Нейросеть Dall-E 3: полный обзор, возможности и инструкция по использованию

Что такое Dall-E 3 и чем она отличается от предшественников

Dall-E 3 — это третье поколение нейросети для генерации изображений по текстовому описанию, разработанное компанией OpenAI. Первая версия появилась в 2021 году и была одной из первых моделей, способных создавать картинки по тексту, но доступ к ней был ограничен. Упрощённая версия Dall-E mini стала вирусной благодаря необычным и мемным результатам, хотя качество оставляло желать лучшего.

Dall-E 2, вышедшая в начале 2022 года, уже поддерживала запросы на русском языке и генерировала более качественные изображения. Однако доступ к ней был ограничен списком ожидания, и только в сентябре 2022 года нейросеть стала общедоступной на сайте OpenAI и в поисковике Bing.

Dall-E 3, представленная в конце сентября 2023 года, стала значительным шагом вперёд. Главное отличие — глубокая интеграция с языковой моделью GPT. Теперь пользователю не нужно изучать сложный синтаксис промптов: достаточно написать запрос на естественном языке (в том числе на русском), и GPT сама дополнит и оптимизирует его для генерации изображения. Это делает нейросеть доступной для новичков и тех, кто не хочет тратить время на изучение формул запросов.

Где и как получить доступ к Dall-E 3

На сегодняшний день существует два основных способа воспользоваться Dall-E 3: бесплатный через Bing Image Creator и платный через подписку ChatGPT Plus.

Bing Image Creator Это самый простой и бесплатный способ. Для начала работы перейдите на страницу bing.com/images/create и войдите в учётную запись Microsoft. Если у вас Windows 8, 10 или 11, скорее всего, такая учётная запись уже есть. Пользователям MacOS, Linux или старых версий Windows потребуется зарегистрироваться. Интерфейс минималистичен: строка для ввода запроса, кнопки «Создать» и «Удиви меня», а также панель для отображения результатов. Ежедневно предоставляется 25 «ускорений» — быстрых генераций. Когда они заканчиваются, картинки создаются медленнее. Докупить ускорения нельзя.

ChatGPT Plus Подписчики ChatGPT Plus получают доступ к Dall-E 3 непосредственно в чате с GPT-4. Для этого нужно оформить платную подписку стоимостью 20 $ в месяц (оплата принимается только международными картами, российские не поддерживаются). В чате вы выбираете модель GPT-4 и в выпадающем меню указываете Dall-E 3. После этого можно писать запросы, и нейросеть будет генерировать изображения. Преимущество этого способа — возможность видеть, как GPT-4 модифицирует ваш запрос, и влиять на этот процесс.

Как работает генерация изображений в Dall-E 3

Процесс генерации в Dall-E 3 состоит из нескольких этапов. Пользователь пишет запрос на естественном языке. Затем в дело вступает языковая модель — в Bing Image Creator это неизвестная версия GPT, а в ChatGPT Plus — GPT-4. Модель анализирует запрос, дополняет его деталями, уточняет стиль, композицию и атмосферу, после чего передаёт оптимизированный промпт непосредственно Dall-E 3. Нейросеть создаёт изображение на основе модифицированного запроса.

Благодаря такому «посредничеству» результаты получаются более разнообразными и точными. Один и тот же запрос может давать совершенно разные картинки, потому что GPT каждый раз интерпретирует его по-своему. Это удобно, но иногда приводит к неожиданным результатам — например, если вы хотели получить фотореалистичное изображение, а нейросеть решила, что лучше подойдёт стиль аниме.

По умолчанию Dall-E 3 генерирует четыре изображения размером 1024×1024 пикселя. В ChatGPT Plus можно запросить горизонтальные (1792×1024) или вертикальные (1024×1792) картинки. В Bing Image Creator изменить соотношение сторон нельзя.

Особенности и преимущества Dall-E 3

Dall-E 3 обладает рядом ключевых особенностей, которые выделяют её среди конкурентов.

Понимание естественного языка. Нейросеть отлично работает с запросами на русском языке. Вам не нужно использовать специальные ключевые слова или синтаксис — просто опишите желаемое так, как вы бы рассказали человеку. Например, запрос «нарисуй фиолетового анимешного кота» сработает так же хорошо, как и «фиолетовый кот, аниме».

