Ce înseamnă DALL-E
DALL-E este numele modelelor de generare a imaginilor create de OpenAI. Numele combină pictorul Salvador Dalí și robotul WALL-E din filmul de animație Pixar.
Prima versiune a fost prezentată în ianuarie 2021. DALL-E 2 (2022) a impresionat prin imagini realiste și a contribuit la valul de interes pentru generarea de imagini, iar DALL-E 3 (2023) a fost integrat direct în ChatGPT, unde utilizatorii puteau cere imagini în conversație. În 2025, OpenAI a trecut generarea de imagini din ChatGPT la modelele sale GPT multimodale, care creează imaginile nativ, așa că DALL-E a devenit treptat o generație anterioară.
Cum funcționează
DALL-E 2 și DALL-E 3 folosesc principiul modelelor de difuzie, ghidate de o reprezentare a textului: modelul pornește de la zgomot și îl curăță pas cu pas până obține o imagine care corespunde descrierii. DALL-E 3 a fost antrenat cu descrieri mult mai detaliate ale imaginilor, ceea ce l-a făcut să respecte mai bine prompturile lungi și să scrie mai corect text în imagini.
OpenAI a adăugat restricții: refuzul imaginilor cu persoane publice reale în anumite contexte, al imitării stilului artiștilor în viață și marcaje de proveniență (metadate C2PA) în imaginile generate.
Pe înțelesul tuturor
DALL-E a fost pentru imagini ce a fost primul smartphone popular pentru telefonie: nu era singurul, dar a arătat oamenilor ce se poate și a pornit o întreagă industrie.
Exemplu
O învățătoare din Craiova îi cere în ChatGPT o ilustrație simplă, „un arici care învață să numere până la zece, stil carte pentru copii”, pentru o fișă de lucru. Primește imaginea, cere o variantă cu mai puține detalii pentru a putea fi colorată și o folosește la clasă.
De reținut
- DALL-E este seria de modele de imagine a OpenAI.
- DALL-E 3 a fost integrat în ChatGPT, apoi înlocuit acolo de generarea nativă a modelelor GPT.
- Imaginile generate conțin metadate de proveniență.
Nu confunda
- DALL-E vs. ChatGPT: ChatGPT este asistentul; DALL-E a fost modelul pe care ChatGPT îl folosea, la un moment dat, pentru a desena.
Termeni înrudiți
- Text-to-image (generare de imagini): Modele AI care creează imagini noi pornind de la o descriere scrisă, numită prompt.
- OpenAI: Organizația americană care a creat ChatGPT, modelele GPT, DALL-E, Sora și Whisper, fondată în 2015 cu misiunea declarată de a dezvolta AGI.
- Model de difuzie: Tip de model generativ care creează imagini, sunet sau video pornind de la zgomot aleator și curățându-l pas cu pas.
- Midjourney: Serviciu de generare a imaginilor din descrieri text, cunoscut pentru stilul artistic, lansat în 2022 de un laborator independent american.
- Stable Diffusion: Model de generare a imaginilor din text, publicat în 2022 cu ponderi deschise, care poate rula pe un calculator personal cu o placă video bună.
- Watermark pentru conținut AI: Un semn vizibil sau ascuns adăugat în textele, imaginile, sunetele sau video-urile generate de AI, ca să poată fi recunoscute ulterior.