微软必应再强化！接入OpenAI DALL·E模型，文字生成图像
机器之心报道
机器之心编辑部
微软必应完善文字生成图像能力，Adobe 今日也发布 Firefly，杀入生成式 AI 这场游戏。
今晚实在是有些热闹。
一边英伟达 GTC 正在进行中，一边谷歌正式开放了 Bard 的测试，这里微软必应也不甘寂寞。
今日，微软正式宣布，必应搜索引擎接入了 OpenAI 的 DALL·E 模型，增加了 AI 生成图像的功能。
也就是说，在接入 ChatGPT 之后，必应再次强化，Bing Image Creator 能够让用户用 DALL·E 模型生成图像。
「对于拥有必应预览版权限的用户，Bing Image Creator 将完全集成到必应聊天体验中，首先在创意模式下推出。」微软消费者营销主管 Yusuf Mehdi 解释道。「通过输入图像描述，提供位置或活动等额外语境，选择艺术风格，Image Creator 将根据用户的想象生成图像。」
必应具有三种响应模式：创意模式、平衡（balanced）模式和精确（precise）模式。创意模式下必应生成的结果通常是「原创和富有想象力的」，而精确模式则倾向于准确性和相关性，以获得更真实和简洁的答案。目前 Image Creator 只能在创意模式下使用。
值得一提的是，即使没有必应预览版的使用权限，用户也可以通过直接访问 bing.com/create 单独使用 Image Creator 来尝试其图像生成功能，目前仅支持英文输入。微软表示，随着时间的推移，它将支持更多的语言输入。
此外，微软今天还在必应中推出了新的 AI 支持的视觉故事（visual Stories）和 Knowledge Cards 2.0。
我们简单为大家梳理介绍下 OpenAI 文本生成图像的 DALL·E 系列研究。
2021 年 1 月 6 日，OpenAI 博客发布了两个连接文本与图像的神经网络：DALL・E 和 CLIP。DALL・E 可以基于文本直接生成图像，CLIP 则能够完成图像与文本类别的匹配。这两项研究的发布，引起了社区极大的关注。
据博客介绍，DALL・E 可以将以自然语言形式表达的大量概念转换为恰当的图像，可以说是 GPT-3 的 120 亿参数版本，可基于文本描述生成图像。
DALL・E 示例。给出一句话「牛油果形状的椅子」，就可以获得绿油油、形态各异的牛油果椅子图像。
2 个月后，DALL·E 的论文和代码公开。
- 项目地址：https://github.com/openai/DALL-E
- 论文地址：https://arxiv.org/abs/2102.12092
2022 年 4 月 7 日左右，DALL・E 迎来了升级版本 ——DALL・E 2。与 DALL・E 相比，DALL・E 2 在生成用户描述的图像时具有更高的分辨率和更低的延迟。并且，新版本还增添了一些新的功能，比如对原始图像进行编辑。
OpenAI 还公布了 DALL・E 2 的研究论文《Hierarchical Text-Conditional Image Generation with CLIP Latents》。
论文地址：https://cdn.openai.com/papers/dall-e-2.pdf
此次必应接入的 DALL・E 应该是经过更新迭代的。这在一定程度上，弥补了当前 ChatGPT 在跨模态生成方面缺失的体验。不过等到 GPT-4 多模态能力开放后，也许能为我们带来更多新的体验。
最后提一句，今日还有一项生成式 AI 的发布引起了业内人士的关注与讨论。
那就是 Adobe 发布 Firefly。这是一系列用于创意表达的生成式 AI 模型，让用户可以通过键入命令快速修改图像。目前，Firefly 开放了测试版本，感兴趣的读者可以申请体验。
如今看来，生成式 AI 这场游戏有越来越多的玩家涌入，竞争也变得越来越激烈。
参考链接：
https://blogs.microsoft.com/?p=52560769
https://www.theverge.com/2023/3/21/23649943/microsoft-bing-openai-dall-e-image-creator-ai