Hướng Dẫn Toàn Diện về DALL-E 3 API

Chúng ta đang sống trong một thế giới nơi sức sáng tạo ngày càng ít ranh giới. Nhờ khả năng sinh dữ liệu của AI trong việc tạo ngôn ngữ tự nhiên, hình ảnh và video, những tưởng tượng sống động nhất của chúng ta có thể được biến thành hiện thực thị giác ấn tượng.

Những khả năng như vậy vài năm trước còn tưởng như viễn tưởng, nhưng giờ không còn nữa, đặc biệt với công nghệ mang tính đột phá của DALL-E 3 API.

Bài viết này cung cấp hướng dẫn đầy đủ để hiểu công nghệ DALL-E 3, khám phá các tính năng, ứng dụng thực hành và thực tế, cũng như cách nó đang tái định hình bức tranh sáng tạo.

Tổng quan về DALL-E 3 API

Trước khi đi vào khía cạnh API, hãy cùng tìm hiểu DALL-E 3 là gì. Chúng tôi đã có phần giới thiệu đầy đủ về cách dùng DALL-E 3 qua Bing và ChatGPT, còn hướng dẫn này sẽ tập trung chủ yếu vào tích hợp API.

DALL-E 3 là gì?

Đây là mô hình tạo ảnh mới nhất của OpenAI, được công bố vào tháng 9 năm 2023. Mô hình này có khả năng hiểu sắc thái và chi tiết vượt trội so với các phiên bản tiền nhiệm. DALL-E 3 cho phép người dùng tạo ra hình ảnh xuất sắc từ mô tả bằng văn bản.

Nhiều phiên bản như DALL-E 1 và DALL-E 2 lần lượt ra mắt vào tháng 1 năm 2021 và tháng 4 năm 2022. DALL-E 3 cho đến nay là phiên bản cải tiến nhất, và dưới đây là bảng so sánh với các phiên bản trước.

Chi tiết giá

Chi tiết giá được cung cấp cho từng phiên bản DALL-E. Như có thể thấy, chỉ DALL-E 3 cung cấp chất lượng ảnh tiêu chuẩn và độ nét cao cùng độ phân giải tương ứng.

Đặc điểm bổ sung

Bảng trên cung cấp cái nhìn tổng quan so sánh ba lần lặp của hệ thống AI DALL-E, được thiết kế để tạo ảnh từ mô tả văn bản. Các phiên bản này là DALL-E, DALL-E 2 và DALL-E 3, mỗi phiên bản có ngày phát hành và tập hợp tính năng riêng.

• DALL-E, phiên bản đầu tiên, được giới thiệu vào tháng 1 năm 2021, sử dụng GPT-3 làm mô hình ngôn ngữ nền tảng. Đây là bước khởi đầu cho công nghệ chuyển văn bản thành hình ảnh, khả dụng cho người dùng có tài khoản OpenAI API.

• Phiên bản thứ hai, DALL-E 2, ra mắt vào tháng 7 năm 2022, nâng cấp công nghệ với mô hình ngôn ngữ CLIP. Năng lực của CLIP giúp hệ thống hiểu rõ hơn các lệnh nhắc, dẫn đến việc tạo ảnh chính xác hơn.

• Phiên bản mới nhất là DALL-E 3, phát hành vào tháng 10 năm 2023. Nó tích hợp mô hình ngôn ngữ tiên tiến hơn là GPT-4, nhiều khả năng mang lại hiểu biết văn bản và khả năng tạo ảnh được cải thiện hơn nữa. Phiên bản này không chỉ khả dụng cho người có tài khoản OpenAI API mà còn cho người đăng ký "Plus" qua giao diện ChatGPT.

Mỗi phiên bản thể hiện một bước tiến hóa trong khả năng AI chuyển văn bản thành hình ảnh, với các nâng cấp về mô hình ngôn ngữ và khả năng tiếp cận phản ánh cam kết của OpenAI trong việc cải thiện và dân chủ hóa công nghệ AI.

