DALL-E 101: Qué es y cómo funciona

DALL-E es una de las innovadoras plataformas de IA generativa que desdibuja la línea entre la creatividad generada por humanos y por computadora. Aquí encontrará una descripción general de DALL-E, cómo usarlo y lo que debe saber para que funcione para usted.

Tabla de contenido

• ¿Qué es DALL-E?
• ¿Quién creó DALL-E?
• Evolución de DALL-E
• Cómo funciona DALL-E
• ¿DALL-E es gratuito?
• Cómo utilizar DALL-E
• Casos de uso y aplicaciones
• Beneficios de DALL-E
• Deficiencias de DALL-E
• Conclusión

¿Qué es DALL-E?

DALL-E es una plataforma de inteligencia artificial generativa que convierte mensajes de texto en imágenes. DALL-E puede procesar lenguaje natural, por lo que no necesita ninguna habilidad especial de codificación o edición de imágenes para usarlo. Puede ingresar indicaciones que describan el tema, el estilo, el encuadre y otras características de la imagen que desee, y DALL-E producirá una representación visual que coincida con su descripción. También puede editar imágenes existentes.

El nombre DALL-E se inspiró en una combinación de los nombres de dos figuras conocidas: el artista surrealista español Salvador Dalí y WALL-E, el robot de la película de Pixar de 2008 del mismo nombre.

¿Quién creó DALL-E?

OpenAI, la misma empresa detrás de ChatGPT, creó DALL-E. OpenAI es una empresa de investigación de IA fundada en 2015.

Open AI lanzó DALL-E en enero de 2021. Lanzó DALL-E 2 en septiembre de 2022 y DALL-E 3 en octubre de 2023.

¿Cómo ha evolucionado DALL-E?

OpenAI anunció su primera herramienta de generación de imágenes en 2020 y DALL-E ha evolucionado a partir de ahí. La primera incursión de OpenAI en la generación de imágenes se llamó Image GPT. Image GPT proporcionó la primera prueba de que el modelo GPT podía crear imágenes.

Luego vino DALL-E. La primera versión de DALL-E se basó en una versión de GPT-3 (el modelo de lenguaje grande (LLM) que OpenAI lanzó en 2020) adaptado para la generación de imágenes.

DALL-E crea imágenes creíbles y realiza varias tareas, algunas de las cuales incluyen:

• Modificar varias características de un objeto, como el color y la textura de una esfera.
• Comprender el encuadre, como primeros planos y ángulos amplios.
• Crear imágenes del mismo objeto desde múltiples ángulos.
• Comprender la información geográfica y los períodos de la historia.

¿Qué es DALL-E 2?

La próxima versión, DALL-E 2, genera imágenes con una resolución cuatro veces mayor que las imágenes generadas por DALL-E. Maneja la composición y la ubicación de los objetos de manera más efectiva, haciendo que elementos como las sombras y la iluminación parezcan más realistas. DALL-E 2 también introdujo dos nuevas funciones para modificar imágenes existentes: pintura interna y pintura externa.

• Inpainting es cuando borras una parte de una imagen y usas IA para llenar el espacio vacío con algo más. Por ejemplo, puedes eliminar un edificio del fondo de una foto y reemplazarlo con un árbol.
• Outpainting es cuando expandes los bordes de una imagen con IA. Por ejemplo, si tiene una imagen en primer plano de su perro en un parque y desea ampliarla para mostrar el horizonte de la ciudad a lo lejos, DALL-E 2 lo hace con pintura exterior.

¿Qué es DALL-E 3?

DALL-E 3 es una mejora significativa con respecto a su predecesor en varios aspectos. Para empezar, es mejor interpretando indicaciones. Las versiones anteriores omitían palabras y descripciones. Tenías que volverte bueno en ingeniería rápida para obtener la imagen que deseabas. DALL-E 3 comprende mejor los matices y el contexto y puede seguir indicaciones más complejas. Sus respuestas son más precisas y sus imágenes más coherentes. En última instancia, su producción se alinea mejor con lo que la gente quiere.

DALL-E 3 también incluye medidas de seguridad más sofisticadas. Por ejemplo, evita imágenes explícitas, agresivas o discriminatorias. Para evitar que las personas creen imágenes que infrinjan los derechos de autor y violen la propiedad intelectual, DALL-E 3 no genera imágenes que se asemejen a figuras públicas vivas o que imiten el estilo de marcas y artistas populares. DALL-E 3 también permite a los creadores optar por no utilizar sus imágenes para entrenar futuros modelos.

