Mis oli DALL·E 2
DALL·E 2 oli OpenAI teise põlvkonna pildigeneratsioonimudel. See teisendas loomulikus keeles kirjeldused uuteks piltideks ja kunstiteosteks, võimaldades kasutajal kirjeldada viiba abil objekte, visuaalseid omadusi, kompositsioone ja kunstistiile.
OpenAI tutvustas DALL·E 2-t 2022. aasta aprillis teadusuuringute eelversioonina. Ettevõtte sõnul lõi see algse DALL·E-ga võrreldes realistlikumaid ja täpsemaid pilte ning selle eraldusvõime oli neli korda suurem. Tegemist on OpenAI väitega mudeli täiustamise kohta võrreldes eelkäijaga, mitte sõltumatu jõudluse hinnanguga.
Mudeli API-tunnus oli dall-e-2. Ajalooliselt oli see oluline, sest laiendas pildigeneratsiooni lihtsatest tekstist pildiks päringutest töövoogudeni, mille abil sai olemasolevat pilti muuta või luua sellega seotud alternatiive.
Peamised pilditöötlusvõimalused
DALL·E 2 toetas tekstist pildi loomist: kasutaja sai esitada kirjelduse ja paluda luua uue rasterpildi. Näiteks võis viip kirjeldada kindlat objekti, keskkonda, visuaalset stiili või eri mõistete kombinatsiooni. Mudel oli loodud ühendama ühes genereeritud tulemuses mõisteid, visuaalseid omadusi ja kunstistiile.
See toetas ka pildipõhiseid töövooge:
- Redigeerimine: olemasoleva pildi muutmine viiba alusel.
- Inpainting: pildil valitud ala asendamine või täitmine.
- Outpainting: pildi laiendamine algsetest piiridest kaugemale.
- Variatsioonid: olemasoleva pildi põhjal alternatiivsete piltide loomine.
Need võimalused muutsid DALL·E 2 kasulikuks visuaalsel katsetamisel. Disainer sai proovida mitut kompositsiooni, stseeni laiendada, pildi üht osa asendada või kasutada lähtepilti variatsioonide alusena, selle asemel et iga kord tühjalt lõuendilt alustada.
Sisendid, väljundid ja toetatud vormingud
DALL·E 2 võttis piltide loomiseks vastu tekstiviipasid ning redigeerimise või variatsioonide töövoogudes pildisisendeid. Selle väljund oli rasterpilt. See ei loonud teksti, heli, videot, esitusi, struktureeritud andmeid, tööriistakutseid ega üldotstarbelise keelemudeli vastuseid.
Dokumenteeritud pildisuurused olid 256×256, 512×512 ja 1024×1024 pikslit. Pildigeneratsiooni API dokumenteeritud viiba pikkuse piirang oli 1000 märki. Esitatud spetsifikatsioonides ei ole määratud kontekstiakent, väljundi maksimaalset märgipiirangut, teadmiste lõppkuupäeva, voogedastuse tuge, funktsioonikutseid ega partiitöötluse API võimalust; need keelemudelitega seotud mõisted ei kehti üldjuhul ainult pilte loova mudeli puhul.
| Võimalus | DALL·E 2 tugi |
|---|---|
| Tekstisisend | Jah |
| Pildisisend | Jah, redigeerimiseks ja variatsioonide loomiseks |
| Pildisisend | Jah |
| Heli- või videosisend/-väljund | Ei |
| Tekstiväljund | Ei |
| Viiba piirang | 1000 märki pildigeneratsiooni API dokumentatsiooni kohaselt |
| Dokumenteeritud pildisuurused | 256×256, 512×512 ja 1024×1024 |
Ajalooline API hinnastus
DALL·E 2 hinnastus põhines genereeritud piltide arvul, mitte korduva tellimusega paketil. Ajaloolised API hinnad olid järgmised:
- 0,016 dollarit ühe 256×256 pildi eest
- 0,018 dollarit ühe 512×512 pildi eest
- 0,020 dollarit ühe 1024×1024 pildi eest
Need hinnad on ajaloolised ja neid ei tohiks käsitleda praeguste ostuhindadena. Mudel ei ole uute API-päringute jaoks enam saadaval, seega ei ole DALL·E 2-l praegu kehtivat tootmishinda ega hinnastuspaketti.
OpenAI teatas DALL·E avalikust API beetaversioonist 3. novembril 2022. Tollal pakkus pildipõhine hinnastus lihtsat kulumudelit: suurema mõõtmega väljundid maksid veidi rohkem, väiksemad pildid olid aga odavamad, kui kõrget eraldusvõimet polnud vaja.
Kasutuselt kõrvaldamine ja koht OpenAI tootevalikus
OpenAI lõpetas mudeli dall-e-2 toetamise ja eemaldas selle API-st 12. mail 2026. Kasutuselt kõrvaldamise tõttu on DALL·E 2 nüüd eelkõige oluline ajalooliste uuringute, päranddokumentatsiooni ja uuemate pildigeneratsioonisüsteemidega võrdlemise seisukohast.
