文|娛樂資本論 James
Hello各位打工人！現(xiàn)在相信有一個(gè)問題非常困擾大家：
今天到底星期幾？
踏入連休之后的7天班，不論是早上被設(shè)定的好多個(gè)鬧鐘群毆，還是假裝在電腦前聚精會神，心思卻跑到了九霄云外。
上面這些由藤子·不二雄、鳥山明等日本泰斗級漫畫家?guī)淼漠嬜?，肯定都能充分描繪你的現(xiàn)狀吧。
——哦，有一點(diǎn)我說錯(cuò)了，上面這幾幅畫并不是由那些漫畫家本人畫出來的。創(chuàng)作它們的是內(nèi)置了DALL-E 3的ChatGPT Plus。
雖然不是為了給祖國母親生日獻(xiàn)禮，但OpenAI確實(shí)是在剛剛過去的長假里面，對Plus用戶灰度開放了下列新功能：
用必應(yīng)搜索的能力，此前因效果不佳臨時(shí)下線，此番重新恢復(fù)；
默認(rèn)模式允許上傳圖片，并且識別圖片內(nèi)容；
加入了DALL-E 3文生圖模式。
其中，DALL-E 3還沒有普及到所有ChatGPT Plus訂戶中，不過娛樂資本論·視智未來手中的賬號已經(jīng)是開通了上述所有能力的“完全體”了。
有的Plus用戶雖然續(xù)了費(fèi)，但是并不能見到上面所有這些功能。此時(shí)，閱讀我們下面這篇簡單的介紹和上手指南就非常重要了。
可以說，這里面每一個(gè)能力都是這大半年以來ChatGPT的用戶們期待已久的。但是它們實(shí)際上的效果如何，是否可以真正融入我們的日常工作流當(dāng)中，又會不會對市場上的競品構(gòu)成重大的威脅呢？
娛樂資本論·視智未來一向是各位文娛、內(nèi)容產(chǎn)業(yè)讀者的貼心小伙伴，不論是科普，評測還是培訓(xùn)，我們始終堅(jiān)持一個(gè)原則：就像在實(shí)際的生產(chǎn)過程一樣來測試和使用AI工具，而不是單純追求讓它“炫技”。
是騾子是馬，我們現(xiàn)在就拉出來遛遛。
VOL.1、必應(yīng)搜索
在進(jìn)入大家都很關(guān)心的圖像能力之前，先來看下恢復(fù)上線的必應(yīng)聯(lián)網(wǎng)模塊。
上個(gè)月，娛樂資本論·視智未來剛剛完成了第二輪文本大模型實(shí)用場景橫評。讀者們應(yīng)該記得，在那次測試中，GPT-4不聯(lián)網(wǎng)時(shí)的表現(xiàn)依然穩(wěn)定，然而當(dāng)它使用VoxScript等插件聯(lián)網(wǎng)時(shí)，效果卻比一些國產(chǎn)大模型的表現(xiàn)還要差。
我們也分析了相關(guān)的原因，主要是官方與必應(yīng)合作的聯(lián)網(wǎng)插件不能使用時(shí)，其他第三方插件的表現(xiàn)不穩(wěn)定，而且參差不齊。
這次官方聯(lián)網(wǎng)的回歸，讓我們期望它會有比以前更好的表現(xiàn)，但實(shí)際上并沒有好太多，很難稱得上提供了全面和準(zhǔn)確的答案。
而且，與使用插件聯(lián)網(wǎng)不同，這里不再允許你查看它在回答問題時(shí)具體訪問了哪些網(wǎng)站。所以，結(jié)果不理想時(shí)也無法找出原因。
當(dāng)然，GPT支持更長的提示詞和答案生成，而必應(yīng)只支持幾百個(gè)字的短答案，但聯(lián)網(wǎng)還會占用GPT-4每3個(gè)小時(shí)50次的限額。所以有時(shí)你在必應(yīng)官網(wǎng)用AI搜索，效果可能更好一些。
所以就是這樣，讓我們趕緊進(jìn)入下面的重頭戲。
VOL.2、DALL-E 3繪圖
現(xiàn)在我們可以回顧一下本文開頭的三張圖。
這三張圖的最終效果都非常出色，可以說在這次更新之前，所有的文生圖工具中，只有Midjourney能夠達(dá)到這種水平。當(dāng)然我們一直認(rèn)為競爭對手達(dá)到MJ的高度是遲早的事情，但DALL-E 3的出現(xiàn)比我們想象的早得多。
當(dāng)然，在ChatGPT中引入圖片生成，最大的改進(jìn)不僅在于生成的效果，還在于生成的過程。
我們知道與文字相比，無論是SD還是MJ的提示詞，都更不能隨便寫，它們有更多規(guī)則、格式乃至“咒語”的要求，在生成圖片時(shí)起到了重要作用。像我們的AIGC大師課中就指出，有些繪畫風(fēng)格、藝術(shù)家名稱、效果光線等都需要指定，而這些詞匯所醞釀出的結(jié)果就像煉丹一樣。
在如今的ChatGPT里面，這些已經(jīng)是過去的事情了。我們現(xiàn)在所使用的方法，會更接近要求一位人類畫師去做事，說的話也更接近自然語言，GPT-4承擔(dān)了轉(zhuǎn)譯的工作。
