找不到合适的配图，一直以来是我对写作心存畏惧的原因之一。正所谓「一图胜千言」，很多时候写好了的文字，总差一张恰到好处的配图画龙点睛。
另一方面，中文环境下比文字版权状况更糟糕的，可能就是图片版权了。不少新媒体 / 自媒体不能恰当地引用图片并标注来源，其实累积了不小的法律风险1。
所幸少数派的大部分作者专注于软硬件分享，可以或截图、或自拍、或借用官方商业图片（毕竟通常是正面宣传，没有太大的风险），从而规避了上述问题2。
所以今天分享的内容，可能只适用于少数派了吧 : )
2021年1月，致力于「用通用人工智能造福全人类」的 OpenAI 公司基于其 GPT-3 模型发布了划时代的 DALL·E，实现了从文本生成图像。
DALL·E 的弱鸡版（mini）去年 4 月公开，完全版（mega）一直拖到今年 5 月，DALL·E 2 都正式发布了3，才趁大家都在排队时偷偷放出。
所以我们在指南中建议如下策略，并在后文提供每个策略的具体步骤：
你可能会问为什么图片只有 256 x 256 这么大，抱歉忘记在上一节中说了，DALL · E 的能力就是如此设计的，二代在这方面有明显改善。如果想基于一代生成更高清的图片，可以尝试专门用于图片高清放大的 AI 模型，这里就不展开啦~
run anyway）：https://saharmor.github.io/dalle-playground/，填入刚才的地址，在文本输入框填入描述后回车运行即可。相比 Hugging Face 上的 mini 版本，感觉 Google Colab 是「多核版」的。有勇气在本地（或服务器上）自己运行 mega 版的话，应该不太需要我描述具体步骤，一句话带过：从 代码仓库 clone 下来后，用 docker compose 方式运行起 backend 和 interface 即可。
我在本地跑 mega_full 时（对的，其实还有 mega_full，如果 GPU 显存够 12G 就可一试），遇到了一些问题，在此列出以便大家避坑：
RUN npm install 后面补上一个 --registry=https://registry.npmmirror.com；从算法模型上来说是的，但它仍然是普通用户能够直接、免费体验的最先进的文本到图像生成器了。
本文初版发布后，我突然从社交平台上得知了一个令人震惊的事实：原来 Hugging Face 上的 DALL · E Mini（见前文「直接使用 Mini 版」一节）是一个叫 craiyon.com 的团队盗版的。
craiyon 用了一个更简单的模型（BART）搭配更少的训练数据，在 Hugging Face 上构建了一个易于体验的文本-图片生成器。从前面的案例图其实也能够看出来，craiyon 生成的牛油果椅的外形其实比较类似，远不如正版 DALL · E 那么千奇百怪。而且在一些 edge case 中，比如上面案例中的「people mountain people sea」，craiyon 的生成结果明显不如 DALL · E。
据 Hugging Face 的 CEO 说，craiyon 刚上线的第一个晚上他们的工程师一夜未睡。现在这个模型每天被大家调用数万次以上，已成为互联网上最受欢迎的 meme 生成器4。数万次调用看上去不多，但直接导致现在想直接体验 craiyon 平均需要等待 60 秒以上，而我刚开始写这篇文章时只需要 20 秒。
突然感觉本文更有价值了 : )
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。