OpenAI cung cấp các khả năng bổ sung thông qua gói đăng ký “Plus”, trong đó có GPT-4 Vision. Để tìm hiểu thêm, bài GPT-4 Vision: Hướng dẫn toàn diện cho người mới bắt đầu sẽ giới thiệu mọi điều bạn cần biết về GPT-4 Vision, từ cách truy cập đến thực hành với ví dụ thực tế và các hạn chế.

Vì sao có phiên bản API?

OpenAI đã công bố ra mắt nhiều API trong ngày hội nhà phát triển đầu tiên của mình, và DALL-E 3 là một trong số đó.

Phiên bản API của DALL-E 3 mang đến khả năng truy cập trực tiếp và linh hoạt hơn. Sau khi xuất hiện trên giao diện ChatGPT và Bing Chat, vốn cung cấp trải nghiệm có kiểm soát và định hướng hơn, phiên bản API cho phép nhà phát triển và doanh nghiệp tích hợp trực tiếp khả năng của DALL-E 3 vào ứng dụng và quy trình làm việc của riêng họ.

Tính năng của DALL-E 3 API

API mang đến một tập hợp tính năng được thiết kế để cải thiện trải nghiệm người dùng, hãy cùng khám phá chi tiết các khả năng này:

Các tính năng của DALL-E 3 API

• Tích hợp văn bản trong hình ảnh: DALL-E 3 API có thể lồng ghép văn bản mong muốn vào ngữ cảnh hình ảnh, khiến nó trông như một phần của khung cảnh gốc.
• Nhiều định hướng hình ảnh: với DALL-E 3, người dùng có thể tạo ảnh theo định dạng ngang và dọc, đảm bảo linh hoạt cho các yêu cầu phương tiện và bố cục khác nhau.
• Chất lượng ảnh tốt hơn: mô hình không chỉ tạo ra hình ảnh bắt mắt mà còn giàu chi tiết, qua đó mang lại trải nghiệm thị giác chân thực và cuốn hút
• Hiểu lệnh nhắc phức tạp: DALL-E 3 hiệu quả trong việc diễn giải các lệnh nhắc phức tạp, cho phép người dùng tạo ra hình ảnh rất cụ thể và chi tiết.

Các trường hợp sử dụng DALL-E 3 API trong ngành

Nhiều ngành đã tận dụng công nghệ DALL-E ngay từ những phiên bản đầu. API hiện tại cung cấp khả năng tạo ảnh tiên tiến hơn, thúc đẩy sáng tạo và hiệu quả.

Dù có vô vàn ngành nghề, phần này tập trung vào ba lĩnh vực: quảng cáo và tiếp thị, giáo dục và phát triển trò chơi điện tử.

• Quảng cáo và tiếp thị: Nhiều agency có thể tận dụng API để nhanh chóng tạo hình ảnh tùy chỉnh cho chiến dịch tiếp thị và xây dựng thương hiệu. Điều này giúp tăng tính sáng tạo và rút ngắn thời gian đưa ra thị trường.
• Giáo dục: Các nền tảng học trực tuyến có thể dùng API để tạo minh họa và sơ đồ phù hợp nhằm làm cho tài liệu học tập hấp dẫn hơn và tiếp cận được đông đảo người học.
• Phát triển trò chơi điện tử: Đây, theo tôi, là một trong những lĩnh vực sẽ tận dụng DALL-E 3 API nhiều nhất vì game chủ yếu là hình ảnh. Nhà phát triển trò chơi có thể tích hợp công nghệ để nhanh chóng thiết kế hình ảnh game độc đáo.

Thực hành: Bắt đầu với DALL-E 3 API

Giờ đây khi đã hiểu rõ hơn về DALL-E 3 API và khả năng của nó, hãy cùng sáng tạo. Phần này hướng dẫn quy trình tạo ảnh bằng DALL-E 3 API sau khi thiết lập đầy đủ yêu cầu.