OpenAI soovitas üle minna uuematele GPT Image'i mudelitele, sealhulgas GPT Image 2-le, GPT Image 1-le või GPT Image 1 Mini-le. Kättesaadavad uuringud nimetavad neid uute pildigeneratsioonitööde järglasteks, kuid ei esita iga mudeli kohta üksikasjalikku funktsioonide või hinnastuse võrdlust. Seetõttu peaksid praegust OpenAI pildimudelit hindavad lugejad käsitlema GPT Image 2-te uuema alternatiivina, mitte proovima ehitada uut rakendust DALL·E 2 ümber.
Tugevused ja piirangud
DALL·E 2 peamine tugevus oli oma põlvkonna kohta mitmekülgne pilditöötluse töövoog. See ei loonud üksnes pealkirja või kirjelduse põhjal uut pilti, vaid toetas ka redigeerimist, inpainting'u- ja outpainting'u-funktsioone ning variatsioonide loomist. See muutis mudeli kasulikuks järkjärgulises visuaalses töös, näiteks valitud objekti muutmisel, tausta laiendamisel või lähtepildi mitme tõlgenduse uurimisel.
Selle teine ajalooline eelis oli lihtne API hinnastusstruktuur kolme dokumenteeritud väljundisuurusega. Kasutajad võisid valida väiksema hinnaga 256×256 või 512×512 pildi, kui väiksemast ressursist piisas, või küsida suuremat 1024×1024 väljundit.
Praeguses kasutuses on selle piirangud märkimisväärsed. DALL·E 2 oli varasema põlvkonna pildimudel ning sellel puudusid uuemate GPT Image'i mudelitega seotud kõrgem kvaliteet, suuremad eraldusvõimed, uued võimalused ja töövoointegratsioonid. See ei olnud arutlus- ega koodimudel, ei toetanud üldisi vestlusvastuseid ega pakkunud heli- või videogeneratsiooni.
Kõige olulisem praktiline piirang on kasutuselt kõrvaldamine: isegi kui selle ajaloolised võimalused sobiksid mõne projektiga, ei saa API-d pärast sulgemiskuupäeva uue tootmisintegratsiooni jaoks kasutada.
Arutlus, kodeerimine ja tööriistade tugi
DALL·E 2 ei pakkunud üldotstarbelise arutluse, kodeerimise ega tööriistade kasutamise võimalusi. Tekstiviip võis kirjeldada loodavat pilti, kuid mudel ei andnud selgitusi, käivitanud koodi, kutsunud väliseid funktsioone, sirvinud veebi ega loonud struktureeritud JSON-i.
See erinevus on mudeli valimisel oluline. DALL·E 2 võis olla osa suuremast rakendusest, kus mõni teine süsteem tegeles vestluse, viipade koostamise, töövoo loogika või järeltöötlusega, kuid DALL·E 2 ise oli pildigeneratsiooni komponent, mitte universaalne abiline.
Millal seda mudelit valida
Uute juurutuste puhul pole DALL·E 2 valimiseks põhjust, sest OpenAI on selle API-st eemaldanud. Uue OpenAI pildigeneratsiooniintegratsiooni puhul on sobivam suund mõni praegune GPT Image'i mudel.
DALL·E 2 võib endiselt olla sobiv teema ajaloolise võrdluse või pärandsüsteemi migreerimisprojekti jaoks. See on eriti asjakohane järgmiste teemade dokumenteerimisel:
- OpenAI pildigeneratsioonitoodete areng;
- varajane tekstist pildiks API hinnastus ja väljundisuuruste valik;
- inpainting'u, outpainting'u ja pildivariatsioonide kasutuselevõtt OpenAI töövoos;
- olemasoleva rakenduse käitumine, kui see loodi mudelitunnuse
dall-e-2ümber.
Kui nõutud on tänapäevane pildikvaliteet, jätkuv API-juurdepääs, uuemad redigeerimise töövood või toetatud tootmisteenus, on sobivam mõni uuem GPT Image'i mudel. Kui vaja on teksti mõistmist ja arutlust, kodeerimist, struktureeritud väljundit või tööriistade kasutamist, on pildimudel vale kategooria ning neid ülesandeid peaks eraldi täitma praegune keelemudel.
Kokkuvõte
DALL·E 2 oli oluline pildigeneratsioonimudel, mis ühendas tekstist pildi loomise redigeerimise, inpainting'u, outpainting'u ja variatsioonidega. Selle dokumenteeritud API toetas kolme ruudukujulise pildi suurust ning ajalooliselt maksis üks pilt 0,016–0,020 dollarit. Need faktid aitavad mõista OpenAI varasemat pildi-API-t, kuid mudel ei ole enam kaasaegne teenus: selle kasutamine lõpetati ja see eemaldati API-st 12. mail 2026. Uutes projektides tuleks selle asemel kasutada toetatud GPT Image'i mudelit.