DALL-E 3 API 全面指南

我们正生活在一个创意边界不断拓展的世界。得益于生成式 AI 在自然语言、图像和视频创作方面的能力，我们最生动的想象都能化为令人惊叹的视觉现实。

几年前这些可能性还像是科幻，如今已不再如此，尤其是随着 DALL-E 3 API 这一突破性技术的到来。

本文将提供一份完整指南，帮助您理解 DALL-E 3 技术，探索其功能、上手实践与真实应用场景，以及它如何重塑创意版图。

DALL-E 3 API 概览

在深入 API 之前，先来看看 DALL-E 3 是什么。我们已有一篇通过 Bing 和 ChatGPT 使用 DALL-E 3 的完整介绍，而本指南将主要聚焦于集成 API。

什么是 DALL-E 3？

它是 OpenAI 最新的图像生成模型，于 2023 年 9 月发布。与前代相比，该模型能够理解显著更多的细微差别与细节。DALL-E 3 允许用户从文本描述中生成出色的视觉作品。

此前的多个版本如 DALL-E 1 和 DALL-E 2 分别于 2021 年 1 月和 2022 年 4 月亮相。DALL-E 3 迄今为止提升最大，下面的表格将其与以往版本进行对比。

定价详情

每个 DALL-E 版本的定价如下所示。如您所见，只有 DALL-E 3 提供标准和高清两种画质及其对应分辨率。

其他特性

上表对比了 DALL-E 系列三代系统，它们都能根据文本描述生成图像。版本依次为 DALL-E、DALL-E 2 和 DALL-E 3，各自拥有不同的发布时间与功能集。

• DALL-E 作为首个版本，于 2021 年 1 月发布，底层语言模型为 GPT-3。它标志着文本生成图像技术的初步实现，面向拥有 OpenAI API 账户的用户开放。

• 第二代 DALL-E 2 于 2022 年 7 月发布，采用 CLIP 语言模型，进一步推进了技术发展。凭借 CLIP 的能力，系统对文本提示的理解得到增强，图像生成也更加精准。

• 最新版本 DALL-E 3 于 2023 年 10 月发布，集成了更先进的 GPT-4 语言模型，带来更出色的文本理解与图像创作能力。除 OpenAI API 账户用户外，ChatGPT 的“Plus”订阅者也可使用该版本。

每一代都代表着文本到图像 AI 能力的进化，在语言模型与可及性方面的提升体现了 OpenAI 推动 AI 技术改进与普及的承诺。

OpenAI 通过其“Plus”订阅提供更多功能，其中之一是 GPT-4 Vision。想了解更多，请参阅我们的 GPT-4 Vision：初学者全面指南，涵盖从访问方式到上手实战与局限性等您需要知道的一切。

为何提供 API 版本？

OpenAI 在首届开发者日宣布推出多款 API，DALL-E 3 正是其中之一。

DALL-E 3 的 API 版本为其能力提供更直接、更多样的访问方式。继登陆 ChatGPT 界面与 Bing Chat（更受控且引导性更强）之后，API 版本允许开发者和企业将 DALL-E 3 的能力直接集成进自有应用与工作流程。

DALL-E 3 API 功能

该 API 带来一系列旨在提升用户体验的功能，下面逐一介绍：

DALL-E 3 API 功能

• 图像内文本融合：DALL-E 3 API 可将所需文本融入视觉场景，使其看起来如同原本就存在。
• 多种图像方向：借助 DALL-E 3，用户可生成横版与竖版图像，满足不同媒体与版式需求。
• 更佳图像质量：该模型不仅能生成视觉上吸引人的图像，而且细节丰富，从而带来逼真而迷人的观感。
• 复杂提示理解：DALL-E 3 擅长解读复杂提示，让用户能够创作高度具体、细节充分的图像。

DALL-E 3 API 的行业用例

自早期版本以来，诸多行业已经受益于 DALL-E 技术。当前的 API 提供更先进的图像生成能力，进一步促进创意与效率。

尽管涉及行业数不胜数，本节聚焦三类：广告与营销、教育，以及电子游戏开发。

• 广告与营销：多家代理公司可借助 API 快速创建用于营销活动与品牌推广的定制化视觉素材，从而提升创意并缩短上市时间。
• 教育：在线教育平台可使用 API 生成定制插图与示意图，使学习材料更具吸引力并触达更广泛受众。
• 电子游戏开发：我认为这是最能从 DALL-E 3 API 中受益的领域之一，因为游戏以视觉为核心。游戏开发者可集成该技术，快速设计独特的游戏视觉。