Quy trình tạo ảnh

Với mọi triển khai kỹ thuật, tốt nhất nên cung cấp một quy trình trực quan minh họa sự tương tác giữa các thành phần chính của ứng dụng đang phát triển.

Quy trình này giải thích cách người dùng tương tác với API, từ việc cung cấp lệnh nhắc tùy chỉnh đến khi nhận ảnh cuối cùng.

Quy trình giản lược về cách người dùng tương tác với DALL-E 3 API

Có hai phần chính trong quy trình:

• Front-end là phần cho phép người dùng cung cấp mô tả cho hình ảnh mong muốn.
• Phần thứ hai là back-end, chịu trách nhiệm ánh xạ lệnh nhắc của người dùng đến DALL-E 3 API.

Giờ là lúc đi sâu vào triển khai kỹ thuật. Mã nguồn cho hướng dẫn này có sẵn trong workbook DataLab này; hãy tạo một bản sao để chỉnh sửa và chạy trực tiếp trên trình duyệt mà không cần cài đặt gì trên máy tính của bạn.

Thiết lập OpenAI KEY

Các công cụ chính cần có để tái tạo thành công kết quả của hướng dẫn này gồm:

• Python: đây là ngôn ngữ lập trình chính chúng ta sẽ dùng trong hướng dẫn. Tùy chọn thay thế là NodeJS.
• OpenAI: gói dùng để tương tác với các dịch vụ OpenAI
• OS: gói hệ điều hành để cấu hình biến môi trường
• Image: chịu trách nhiệm chuyển đổi phản hồi của DALL-E 3 thành định dạng ảnh

Bước đầu tiên là lấy OpenAI KEY để truy cập mô hình DALL-E 3. Các bước chính được minh họa dưới đây:

Bốn bước chính để tạo OpenAI KEY

Bốn bước trên khá trực quan. Tuy nhiên, điều quan trọng là tạo tài khoản từ trang web chính thức của OpenAI.

Tương tác với DALL-E 3 API

Khi bạn đã có KEY, hãy đảm bảo không chia sẻ với bất kỳ ai. Khóa cần được giữ riêng tư. Tiếp theo, thiết lập khóa vào biến môi trường như sau để có thể làm việc:

import os
OPENAI_API_KEY= “<YOUR PRIVATE KEY>”
os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY

Câu lệnh os.environ này khởi tạo tương tác với mọi dịch vụ OpenAI tùy theo phạm vi khóa riêng tư của người dùng, có thể là Personal hoặc Enterprise.

Sau đó, sử dụng hàm generate từ client OpenAI, người dùng có thể chỉ định:

• Mô hình sử dụng, trong hướng dẫn này là dall-e-3.
• Lệnh nhắc gửi đến mô hình.
• Kích thước của ảnh cuối cùng do dall-e-3 tạo ra, và chúng ta dùng cùng kích thước 1024x1024 cho tất cả ảnh được tạo.
• Chất lượng ảnh, có thể là standard hoặc độ nét cao (hd). Hãy tập trung tạo ảnh độ nét cao.
• Người dùng có thể yêu cầu một ảnh mỗi lần với mô hình DALL-E 3 hoặc tối đa mười ảnh mỗi lần bằng tham số n, hữu ích cho các yêu cầu song song. Hướng dẫn này dùng n=1 để đơn giản.

Hàm trợ giúp sau đây kết hợp tất cả thông tin trên để tăng khả năng tái lập, nhưng trước đó, chúng ta cần cài đặt thư viện OpenAI và import các thư viện cần thiết:

Việc cài đặt được thực hiện bằng trình quản lý gói pip của Python như sau:

pip install --upgrade openai

Tùy chọn nâng cấp nhằm cập nhật lên Python SDK v1.2, cần thiết để tương tác thành công với DALL-E 3.

from openai import OpenAI


# Instantiate the OpenAI client
client = OpenAI()
from IPython.display import Image

client chịu trách nhiệm khởi tạo giao tiếp với DALL-E 3 API.

