画的DALL·E，就能直接一步到位生成图像。

就像是官网放出的例子，给出的描述（从左往右，从上至下）是：

人行道上的行人们熙熙攘攘，正在享受他们的夜生活。

满月照耀着繁华的都市街道。

在街角的小摊上，一位满头红发、身着标志性天鹅绒斗篷的年轻女子正与脾气暴躁的老摊主讨价还价。

脾气暴躁的老摊主身材高大、成熟，穿着笔挺的西装，留着引人注目的小胡子，正在用他的蒸汽朋克式电话兴致勃勃地交谈。

可以看到，最后生成的图像不仅一一还原出了“满头红发”“天鹅绒斗篷”“蒸汽朋克式电话”这些关键词，连“享受夜生活”“脾气暴躁”“兴致勃勃”等较为模糊、主观色彩较浓的描述，也给出了自己的理解。

而对比尚未结合ChatGPT的第二代DALL·E模型，面对相同的描述——“一幅富有表现力的篮球运动员扣篮油画”，DALL·E 2将“星云爆炸”的意象与扣篮动作拼在了一起，而DALL·E 3则直接将“星云爆炸”意象与扣篮运动员进行了融合。

左为DALL·E 2，右为DALL·E 3

从官网放出的示例图片和视频来看，DALL·E 3的最大优势在于整合了ChatGPT强大的自然语言处理能力，不仅在语言理解上大幅飞跃，还能自己写机器易于理解的提示词，再将其“转达”给图像生成的模块，最终就能生成细节和还原想象程度都再次飞跃的图像。

···

可主动禁止被爬取训练数据

除了上述核心功能，AI图像标注、隐私安全、训练数据来源等一直备受关注的问题也均在这次新产品中有所涉及。

OpenAI表示，他们正在开发一种图像来源“鉴别器”，以帮助人们识别某一图像是否是由DALL·E 3生成的AI产物。这一工具会嵌套在DALL·E 3内部，在未来一起推出。

在隐私安全上，OpenAI提出已与红队专家（对模型进行压力测试的领域专家）合作，防止DALL·E 3生成暴力、色情或其他有害图片，在对于公众人物相关的照片和信息也会提高风险评估能力。

还有当前很多创造者所诟病的“我的绘画未经同意便被爬取作为训练数据”的情况，OpenAI表示，艺术家可以填写表格，禁止他们的网络爬虫GPTBot访问自己的个人网站，还可以直接向官方发送邮件指明自己的隐私图像，这样，官方也会将其从训练数据中删掉。

采写：南都记者 杨博雯