DALL·E-3是我们DALL-E文本生成图像模型的最新版本。作为当前文本生成图像领域的最先进技术，DALL·E能够生成涵盖广泛领域的高质量图像。如果您对DALL·E-3构建的更多技术细节感兴趣，可以在我们的研究论文中了解更多。本文将介绍DALL·E-3的一些新功能和能力，以及您可以使用该API构建哪些新产品的示例。
提醒一下，图像生成API并未改变，仍保持与DALL·E-2相同的端点和格式。如需了解如何使用图像API的指南，请参阅Cookbook文章中的相关内容。
目前唯一可用于DALL·E-3的API端点是Generations (/v1/images/generations)。我们暂不支持变体或修复功能，不过Edits和Variations端点仍可用于DALL·E-2。
Generations
生成API端点可根据文本提示创建图像。我们新增了几个参数，以增强您使用我们的模型所能创作的内容。以下是选项的快速概览：
新参数：
- model ('dall-e-2' 或 'dall-e-3'): 这是您用于生成的模型。请注意将其设置为'dall-e-3'，因为如果为空则默认为'dall-e-2'。
- style ('natural' 或 'vivid'): 生成图像的风格。必须是vivid或natural之一。Vivid会使模型倾向于生成超现实和戏剧化的图像。Natural会使模型产生更自然、不那么超现实的图像。默认为'vivid'。
- quality ('standard' 或 'hd'): 生成图像的质量。'hd'会创建细节更精细、整体一致性更高的图像。默认为'standard'。
其他参数：
- prompt (str): 所需图像的文本描述。最大长度为1000个字符。必填字段。
- n (int): 要生成的图像数量。必须介于1到10之间。默认为1。对于dall-e-3，仅支持n=1。
- size (...): 生成图像的尺寸。对于DALL·E-2模型，必须是256x256、512x512或1024x1024之一。对于DALL·E-3模型，必须是1024x1024、1792x1024或1024x1792之一。
- response_format ('url' 或 'b64_json'): 生成图像的返回格式。必须是 "url" 或 "b64_json" 之一。默认为 "url"。
- user (str): 代表终端用户的唯一标识符，这将帮助OpenAI监控和检测滥用行为。了解更多
新功能
我们推出的DALL·E-3带来了许多新功能和特性，帮助您生成想要的图像。以下是新功能的简要概述：
提示词重写
最新DALL·E-3 API中的一项新功能是提示词重写，我们会使用GPT-4在将您的提示传递给DALL-E之前进行优化。我们的研究表明，使用非常详细的提示能显著提升生成效果。您可以在DALL·E-3研究论文中了解更多关于我们的描述生成、提示优化和安全缓解措施的内容。
请注意，目前该功能无法禁用，但您可以通过在提示中向重新标注器提供指令来实现高度准确性，如下面的示例所示。
标准画质 vs 高清画质
DALL·E-3 引入了一个新的"quality"参数，让您可以调整生成图像时的细节层次和组织结构。您熟悉的"standard"质量生成效果就是标准的DALL·E-3，而"hd"质量则会将细节关注度和提示词遵循度提升到全新水平。请注意，将生成质量设置为"hd"确实会增加每张图像的成本，同时通常会使生成时间增加约10秒左右。
例如，这里我们有两个不同质量的图标，分别是'hd'（高清）和'standard'（标准）。通常选择哪种质量取决于个人喜好，但当任务需要更强的细节捕捉能力、纹理表现或更好的场景构图时，'hd'往往更胜一筹。
这是另一个示例，这次使用的提示词是'无限均匀镶嵌立方体网格'，DALL·E巧妙地将其改写为"以等距视角精心绘制的无限均匀镶嵌立方体网格。这些立方体经过精密排列，看起来无限延伸至远方。每个立方体都完全相同，所有表面反射的光线一致，突显其均匀性。这是一幅数字渲染图像。"：
新尺寸
DALL·E-3 接受三种不同的图像尺寸：1024px × 1024px、1792px × 1024px 和 1024px × 1792px。除了提供更灵活的宽高比选择外，这些尺寸还会显著影响生成图像的风格和内容。例如，当您想要类似手机摄像头拍摄的图像时，垂直尺寸可能效果更好；而对于风景画或数字设计，水平尺寸可能更为合适。
为了展示这种差异，这里提供了同一输入提示在不同宽高比下的多个变体。在这个例子中，我的提示是：“专业拍摄正在冲泡咖啡的Chemex咖啡壶。”（作为参考，这是一张真实的Chemex咖啡壶的照片）。
以下是方形格式的生成结果（包含高清和标准两种质量）：
你可以看到这些图片是如何紧密围绕物品构图，看起来像是在一个较为封闭的空间拍摄的，周围摆放着各种物品。
以下是相同提示词在更宽比例下的结果：
与前几代相比，这些产品以特写形式呈现。背景经过虚化处理，更聚焦于物品本身，更像是专业策划的摄影作品而非快速抓拍。