Hàm trợ giúp được cài đặt như dưới đây:

def get_image_from_DALL_E_3_API(user_prompt,
                               image_dimension="1024x1024",
                               image_quality="hd",
                               model="dall-e-3",
                               nb_final_image=1):
   response = client.images.generate(
     model = model,
     prompt = user_prompt,
     size = image_dimension,
     quality = image_quality,
     n=nb_final_image,
   )


   image_url = response.data[0].url
  
   display(Image(url=image_url))

Tạo hình ảnh chân thực

Với hàm trợ giúp trên, hãy thử nghiệm tạo ảnh bằng lệnh nhắc đơn giản và nâng cao. Các lệnh nâng cao sử dụng minh họa từ những trường hợp dùng trong ngành trước đó.

Lưu ý rằng chạy cùng đoạn mã nhiều lần sẽ tạo kết quả khác nhau, do yếu tố “sáng tạo” của mô hình.

Dùng lệnh nhắc đơn giản

Hãy tưởng tượng gửi lệnh nhắc sau đến mô hình:

Tạo một bức ảnh về một chú cún con màu nâu dễ thương đang ngồi trên bãi cỏ xanh dưới bầu trời xanh quang đãng.

puppy_prompt = "Create an image of a cute brown puppy sitting in a green meadow under a clear blue sky."


get_image_from_DALL_E_3_API(puppy_prompt)

Hình ảnh sau được tạo sau khi thực thi thành công đoạn mã trên.

Hình ảnh tạo từ lệnh nhắc đơn giản

Kết quả này phản ánh đúng nội dung của lệnh nhắc.

Dùng lệnh nhắc phức tạp hơn

Giờ hãy xét các lệnh nhắc phức tạp cho Giáo dục, Quảng cáo và Phát triển trò chơi.

Nội dung giáo dục

• Lệnh nhắc:

Tạo một minh họa hệ Mặt Trời với các hành tinh quay quanh Mặt Trời, có nhãn bằng tiếng Anh, dành cho sách khoa học bậc tiểu học.

• Mã:

education_prompt = "Generate an illustration of the solar system with planets orbiting the sun, labeled in English, for a grade school science textbook"

get_image_from_DALL_E_3_API(education_prompt)

• Kết quả:

Hình ảnh tạo cho lệnh nhắc “Education”

Quảng cáo và Tiếp thị

• Lệnh nhắc:

Tạo một bức ảnh về một gia đình đang thưởng thức buổi dã ngoại trong công viên thành phố tương lai, với các tòa nhà chọc trời phía sau và bầu trời xanh quang đãng, để dùng trong chiến dịch quảng bá lối sống đô thị thân thiện với môi trường.

• Mã:

advertising_prompt = "Create an image of a family enjoying a picnic in a futuristic city park, with skyscrapers in the background and a clear blue sky, to be used in a campaign promoting eco-friendly urban living."

get_image_from_DALL_E_3_API(advertising_prompt)

• Kết quả:

Hình ảnh tạo cho lệnh nhắc “Advertising”

Phát triển trò chơi

Với ví dụ cuối cùng này, hãy yêu cầu mô hình thêm thông tin văn bản được tô cam trong lệnh nhắc và xem nó xử lý thế nào.

• Lệnh nhắc:

Thiết kế concept art về một khu rừng huyền bí lúc chạng vạng, với cây cối phát sáng và lối vào ẩn dẫn xuống hang động dưới lòng đất, cho bối cảnh một trò chơi phiêu lưu. Bao gồm một biển chỉ dẫn trong ảnh với dòng chữ 'Beware: Mythical Creatures Ahead' bằng kiểu chữ cổ xưa, huyền bí.