上手实操：开始使用 DALL-E 3 API

既然已更好地理解 DALL-E 3 API 及其能力，让我们动手实践吧。本节将引导您在完成前置设置后，使用 DALL-E 3 API 生成图像。

图像生成工作流

对于任何技术实现，最好先提供可视化工作流，展示所开发应用中各主要组件之间的交互。

该工作流解释了用户如何与 API 交互，从提供自定义提示到获得最终图像的全流程。

用户与 DALL-E 3 API 交互的简化流程

该流程包含两大部分：

• 前端：让用户输入期望图像的描述。
• 后端：负责将用户的提示映射到 DALL-E 3 API。

现在进入技术实现环节。本文示例代码可在此 DataLab 工作簿中获取；创建副本后即可在浏览器中编辑并运行，无需在本地电脑安装任何软件。

设置 OpenAI KEY

要顺利复现本教程结果，主要需要以下工具：

• Python：本教程的主要编程语言。可选替代为 NodeJS。
• OpenAI：用于与 OpenAI 服务交互的包
• OS：用于配置环境变量的操作系统相关包
• Image：负责将 DALL-E 3 的响应转换为图像格式

第一步是获取 OpenAI KEY，以便访问 DALL-E 3 模型。主要步骤如下图所示：

创建 OpenAI KEY 的四个主要步骤

上述四个步骤基本不言自明。但务必通过OpenAI 官方网站创建账户。

与 DALL-E 3 API 交互

拿到 KEY 后，请务必不要与任何人分享，务须妥善保密。接下来按如下方式将其设置为环境变量，以便使用：

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

此 os.environ 语句根据用户私钥的权限范围（Personal 或 Enterprise）初始化与任一 OpenAI 服务的交互。

随后，借助 OpenAI 客户端的 generate 函数，用户可以指定：

• 所用模型，本教程为 dall-e-3。
• 发送给模型的提示词。
• 由 dall-e-3 生成的最终图像的尺寸，本文对所有生成图像均使用 1024x1024。
• 图像质量，可为standard 或高清（hd）。本文聚焦仅生成高清图像。
• 用户可一次请求一张图，或通过 n 参数一次请求最多十张，这有利于并行请求。为简明起见，本文使用 n=1。

下面的辅助函数整合了上述信息，便于复现。但在此之前，我们需要安装 OpenAI 库并导入所需依赖：

使用 Python 包管理器 pip 安装如下：

pip install --upgrade openai技术支持

--upgrade 选项用于升级至 Python SDK v1.2，以便成功与 DALL-E 3 交互。

from openai import OpenAI


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

client 负责与 DALL-E 3 API 建立通信。

辅助函数实现如下：

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))技术支持

生成逼真图像

借助上述辅助函数，我们用简单与高级提示来尝试生成图像。高级提示将结合前文行业用例进行展示。

需要注意的是，多次运行相同代码会得到不同结果，这源于模型的“创造性”。

使用简单提示

假设向模型发送如下提示：

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

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)技术支持

成功执行上述代码片段后，将生成如下图像。

由简单提示生成的图像

该结果充分还原了提示词所描述的内容。

使用更复杂的提示

现在来看面向教育、广告与游戏开发的复杂提示。

教育内容

• 提示：

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

• 代码：

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)技术支持

• 结果：

“Education” 提示生成的图像

广告与营销

• 提示：

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.

• 代码：

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)技术支持

• 结果：

“Advertising” 提示生成的图像

游戏开发

在最后一个示例中，我们让模型根据提示中用橙色突出显示的文本信息进行添加，看看它的表现如何。

• 提示：

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.

• 代码：

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)技术支持

• 结果：

“Game Development” 提示生成的图像

可以看到，模型在生成图像后成功添加了文本 “BEWARE MYTHICAL CREATURES AHEAD”。非常出色。

使用 DALL-E 3 API 的最佳实践

为获得更佳体验，使用 DALL-E 3 API 时建议遵循以下实践与指南：

• 重视详细沟通：向 DALL-E 3 提供精确、细致的提示至关重要，就像在人与人交流中清晰具体的指令更有效一样。请求越明确，结果越准确。
• 伦理考量：务必关注最终作品的伦理影响，遵守版权与隐私法律，并考虑生成图像可能带来的影响。
• 正视并适应其局限：与任何技术一样，DALL-E 3 也有其局限。熟悉 API 能与不能做到的地方，有助于调整提示并设定更符合现实的预期。
• 持续学习与迭代：尝试多样化的提示有助于发掘 API 的可能性边界，也能拓展自身创意边界。对画家而言，这好比探索不同画笔与色彩。

结语

总之，本文全面探讨了 DALL-E 3 API，详述其配置流程与多种应用场景。我们先从 API 概览入手，勾勒其突破性能力，为深入理解奠定基础。

随后我们剖析了 DALL-E 3 的具体功能，阐明其先进的图像生成特性。接着通过多个行业用例展示了该 API 的多面性与广泛影响。

本文还引导您完成使用 DALL-E 3 API 的初始步骤，从获取访问权限到针对不同应用进行设置，强调理解与有效运用 API 功能的重要性。

此外，我们讨论了使用 DALL-E 3 API 的最佳实践，强调伦理考量与发挥其潜力的策略。结合实用技巧与功能示例，帮助用户优化使用体验。

您是否已准备好在 AI 与创意技术的世界更进一步？借助 AI 创新者所用的先进工具，提升技能，释放创意潜能。从我们的 如何使用 Midjourney：AI 生成艺术作品创作全面指南 教程开启您的旅程。或学习如何使用其他热门 API，例如我们的 使用 OpenAI API 课程。