DALL-E 3 使用指南

DALL-E 3 是 OpenAI 最新的图像生成模型。它最大的特点是“听得懂人话”。你不需要像在 Midjourney 或 SD 中那样背诵复杂的魔法咒语，只需用自然语言描述画面，DALL-E 3 就能精准执行。

---

1. 核心优势：语义理解

传统的绘图模型需要： masterpiece, best quality, 1girl, blue hair, standing in rain, cyberpunk city background, neon lights, 8k wallpaper

DALL-E 3 只需要： “画一个蓝发女孩站在下雨的赛博朋克城市里，背景有霓虹灯，画面精美。”

它能精确理解物体之间的关系（谁在谁旁边）、文字内容（在招牌上写什么字）以及复杂的逻辑描述。

2. 使用渠道

2.1 ChatGPT Plus/Team

最常用的方式。

• 对话式修改: 画完后，你可以继续说：“把背景里的雨改成雪”、“给她戴上一顶帽子”、“画幅变成横屏”。
• 多图生成: 一次对话通常生成 1-2 张图。

2.2 Microsoft Designer (原 Bing Image Creator)

• 免费使用: 每天有免费生成的 Boost 点数。
• 底层技术: 同样基于 DALL-E 3。
• 网址: designer.microsoft.com

2.3 API 调用

开发者可以使用 API 将画图集成到自己的应用中。

• 价格: 标准版 $0.04/张，高清版 $0.08/张（1024x1024）。

3. 提示词技巧

尽管 DALL-E 3 很智能，但掌握技巧能画得更好。

3.1 风格指定

DALL-E 3 倾向于生成具有“数码插画感”的图片。如果想要照片级真实感，需要强调：

• Photo-realistic (照片级真实)
• Captured by DSLR camera (单反相机拍摄)
• 4k resolution, raw style (原始风格)

3.2 保持一致性 (Gen ID)

在 ChatGPT 中，每张图都有一个 gen_id。如果你想微调某张图：

1. 问 GPT：“What is the gen_id of the first image?”
2. 下一条指令带上 ID：“Keep the style of gen_id 'xyz', but change the cat to a dog.”

3.3 文本渲染

DALL-E 3 是目前渲染文字最准确的模型之一。

• Prompt: 一个霓虹灯招牌，上面写着 "OPENAI"。
• DALL-E 3 可以准确把字母拼对，而 SD/MJ 往往会画成乱码。

4. 局限性

• 修改精度: 即使是对话式修改，它往往也是重画一张，很难做到像 Photoshop 那样只修图中的几个像素。
• 版权限制: 无法直接生成受版权保护的具体角色（如米老鼠、马里奥），模型会自动改写 Prompt 来规避版权。
• 比例限制: API 和网页版通常只支持 1024x1024 (1:1), 1792x1024 (16:9), 1024x1792 (9:16) 三种比例。

---

最后更新：2025-12