Креативность и внимание к деталям. Модель не пропускает слова в запросе и старается проработать мелкие детали. Она хорошо знает мемы и поп-культуру, хотя из-за фильтров не может генерировать некоторых популярных персонажей. При этом нейросеть способна создавать сложные композиции, включая текст на изображениях (правда, текст часто содержит ошибки и лишние символы, особенно если это длинные фразы).

Разнообразие стилей. Dall-E 3 умеет имитировать различные художественные стили, медиумы и форматы. Хотя прямое использование имён современных художников заблокировано, нейросеть может воспроизвести стиль, если описать его словами. Например, вместо «в стиле Сальвадора Дали» можно написать «сюрреализм, плавящиеся часы, пустынный пейзаж».

Простота использования. В отличие от Midjourney, где нужно работать через Discord и изучать параметры, или Stable Diffusion, требующей мощного компьютера и навыков программирования, Dall-E 3 доступна в браузере и не требует специальных знаний.

Ограничения и цензура в Dall-E 3

OpenAI ввела строгие ограничения для Dall-E 3, чтобы предотвратить создание оскорбительного, опасного или нарушающего авторские права контента.

Запрещённый контент. Нельзя генерировать сцены насилия, ненависти, NSFW-контент. В первые дни после запуска пользователи пытались обойти ограничения, создавая провокационные изображения, после чего цензуру ужесточили. Теперь нейросеть блокирует даже такие запросы, как «удар молотком» или «гора человеческих костей».

Запрет на изображения знаменитостей. Сгенерировать портрет публичной личности, будь то политик, актёр или учёный, не получится — запрос вернётся с ошибкой. Это сделано, чтобы избежать распространения дипфейков и ложной информации, как это было с Midjourney, где пользователи создавали фейковые фото Папы Римского в пуховике или ареста Дональда Трампа.

Авторские права. Нейросеть отказывается имитировать стиль художников, живших в последние сто лет. Однако это ограничение можно обойти, описав стиль словами без упоминания имени. Если художник считает, что его работы использовались для обучения модели, он может обратиться в OpenAI с просьбой заблокировать генерацию в его стиле.

Качество текста. Хотя Dall-E 3 умеет писать текст на изображениях, он часто содержит ошибки, лишние буквы или символы. Кроме того, нейросеть генерирует только текст на английском языке. Для коротких надписей на логотипах результат может быть приемлемым, но для длинных фраз лучше использовать другие инструменты.

Сравнение Dall-E 3 с Midjourney и Stable Diffusion

Dall-E 3 часто сравнивают с двумя другими популярными нейросетями для генерации изображений — Midjourney и Stable Diffusion. У каждой из них есть свои сильные и слабые стороны.

Midjourney считается эталоном художественного качества и фотореализма. Она способна создавать изображения, которые сложно отличить от настоящих фотографий. Однако для работы с ней нужно использовать Discord, изучать синтаксис промптов и платить за подписку. Dall-E 3 уступает Midjourney в фотореализме — линии получаются слишком плавными, и сразу видно, что картинка сгенерирована нейросетью.

Stable Diffusion — это открытая модель, которую можно запустить на собственном компьютере (при наличии мощной видеокарты) или через облачные сервисы. Она даёт огромный контроль над процессом генерации, но требует навыков программирования и понимания работы модели. Dall-E 3, напротив, не требует мощного оборудования и специальных знаний.

Главные преимущества Dall-E 3: доступность (бесплатно через Bing), поддержка русского языка, отсутствие необходимости учить промптинг. Недостатки: более слабый фотореализм, строгая цензура, невозможность генерировать изображения знаменитостей и ограничения по стилям.

Практические советы по составлению запросов (промптов)

Чтобы получить максимально качественный результат от Dall-E 3, стоит придерживаться нескольких рекомендаций.

Будьте конкретны. Вместо «нарисуй картинку» или «милый котик» опишите детали: стиль, атмосферу, освещение, фон, действия персонажей. Например: «Пушистый рыжий кот сидит на подоконнике, за окном идёт дождь, вечернее освещение, стиль фотореализм».

Указывайте медиум. Если вы не уточните, что хотите получить — фотографию, картину, иллюстрацию или кадр из фильма, — нейросеть может сгенерировать смесь разных стилей. Прямо пишите: «реалистичное фото», «в стиле аниме», «масляная живопись».

Используйте кнопку «Удиви меня». Если не знаете, с чего начать, нажмите эту кнопку в Bing Image Creator. Нейросеть сама предложит несколько идей для запросов. Вы можете выбрать понравившуюся и запустить генерацию.

