A ChatGPT-t megalkotó OpenAI számára a világsikert a generatív MI chatbot hozta el, de valójában a DALL-E képgenerátor volt az első szélesebb körben elérhetővé vált terméke. Az elmúlt években a DALL-E sok kemény ellenfelet kapott, de az OpenAI igyekszik folyamatosan fejleszteni annak érdekében, hogy a felszínen maradjon a Midjourney, a Stable Diffusion és társaik mellett.

A DALL-E a harmadik generációjánál tart, és ezt „tuningolta” most egy kicsit a fejlesztője két extra lehetőséggel a korábbiakon felül. Az inspirációs célú, és a képalkotást segítő stílusválasztó az egyik újítás, a másik pedig a generatív MI képszerkesztő, ami egyben akár egy retusáló eszközként is felfogható, csak a felhasználón és a kreativitásán múlik majd , hogy mit hoz ki ebből.

A munka során a DALL-E több képet kínál fel, ezek közül kiválaszthatja az ember azt, hogy melyik a számára tetszetősebb. Nagyon ritka az, hogy egy-egy kép, úgy ahogy van, tökéletesnek ítéltetik. Általában lenne még néhány kisebb-nagyobb részlet, amit a felhasználó másként gondolna, esetleg a kép alapján jön neki az ihlet. Ilyen esetekben jön majd jól a képszerkesztő, amivel a kész kép részleteit lehet majd parancsokkal tovább formálni.

A megfelelő kép kiválasztását követően ki lehet majd azt jelölni, hogy mely pontokat akarja a felhasználó módosítani, és ezt a szerkesztést is a DALL-E-ra lehet bízni. Az embernek csupán le kell írnia, hogy mit akar megváltoztatni az adott területeken. Például ha generál egy gyümölcskosár képet, akkor a végeredményben kijelölheti az egyik almát, és megírhatja a mesterséges intelligenciának, hogy cserélje az ki egy narancsra.

Sűrű hiba szokott lenni, hogy a feliratokat nem tudja szépen kidolgozni a nagy nyelvi modellt használó generatív MI, de ezzel az új eszközzel például az ilyen problémás részleteket is lehet majd utólag alakítani. Nem tetszik valami a képen? Nos, ebben is segít a képszerkesztő. Csak ki kell jelölni azt a részletet, ami nem illik a képbe a felhasználó szerint, és meg kell kérni a DALL-E-t, hogy távolítsa el onnan az „idegen” dolgot.

Továbbra sem lesz szükség semmilyen képszerkesztő tapasztalatra, tudásra, de mégis képes lesz alakírtani a képeken az ember. A harmadik generációs DALL-E folyamatosan fejlődik, és az OpenAI arra törekedik, hogy az egyszerűséget megtartva nyújtson egyre több lehetőséget.

A paraméterek megadása előtt a felhasználók már kiválaszthatják azt, hogy milyen stílusú képet látnának szívesen, erre külön kapcsolók lesznek majd a szövegbeviteli mező felett. Egy példaképet fog mutatni a DALL-E, hogy az emberek könnyebben el tudják azt képzelni, hogy nagyjából milyen stílusú végeredményre számíthatnak majd.

Olyan stílusirányzatokból lehet majd választani, mint például a „Sci-fi” vagy a „Gothic”, esetleg „Night”, ha kifejezetten éjszakai alapban gondolkodik az ember. Egyszerre többet is lehet majd ezek közül vegyíteni, így a generatív MI még inkább célirányosan tudja majd a képeket létrehozni.

Ennek köszönhetően gyorsabban kaphatja majd meg a kívánt eredményt a felhasználó, ha munkára használja a szoftvert, akkor hamarabb célt ér, produktívabb lesz. Kezdő grafikusok számára az egyszerű kapcsolókkal elérthető stílusjegyek nagy segítséget jelenthetnek majd karöltve az új szerkesztővel. Ezeket a fejlesztéseket minden előfizető alkalmazhatja majd.