DALL-E

三代产品的演进

DALL-E 1（2021年1月）：OpenAI首个文本图像模型，基于GPT-3架构，使用离散VAE处理图像token，概念验证意义大于实用价值，生成质量偏低。

DALL-E 2（2022年4月）：切换为扩散模型架构，先生成CLIP图像嵌入再通过扩散解码，质量飞跃，支持inpainting（局部重绘）和outpainting（画面延伸），开放API供开发者调用。

DALL-E 3（2023年10月）：与ChatGPT深度整合，最大改进是提示词忠实度——此前AI绘图普遍「阳奉阴违」，忽略细节；DALL-E 3通过改进训练数据标注（用GPT-4重新描述图片）解决了该问题，且能在画面中准确渲染英文单词。[1]

在ChatGPT中的使用方式

ChatGPT Plus用户可直接用自然语言描述想要的图片，无需学习特定提示词技巧。ChatGPT会自动将用户的粗略描述扩写为详细提示词再传给DALL-E 3。这种「提示词自动扩写」机制让非专业用户门槛大大降低，但也意味着用户对最终提示词控制力较弱。DALL-E 3有严格的内容过滤，不允许生成真实人物肖像、暴力或成人内容。