微軟必應再強化！接入OpenAI DALL·E模型，文字生成影像

微軟必應完善文字生成影像能力，Adobe 今天也發布 Firefly，殺入生成式 AI 這場遊戲。

昨晚實在是有些熱鬧。

一邊英偉達 GTC 正在進行中，一邊谷歌正式開放了 Bard 的測試，這裡微軟必應也不甘寂寞。

今日，微軟正式宣布，必應搜尋引擎連接了 OpenAI 的 DALL·E 模型，增加了 AI 生成圖像的功能。

也就是說，在存取 ChatGPT 之後，必應再次強化，Bing Image Creator 能夠讓使用者用 DALL·E 模型產生影像。

「對於擁有必應預覽版權限的用戶，Bing Image Creator 將完全整合到必應聊天體驗中，首先在創意模式下推出。」微軟消費者行銷主管 Yusuf Mehdi 解釋道。 「透過輸入圖像描述，提供位置或活動等額外語境，選擇藝術風格，Image Creator 將根據用戶的想像生成圖像。」

必應具有三種回應模式：創意模式、平衡（balanced）模式和精確（precise）模式。創意模式下必應產生的結果通常是「原創和富有想像力的」，而精確模式則傾向於準確性和相關性，以獲得更真實和簡潔的答案。目前 Image Creator 只能在創意模式下使用。

值得一提的是，即使沒有必應預覽版的使用權限，用戶也可以透過直接存取 bing.com/create 單獨使用 Image Creator 來嘗試其圖像生成功能，目前僅支援英文輸入。微軟表示，隨著時間的推移，它將支援更多的語言輸入。

此外，微軟還在必應中推出了新的 AI 支援的視覺故事（visual Stories）和 Knowledge Cards 2.0。

我們簡單為大家梳理介紹下 OpenAI 文字生成圖像的 DALL·E 系列研究。

2021 年 1 月 6 日，OpenAI 部落格發布了兩個連接文字與圖像的神經網路：DALL・E 和 CLIP。 DALL・E 可以基於文字直接產生圖像，CLIP 則能夠完成圖像與文字類別的匹配。這兩項研究的發布，引起了社區極大的關注。

根據部落格介紹，DALL・E 可以將以自然語言形式表達的大量概念轉換為恰當的圖像，可以說是 GPT-3 的 120 億參數版本，可基於文字描述生成圖像。

DALL・E 範例。給出一句話「酪梨形狀的椅子」，就可以獲得綠油油、形狀各異的酪梨椅子圖像。

2 個月後，DALL·E 的論文和程式碼公開。

• 專案網址：https://github.com/openai/DALL-E
• 論文網址：https://arxiv.org/ abs/2102.12092

2022 年4 月7 日左右，DALL・E 迎來了升級版本－DALL・E 2。與 DALL・E 相比，DALL・E 2 在產生使用者描述的影像時具有更高的解析度和更低的延遲。並且，新版本也增添了一些新的功能，例如對原始影像進行編輯。

OpenAI 也公佈了 DALL・E 2 的研究論文《Hierarchical Text-Conditional Image Generation with CLIP Latents》。

論文網址：https://cdn.openai.com/papers/dall-e-2.pdf

這次必應存取的DALL・E 應該是經過更新迭代的。這在一定程度上，彌補了目前 ChatGPT 在跨模態生成方面缺失的體驗。不過等到 GPT-4 多模態能力開放後，或許能為我們帶來更多新的體驗。

最後提一句，今天還有一篇生成式 AI 的發布引起了業內人士的關注與討論。

那就是 Adob​​​​e 發布 Firefly。這是一系列用於創意表達的生成式 AI 模型，讓使用者可以透過鍵入指令快速修改圖像。目前，Firefly 開放了測試版本，有興趣的讀者可以申請體驗。

如今看來，生成式 AI 這場遊戲有越來越多的玩家湧入，競爭也變得越來越激烈。

以上是微軟必應再強化！接入OpenAI DALL·E模型，文字生成影像的詳細內容。更多資訊請關注PHP中文網其他相關文章！