• Mã:

game_dev_prompt = "Design a concept art of a mystical forest at twilight, with glowing plants and a hidden entrance to an underground cave, for an adventure game setting. Include a signpost in the image with the text 'Beware: Mythical Creatures Ahead' in an ancient, mystical font style"

get_image_from_DALL_E_3_API(game_dev_prompt)

• Kết quả:

Hình ảnh tạo cho lệnh nhắc “Game Development”

Chúng ta có thể thấy mô hình đã thêm thành công dòng chữ “BEWARE MYTHICAL CREATURES AHEAD” sau khi tạo ảnh. Thật tuyệt vời.

Thực hành tốt khi dùng DALL-E 3 API

Để có trải nghiệm tốt hơn với DALL-E 3 API, dưới đây là một số thực hành và hướng dẫn:

• Ưu tiên diễn đạt chi tiết: Cung cấp lệnh nhắc chính xác và chi tiết cho DALL-E 3 là chìa khóa, cũng như trong tương tác giữa người với người, hướng dẫn rõ ràng và cụ thể sẽ giúp kết quả cuối cùng chính xác hơn
• Cân nhắc yếu tố đạo đức: Cần lưu tâm đến các hàm ý đạo đức của tác phẩm cuối cùng bằng cách tôn trọng luật bản quyền và quyền riêng tư, đồng thời cân nhắc tác động tiềm ẩn của ảnh được tạo.
• Nhận thức và thích ứng với hạn chế: Giống mọi công nghệ, DALL-E 3 cũng có hạn chế riêng. Làm quen với những gì API có thể và không thể làm sẽ giúp điều chỉnh lệnh nhắc để kỳ vọng thực tế hơn.
• Cập nhật và phát triển: thử nhiều lệnh nhắc có thể giúp khám phá phạm vi khả năng của API và cả giới hạn sáng tạo của chính mình. Với họa sĩ, điều này tương tự như việc thử các loại cọ và màu sắc khác nhau.

Kết luận

Tóm lại, bài viết đã trình bày một khám phá toàn diện về DALL-E 3 API, nêu chi tiết quá trình thiết lập và các ứng dụng khác nhau. Chúng ta bắt đầu với tổng quan về API, phác thảo những khả năng đột phá và tạo tiền đề cho phần đào sâu hơn.

Tiếp đến, chúng ta đi vào các tính năng cụ thể của DALL-E 3, làm rõ các chức năng tạo ảnh nâng cao của nó. Sau đó là cái nhìn sâu sắc về các trường hợp sử dụng trong ngành, minh chứng cho tính linh hoạt và tác động rộng rãi của API.

Bài viết cũng hướng dẫn các bước đầu sử dụng DALL-E 3 API, từ việc lấy quyền truy cập đến thiết lập cho các ứng dụng khác nhau, nhấn mạnh tầm quan trọng của việc hiểu và khai thác hiệu quả các tính năng của API.

Ngoài ra, chúng ta đã thảo luận các thực hành tốt khi sử dụng DALL-E 3 API, nhấn mạnh cân nhắc đạo đức và chiến lược tối đa hóa tiềm năng của nó. Các mẹo thực tế, cùng với ví dụ về khả năng của API, đã được chia sẻ để hỗ trợ người dùng tối ưu trải nghiệm.

Bạn đã sẵn sàng bước tiếp theo trong thế giới AI và công nghệ sáng tạo? Nâng cao kỹ năng và khai mở tiềm năng sáng tạo của bạn với các công cụ tiên tiến được những nhà đổi mới AI sử dụng. Bắt đầu hành trình cùng hướng dẫn Cách sử dụng Midjourney: Hướng dẫn toàn diện tạo tác phẩm nghệ thuật bằng AI ngay hôm nay. Hoặc, học cách làm việc với các API phổ biến khác, như khóa học Làm việc với OpenAI API của chúng tôi.