ChatGPT會根據(jù)用戶的需求，一次提供四個(gè)不同的真·提示詞，并將它們導(dǎo)入DALL-E中生成四張不同的圖片。這比單一提示詞生成四種變體更完善，還可以指定其中一張繼續(xù)進(jìn)行微調(diào)，盡管效果不一定如人意。
讓我們來回顧文章開頭的畫作是怎樣生成的。
首先，當(dāng)我們看到一張梗圖很有趣，于是想自己畫一張的時(shí)候，這是非常常見的使用場景。
不過，在DALL-E 3之前，我們似乎難以想象除了Midjourney還有什么文生圖工具可以出來比較好的效果。
點(diǎn)開可以發(fā)現(xiàn)，每一張圖的prompt都各不相同。
盡管AI作圖嵌字問題還是沒完全解決，但你可以看出跟之前版本相比有了巨大的進(jìn)步。此時(shí)我們甚至可以只用Windows自帶的“畫圖”來給它加上適當(dāng)?shù)淖煮w。
其它圖片也類似：
很顯然，如果我們想使用傳統(tǒng)文生圖方法，生成提示詞是需要我們自己動腦的事情，但現(xiàn)在GPT已經(jīng)承擔(dān)了這個(gè)重任。當(dāng)你點(diǎn)擊具體的圖片時(shí)，可以看到它使用了哪些提示詞，并將其復(fù)制下來。在生成結(jié)果出現(xiàn)問題時(shí)，也可以通過分析提示詞構(gòu)成來發(fā)現(xiàn)問題所在，以及是否有可能改進(jìn)。
由于成圖的完成度非常高，圖像裁切不需要的部分，以及往里面嵌字，甚至只需要使用Windows自帶的畫圖就可以完成。
在下面的測試中，我們發(fā)現(xiàn)，如果你的指令非常簡單，ChatGPT生成的作品或許有一些對東亞文化元素的刻板印象和挪用。例如：
請創(chuàng)作一幅中國慶祝三·八國際勞動?jì)D女節(jié)的海報(bào)。主題是：“巾幗筑夢心向黨，強(qiáng)國復(fù)興勇?lián)?dāng)”，但不需要在海報(bào)中出現(xiàn)文字。
接下來，我們嘗試用必應(yīng)搜索給我們總結(jié)，怎樣優(yōu)化提示詞，讓生成效果更貼近我們的需要。
盡管如此，如果你直接讓ChatGPT改圖，它依然大概率不會按照你的要求直接改動，這反映了DALL-E 3在識別prompt方面的局限。
如果你點(diǎn)開它更改過的prompt，就會發(fā)現(xiàn)不是提示詞的問題，GPT實(shí)際上已經(jīng)盡力了。所以，一次生成的圖最好還是由人工在后期改動。
oil painting of a modern Shanghai ballerina, gracefully posing in front of iconic landmarks near the Bund. In the background, there's a plain red flag without any emblems, stars, or symbols, fluttering in the wind. The scene is dominated by red and gold hues, and a clear space at the bottom is reserved for potential text.
即使如此，我們也已經(jīng)得到了幾張最終效果很好的圖片。
上述試用過程代表了一個(gè)總體趨勢，即prompt微調(diào)的作用大大降低，我們文生圖給AI下的指令將會越來越接近自然語言。
VOL.3、GPT-4 識圖
另一個(gè)最受歡迎的ChatGPT新功能，當(dāng)然就是識別圖片的含義。
在一些近期的測試中，GPT-4是可以讀出一些幽默或者寓言故事中的潛臺詞，分析畫面當(dāng)中人物的心理和情緒。當(dāng)然，這些都是重大的突破，但總體來說還是屬于“常規(guī)動作”。
我們想看看它還能不能做更好玩的事情－－比如看X光片。
醫(yī)學(xué)影像行業(yè)是不是要被替代掉了？實(shí)際結(jié)果遠(yuǎn)遠(yuǎn)沒有這么樂觀。
我給了GPT一張有問題的X光片（這里不放原圖，因?yàn)槟鞘俏易约旱腦光片），人類醫(yī)生可以看到一顆劈裂牙和右下頜骨的一塊含牙囊腫，但GPT并沒有識別出任何問題。
回頭看一下上面那張網(wǎng)圖，它的問題是一樣的，它知道這是牙片，但除此之外就沒有然后了，它傾向于對看不出來、不確定的東西報(bào)喜不報(bào)憂，這點(diǎn)倒是跟“百度一下，我覺得我快掛了”完全相反。
看來，影像科室里看片的人類，目前還可以繼續(xù)高枕無憂。
