Hatalmas verseny alakult ki az elmúlt időszakban a különféle képgeneráló szolgáltatások között. A Stable Diffusion, a Midjourney és társaik folyamatosan rukkolnak elő újabb verziókkal. Alig egy hete pedig az OpenAI jelentette be, hogy elkészült MI-alapú képgenerálójának legújabb változata: a DALL-E 3. Ez azonban nem vehető birtokba azonnal, hanem apránként válik elérhetővé, kezdetnek három platformon: az OpenAI oldalán, a ChatGPT-ben és a Microsoft Bingben. Ráadásul a ChatGPT-ben önmagában is új dolog a képgenerálás, így első körben csak a ChatGPT Plus előfizetéssel rendelkezők használhatják majd, ha bekpcsolják béta funkcióként annak webes felületén. Ám a Microsoft Bing Képkészítő alkalmazásában már most is bárki számára lehetséges a DALL-E 3 használata, teljesen ingyen.
A DALL-E 3 használata: a Microsoft Bing Képkészítőben
Míg a kezdeti időszakban a DALL-E volt a legszebb képeket produkáló képgeneráló, az elmúlt hónapokban jócskán rávert már a konkurencia. Ideje volt hát előrukkolni valami újjal. A DALL-E 3 az OpenAI ígéretei szerint jelentős előrelépés e képgeneráló életében. Részletesebb, árnyaltabb képeket kapunk a korábbi verzióval összehasonlítva, sokkal összetettebb fogalmak feldolgozására is alkalmas, létrehozhatunk vele szöveges tartalmakat is (például konkrét szöveget írhatunk egy plakátra a generált képen).
A DALL-E 3 új biztonsági szabályzatának köszönhetően a gyűlöletkeltő és erőszakos tartalmak generálása is új elbírálás alá esik a képgenerálóban, illetve nem készít olyan képeket, amelyek élő közszereplőket ábrázolnak, vagy élő művészek stílusát utánozzák.
Szóval van miért kíváncsinak lenni a DALL-E 3-ra, ám e cikk készültekor még egyelőre csak azok próbálhatják ki, akik bejelentkeznek a Microsoft Bing Képkészítő webes alkalmazásba, amely amúgy a Bing része, de önálló felületen is elérhető. Itt már a DALL-E 3 munkálkodik a felület alatt, ami amúgy meglátszik a képek tartalmi minőségén is.
Az érdeklődés meglehetősen nagy, pár nappal ezelőtt volt, aki emiatt akár hosszú perceket is várt, mire egy kép elkészült. A Microsoft igyekszik orvosolni a problémát, nemes egyszerűséggel több GPU üzembe állításávala rendszerben, hogy azok már hatékonyabban kiszolgálják a megnövekedett érdeklődést is.
Fontos újítás még egyébként, hogy mostantól a Bing Képkészítő által létrehozott összes MI-generált kép láthatatlan, digitális vízjelet tartalmaz, amely követi a C2PA specifikációt (ezt alkalmazza az Adobe FireFly is a Photoshopban és a saját webes felületén). E vízjel tartalmazza többek között a létrehozás dátumát, így téve egyértelművé, hogy a mesterséges intelligencia által generált képpel van dolgunk.
DALL-E 3 a Bing Chatben és a Microsoft Copilotban
Még a ChatGPT-be integrálás előtt, a DALL-E 3 megérkezett a Microsoft-féle Bing Chat chatbotba is. A szintén a GPT-4 nyelvi modellre épülő csevegő immár a DALL-E 3-ra hagyatkozva készíti el az általunk kért képeket. A dolog működik az okostelefonos Bing appban és a Bing Chat webes felületén egyaránt. Sőt, az azóta debütált Microsoft Copilot webes felületen és a Copilot appokban is.
Ez persze nem akkora meglepetés, lévén a Bing Chat és a Copilot képgenerálója tulajdonképpen a Bing Képkészítő (és azon belül a DALL-E 3). Ami fontos ez ügyben: bár a tökéletes értelmezéshez még mindig érdemesebb angolul megadni egy kép leírását, a Bing Chat és a Copilot ettől függetlenül – lásd a mellékelt képernyőképeket – akár magyar nyelven körbeírt elképzeléseink alapján is gond nélkül létrehozza a kívánt képet.
DALL-E 3 a ChatGPT-ben
Hasonlóan a Bing chathez, a ChatGPT is megkapta a DALL-E 3 integrációt. Egyelőre azonban ez a lehetőség csak a ChatGPT Plus előfizetéssel rendelkezőknek érhető el, ha a GPT-4 modellt választják, annak webes felületét használják és bekapcsolják hozzá a béta funkciók között a DALL-E képgenerálást is. Miként az részletes gyakorlati tippünkből is látjható, a képgenerálás működik a ChatGPT webes felületén és okostelefonos appjában egyaránt. A ChatGPT Plus egyébként más nagyszerű funkciókat is kínál ezen felül, amelyekkel szintén érdemes megismerkedni, ráadásul plug-inekkel is jelentősen bővíthető a tudása.
Összegzésül
Nem értünk még a végére. A DALL-E 3 használata hosszú távon nem merül majd ki abban, hogy a Bingen vagy a Bing Képkészítőn, vagy épp a ChatGPT-n keresztül érhetjük el. Várhatóan további szolgáltatásokba is bekerül majd ez a képgeneráló, mi pedig folyamatosan frissítjük majd ezt a cikket az újdonságokkal.