最后，我们来看垂直方向的比例：
这些照片更像是手机拍摄的，带有更自然的随意感。画面中包含了更多动态元素：缓慢滴落的咖啡或是从壶中倾倒的活跃水流。
新样式
DALL·E-3 引入了两种新风格：自然风格和生动风格。自然风格更接近 DALL·E-2 那种"平淡"的现实主义风格，而生动风格是一种新风格，倾向于生成超现实和电影般的图像。作为参考，ChatGPT 中所有 DALL·E 生成的作品都采用"生动"风格。
自然风格在DALL·E-3过度夸张或混淆本应更简单、低调或写实的主题时特别有用。我经常将其用于标志生成、库存照片或其他需要匹配现实世界物体的场景。
这是上面相同提示词的生动风格示例。这种生动风格更具电影感（视觉效果很棒），但如果你不追求这种效果，可能会显得过于突出。
在很多情况下，我更喜欢自然风格，比如这幅模仿托马斯·科尔《荒芜》风格的画作示例：
示例与提示
为了帮助您开始使用DALL·E-3进行开发，我整理了一些可以利用该API构建的产品示例，并收集了一些目前看来是DALL·E-3独有的风格和功能。我还列出了一些我难以通过提示让DALL·E-3生成的主题，供您尝试挑战。
图标生成
你是否曾为网站或应用寻找完美图标而苦恼？如果能有一个自定义图标生成工具，让你选择图标的风格、尺寸和主题，然后通过DALL·E生成定制SVG文件，那将非常棒。以下是我用DALL·E-3生成的一些实用网站图标示例：
在这个案例中，我使用Potrace将图像转换为SVG格式，你可以在此处下载。这是我用来转换图像的工具：
potrace -s cat.jpg -o cat.svg在将图像转换为SVG之前，您可能需要提高图像的亮度和对比度。我使用了以下命令来实现：
convert cat.jpg -brightness-contrast 50x50 cat.jpgLogo生成
DALL·E-3 非常擅长为您的公司或产品启动标志设计流程。通过提示 DALL·E 创建"希腊雕像矢量标志设计，极简风格，白色背景"，我获得了以下成果：
这是我为一家阿拉伯咖啡店设计的另一个标志：
在对现有标志进行迭代设计时，我采用了OpenAI的标识，让GPT-4V对其进行描述，然后指示DALL·E生成该标志的多种变体：
Custom Tattoos
DALL·E-3非常擅长生成线条艺术，这可能对创作定制纹身很有帮助。以下是我用DALL·E-3生成的一些线条艺术作品：
Die-Cut Stickers & T-Shirts
如果能用DALL·E-3生成定制模切贴纸和T恤，并与Printful或Stickermule等按需印刷服务集成会怎样？您可以在几分钟内获得定制贴纸或T恤，无需任何设计经验。以下是我用DALL·E-3生成的一些贴纸示例：
Minecraft皮肤
经过一番努力，我终于成功引导DALL·E-3生成了《我的世界》皮肤。我相信通过巧妙的提示词设计，你可以让DALL·E-3稳定生成惊艳的《我的世界》皮肤。直接使用"Minecraft"这个词可能会比较困难，因为DALL·E可能会误以为你要生成游戏内场景内容。替代方案是用不同方式表达这个概念："忍者皮肤的平面玩家皮肤纹理，兼容Minecraftskins.com或Planet Minecraft网站。"
这是我设法创建的内容。它们可能还需要一些改进，但我认为这是个良好的开端：
还有更多...
以下是我想到但尚未有时间尝试的一些想法：
- 自定义表情符号或Twitch表情？
- 矢量插图？
- 个性化的Bitmoji风格头像？
- 专辑封面？
- 定制贺卡？
- 用DALL·E制作'结对编程'海报/传单？
展示
我们才刚刚开始探索DALL·E-3的真正潜力。以下是我目前见过最出色的风格、生成效果和提示词示例。部分图片未能追溯到原作者，如果您知道创作者信息，请务必告知！
来源：
@scharan79 on Reddit
@TalentedJuli on Reddit
@Wild-Culture-5068 on Reddit
@popsicle_pope on Reddit
@gopatrik on Twitter
@ARTiV3RSE on Twitter
@willdepue on Twitter
多位OpenAI员工
挑战
DALL·E-3仍然非常新，还有很多它难以处理的事情（或者也许我还没弄清楚如何正确提示它）。以下是一些你可能想尝试挑战的内容：
网页设计
DALL·E 在生成逼真的网站、应用等方面确实很吃力，经常生成看起来像是网页设计师作品集的页面。以下是我目前得到的最佳结果：
无缝纹理
感觉DALL·E-3已经非常接近能够生成无缝纹理了。通常效果很棒，只是稍微有些截断或存在少量伪影。请看下面的示例：
字体
使用DALL·E生成自定义字体或迭代字母设计会非常酷，但我目前还没能让它正常工作。以下是我目前取得的最佳成果：
更多资源
感谢阅读！如果您想了解更多关于DALL·E-3的资源，以下是一些相关链接：