在不這么嚴(yán)肅的問題上，比如翻譯一個(gè)外文廣告牌，是可以勝任的。你可以將這個(gè)結(jié)果跟Jina.AI的同款產(chǎn)品做個(gè)對比。
翻譯確實(shí)是ChatGPT的長項(xiàng)，圖片識別更是讓這一長處如虎添翼。不過，它具體勝任到什么程度，又取決于它基礎(chǔ)知識的積累，在不那么熟悉的領(lǐng)域，比如翻譯維吾爾文，照樣“一本正經(jīng)地胡說八道”。
接下來的測試在效果上可謂非常驚艷。我們在一個(gè)設(shè)計(jì)師常用的網(wǎng)站Dribbble上找了一些網(wǎng)頁和APP的效果圖，然后讓它直接生成一個(gè)在瀏覽器中真的能打開的網(wǎng)頁代碼。
它完成了這個(gè)任務(wù)－－非常出色。
雖然沒有完全復(fù)刻效果圖，但如果我完全不會前端代碼，又想從零開始做，那么它已經(jīng)能讓我做出一個(gè)可用的東西。甚至因?yàn)樗膶?shí)現(xiàn)與效果圖中細(xì)微的區(qū)別，還可以說它給原作“洗稿”了。這可能是運(yùn)用GPT的發(fā)散思維能力的一個(gè)最佳案例。
經(jīng)過4-5次提示詞調(diào)整后，成品如下：
可以說，動嘴修改的成功率遠(yuǎn)高于之前預(yù)想，而且再怎么說，也比不斷微調(diào)代碼要簡單多了。這樣一來，各位文字工作者們可以用前所未有的簡單方法，來試著搭建自己的作品集或個(gè)人網(wǎng)站。
VOL.4、誰要慌了？
回頭再看一看我們所做過的這些測試：
不需要懂英文，就可以用自然語言讓DALL-E 3作畫，效果逼近Midjourney；
可以識圖、在熱門語言之間翻譯圖像內(nèi)容；
將一個(gè)畫出來的界面圖轉(zhuǎn)換為真正的網(wǎng)頁，不會前端技術(shù)也可以設(shè)計(jì)自己的網(wǎng)站……
這些進(jìn)化，給人最大的感受就是意料之外，情理之中。仔細(xì)一思考就會發(fā)現(xiàn)，這些功能只是對原本GPT-4基礎(chǔ)能力的巧妙運(yùn)用，將原本相互分離的不同模態(tài)結(jié)合在一起，就化腐朽為神奇了。
在識圖和繪圖時(shí)，GPT仍然會瞎編，因此仍然需要你的專業(yè)知識來補(bǔ)充那些它不掌握的領(lǐng)域，做事實(shí)核查，并決定如何剪裁和應(yīng)用它的回答。
這進(jìn)一步強(qiáng)化了我們對GPT的理解，它是一個(gè)為現(xiàn)有從業(yè)者提供的工具，可以增強(qiáng)你現(xiàn)有的能力，但不能自主產(chǎn)生知識，只能根據(jù)你的思路進(jìn)行操作。
ChatGPT不會取代我們的大多數(shù)讀者，但是會更好地幫助我們。但是，當(dāng)然也會有人看到這些進(jìn)步之后感受到真實(shí)的恐慌。
1
比如我們一直在對比的Midjourney本尊：對于普通用戶，既然手頭已經(jīng)有一個(gè)效果上與MJ相差不多的工具，數(shù)量又幾乎沒有限制，還不用額外掏錢，那為什么還要再買MidJourney呢？這種搭配組合將用戶更深度地綁定在OpenAI的體系內(nèi)，也讓GPT每月20美元的月費(fèi)變得越來越物超所值。
2
比如各種國產(chǎn)大模型的開發(fā)者：作圖精度，語義理解這些，目前ChatGPT都是幾個(gè)最強(qiáng)的合在一起，讓GPT與國產(chǎn)大模型之間的差距似乎成了更加難以逾越的天塹。但是，開源領(lǐng)域仍然可以繼續(xù)追趕，類似于LLaMa的圖片應(yīng)用LLaVA也出現(xiàn)了。
3
比如第三方整合各家服務(wù)的開發(fā)者們，可能需要重新思考自己的開發(fā)方向。例如，趁著不是所有大模型都有多模態(tài)的空當(dāng)，可以在第三方應(yīng)用中被智能地調(diào)用最適合的模型，以執(zhí)行相關(guān)任務(wù)。這樣，用戶將能夠使用各個(gè)領(lǐng)域中的最優(yōu)解，我們之前采訪過的Jina就是正在做這樣的工作。
我們期待第一方或者第三方服務(wù)，可以將現(xiàn)有分散在不同模態(tài)上的能力真正的組合起來，而不是說互相獨(dú)立地放置。
ChatGPT的進(jìn)步說明，Openai或MJ樹立起來的壁壘并不是絕對無法攻破的，只是后來者需要花費(fèi)幾個(gè)月、半年或一年的時(shí)間差來趕超。對于后來者來說，堅(jiān)持下去而不倒閉，可能就是勝利的關(guān)鍵。
話題互動
看了我們的試用，你有哪些對ChatGPT識圖和作圖的創(chuàng)意玩法？我們可以幫你試試。