DALL-E（OpenAI 图像生成模型）

DALL-E（也写作 DALL·E）是美国人工智能公司 OpenAI 开发的文本生成图像（文生图）模型系列，用户用自然语言描述画面，模型即可生成相应的图片。

概述

DALL-E 的名字是一个文字游戏，由超现实主义画家萨尔瓦多·达利（Dalí）与皮克斯动画机器人瓦力（WALL-E）拼合而成，暗示它兼具艺术想象力与机器属性。初代模型于 2021 年首次亮相，首度向公众展示了「用一句话画一幅画」的可能性，例如生成「牛油果形状的扶手椅」这类现实中不存在的图像，引发广泛关注。

2022 年发布的 DALL-E 2 改用扩散模型（Diffusion Model）技术，画质与分辨率大幅提升，并支持局部重绘（Inpainting）和图像变体等编辑能力。2023 年的 DALL-E 3 则深度集成进 ChatGPT，用户可以用聊天的方式让 ChatGPT 帮忙润色提示词再作画，大幅降低了使用门槛，微软的 Bing 图像创建器（Image Creator）也采用了这一模型。此后 OpenAI 推出 GPT-4o 原生图像生成能力，逐步接棒 DALL-E 系列，但 DALL-E 作为文生图领域的开创性产品，影响力依然深远。

核心功能

• 文本生成图像：输入中英文等自然语言描述，生成插画、照片、油画、像素风等多种风格的图片。
• 图像编辑：支持局部重绘与扩展画布，可修改图片中的指定区域或向外延伸画面。
• 图像变体:基于一张图片生成多个构图、风格相近的变体版本。
• 提示词理解：DALL-E 3 借助 ChatGPT 理解长而复杂的描述，画面细节还原度明显优于前代。
• 安全限制：内置内容过滤机制，拒绝生成暴力、成人及在世公众人物形象等内容。

与同类产品的比较

在文生图领域，DALL-E 与 Midjourney、Stable Diffusion 并称三大代表：Midjourney 以艺术感和氛围见长，Stable Diffusion 开源可本地部署、生态繁荣，而 DALL-E 的优势在于对自然语言的理解能力强、与 ChatGPT 无缝结合，适合没有专业绘画和提示词经验的普通用户。

常见问题

问：DALL-E 免费吗？答：DALL-E 3 主要通过 ChatGPT 提供，付费订阅用户可直接使用；免费用户可通过微软必应的图像创建器等渠道体验，具体额度以官方政策为准。

问：DALL-E 生成的图片可以商用吗？答：按 OpenAI 的使用条款，用户对自己生成的图片拥有使用权，可用于商业用途，但需遵守内容政策，且 AI 生成图片的版权归属在不同国家法律上仍有争议。

问：DALL-E 和 Sora 有什么区别？答：两者都是 OpenAI 的生成式模型，DALL-E 生成静态图片，Sora 则是文本生成视频模型，可以看作从图像到视频的能力延伸。