Контролируйте модификацию запроса в ChatGPT Plus. Если GPT-4 слишком сильно изменяет ваш промпт, попросите её создать короткий и лаконичный вариант или вообще не модифицировать запрос. Вы также можете отправить до четырёх промптов на английском языке одновременно.

Экспериментируйте с синонимами. Если нейросеть блокирует запрос из-за упоминания художника, попробуйте описать его стиль словами. Например, вместо «в стиле Ван Гога» напишите «постимпрессионизм, яркие мазки, эмоциональная палитра».

Примеры использования Dall-E 3 в разных сферах

Dall-E 3 может быть полезна как для творческих, так и для рабочих задач.

Графический дизайн и реклама. Нейросеть способна создавать визуалы для соцсетей, рекламные буклеты, обложки, логотипы. Например, по запросу «рекламный буклет для пиццерии, современный стиль, яркие цвета» она сгенерирует несколько вариантов макетов. Правда, текст в них может содержать ошибки, но композиция и цветовое решение будут на хорошем уровне.

Иллюстрации для статей и блогов. Если вам нужно быстро получить уникальную картинку для текста, Dall-E 3 справится с этой задачей. Она понимает абстрактные концепции и может визуализировать метафоры.

Разработка персонажей и миров для игр. Нейросеть хорошо генерирует персонажей в разных стилях — от реалистичных до мультяшных. Можно описать внешность, одежду, окружение, и получить несколько вариантов для вдохновения.

Образовательные проекты. Dall-E 3 может создавать наглядные материалы: схемы, графики, исторические реконструкции. Например, по запросу «средневековый замок, разрез, видны внутренние помещения» она сгенерирует понятную иллюстрацию.

Творческие эксперименты. Нейросеть отлично подходит для создания сюрреалистических и фантастических изображений, мемов, арта для соцсетей. Благодаря пониманию поп-культуры она может обыгрывать известные сюжеты в неожиданных стилях.

Ограничения по размеру, формату и бесшовным паттернам

Несмотря на все достоинства, у Dall-E 3 есть ряд технических ограничений, которые стоит учитывать.

Размер и соотношение сторон. По умолчанию все изображения генерируются в квадратном формате 1024×1024 пикселя. В ChatGPT Plus можно запросить горизонтальные (1792×1024) или вертикальные (1024×1792) картинки, но в Bing Image Creator такой возможности нет. Изменить разрешение после генерации нельзя.

Бесшовные паттерны. Dall-E 3 не умеет создавать полноценные бесшовные текстуры, которые можно бесконечно повторять. Попытки сгенерировать паттерн из котиков или геометрической абстракции не приводят к желаемому результату — края изображения не стыкуются. Для таких задач лучше использовать Midjourney или специализированные инструменты.

Фотореализм. Как уже упоминалось, Dall-E 3 уступает Midjourney и Stable Diffusion в реалистичности фотографий. Линии слишком гладкие, текстуры кожи и тканей выглядят неестественно. Если вам нужны изображения, неотличимые от настоящих снимков, стоит рассмотреть другие нейросети.

Генерация людей. С анатомией у Dall-E 3 дела обстоят неплохо: пальцы, глаза, зубы обычно на месте. Однако при детальном рассмотрении заметны артефакты: слишком резкие границы волос, неестественные блики, одинаковые зубы. Для портретов в соцсетях результат может быть приемлемым, но для профессиональной фотографии — нет.

Будущее Dall-E 3 и альтернативные способы доступа

OpenAI продолжает развивать Dall-E 3. На момент написания статьи API для разработчиков ещё не был предоставлен, но компания обещала открыть его позже. Это позволит интегрировать нейросеть в сторонние приложения и сервисы.

Для пользователей из России, у которых могут возникнуть сложности с регистрацией в Bing или ChatGPT из-за ограничений, существуют альтернативные платформы. Например, сервис TurboText AI предоставляет доступ к Dall-E 3 через свой интерфейс на русском языке, без необходимости использовать VPN или иностранные аккаунты. Оплата происходит в рублях, есть техническая поддержка.

Также стоит следить за обновлениями: возможно, в будущем появятся новые способы доступа, улучшится качество фотореализма и будут сняты некоторые ограничения. Пока же Dall-E 3 остаётся отличным выбором для тех, кто ценит простоту, креативность и не хочет тратить время на изучение сложных инструментов.

Вопросы и ответы