借助 DALL-E 2，OpenAI 为 AI 艺术带来了新的成就和可能性。这一多模态AI模型能生成富有创造性的图像，还能够改变现有图像的风格。只要输入一句描述性话语即可生成细节丰富的图像，更生动、更详细的话语效果更好。
DALL-E 2的前身DALL-E由OpenAI 于2021年1月推出，已经可以通过输入文本来生成图像，然后由并行开发的CLIP 模型按质量排序，并择优。在随后的几个月里，该模型引发了一系列实验，其中CLIP与 Nvidia 的 StyleGAN 相结合，还可以根据文本描述更改图像。
2021 年 12 月，OpenAI 推出GLIDE，这是一种使用所谓扩散模型的多模式模型。扩散模型在训练过程中逐渐向图像添加噪声，然后学会逆转这个过程。经过训练后，该模型可以从纯噪声中生成训练过程中看到的物体的任何图像。
GLIDE 的效果超过了 DALL-E，也优于其他模型。然而，与 DALL-E 不同的是，GLIDE 不依赖 CLIP，而相应的结合了 CLIP 和 GLIDE 的原型未能达到没有 CLIP 的 GLIDE 的质量。
OpenAI近日展示的DALL-E2，依赖于GLIDE风格的扩展扩散模型，但将其与CLIP相结合。CLIP不是从文本描述生成图像，而是通过图像嵌入——一种数字图像表示。然后，扩散解码器根据该表示生成图像。这是 DALL-E 2 与其前身的不同之处，后者专门使用 CLIP 过滤生成的结果。生成的图像再次令人惊讶：超越了 DALL-E 和 GLIDE 的结果。
CLIP 在 DALL-E 2 中的集成也让 OpenAI 可以更精确地控制文本生成的图像。某些元素可以添加到图像中，例如游泳池中的火烈鸟游泳圈或图像中的柯基犬。
特别令人印象深刻的是 DALL-E 2 能够根据当前环境调整生成：新添加的柯基犬能适合各自的绘画风格，或者如果它坐在前景的长凳上，它就会变得逼真。【编译自mixed.de】
特别令人印象深刻的是 DALL-E 2 能够根据当前环境调整生成