Inclusión con herramientas de IA existentes

DALL-E 3 se incluye de forma nativa con ChatGPT y Microsoft Image Creator de Designer (anteriormente Bing Image Generator).

Esto significa que si tienes una suscripción premium a ChatGPT, puedes generar imágenes como parte de tu conversación con el chatbot. Con esta capacidad, no sólo tiene que escribir indicaciones sencillas. Puede hacer preguntas o dar instrucciones, y ChatGPT puede entregárselas a DALL-E para generar una imagen.

Por ejemplo, podrías decir: “Me acabo de mudar a Arizona y todo el mundo sigue hablando de algo llamado haboob. ¿Cómo se ve eso? ChatGPT puede procesar su pregunta y generar un mensaje para DALL-E. Luego, DALL-E creará imágenes de un haboob, que es una tormenta de polvo que ocurre en áreas secas como Arizona.

ChatGPT también explicará sus indicaciones para brindarle a DALL-E más detalles. Si escribe un mensaje que dice "Crea una imagen de dos gatos sentados en una silla, en un estilo fotográfico antiguo", ChatGPT puede refinar su mensaje a esto: "Crea una fotografía antigua en blanco y negro de dos gatos sentados en una sillón sofá verde. Un gato es atigrado y el otro es completamente gris. Los dos gatos están sentados uno al lado del otro”.

Cómo funciona DALL-E

En un nivel básico, DALL-E utiliza el aprendizaje profundo para comprender las relaciones entre imágenes y texto, lo que permite que el modelo genere nuevas imágenes para un mensaje de texto. Los modelos específicos de IA generativa detrás de DALL-E están en constante evolución.

DALL-E 1

DALL-E 1 (también llamado DALL-E) utiliza una versión de GPT-3, el LLM de OpenAI, que fue entrenado para generar imágenes a partir de descripciones de texto. Este modelo se basa en una arquitectura de transformador. Así como ChatGPT genera texto prediciendo cada palabra una por una, la versión original de DALL-E genera imágenes prediciendo cada píxel.

DALL-E 1 genera muchas salidas candidatas para un solo mensaje. Se utiliza un segundo sistema de inteligencia artificial, llamado CLIP (Contrastive Language-Image Pretraining), para seleccionar el mejor. CLIP, al igual que DALL-E 1, se entrena en un conjunto de datos de imágenes y subtítulos de gran tamaño. Sin embargo, el objetivo de CLIP es comprender qué tan estrechamente están relacionados una imagen determinada y un título de texto.

DALL-E 2

DALL-E 2 genera imágenes utilizando un modelo de difusión en lugar de un LLM para mejorar la calidad y precisión de la imagen.

Este enfoque entrena un modelo para tomar imágenes ruidosas, donde los píxeles se han distorsionado de forma aleatoria, y eliminar gradualmente el ruido para revelar una imagen clara. Luego, puede darle a un modelo un conjunto de píxeles más ruido (que representa algunas características subyacentes de la imagen, como "un gato con sombrero de copa") y el modelo construirá una nueva imagen desde cero.

DALL-E 2 utiliza CLIP para comprender el texto en el mensaje de un usuario y asignarlo a las características de la imagen. Esta información se pasa al modelo de difusión, lo que le permite generar un resultado que se ajuste a las indicaciones del usuario.

DALL-E 3

Se sabe poco sobre las diferencias arquitectónicas entre DALL-E 2 y DALL-E 3. Esto se debe a que OpenAI no ha compartido esta información públicamente. Sin embargo, es casi seguro que DALL-E 3 utiliza un modelo de difusión, ya que es ampliamente aceptado como la técnica de última generación para la generación de imágenes.

Se especula que DALL-E 3 utiliza técnicas de difusión más avanzadas y puede estar utilizando un LLM (en lugar de un modelo más pequeño como CLIP) para comprender las relaciones entre imágenes y texto.

¿DALL-E es de uso gratuito?

DALL-E está disponible con una suscripción paga a ChatGPT, que se ofrece en varios niveles para individuos y empresas.

Puede acceder a DALL-E de forma gratuita con Microsoft Image Creator de Designer (anteriormente Bing Image Generator). Image Creator también está disponible a través de Copilot, que es el chatbot de Microsoft.

Consejos para usar DALL-E

A continuación se ofrecen algunos consejos para obtener los mejores resultados con DALL-E:

Sea descriptivo

Cuanto más precisa sea su indicación, mejor será el resultado de DALL-E.

• Proporcionar una descripción clara del tema principal; por ejemplo, “un sofá de microfibra azul” en lugar de simplemente “un sofá”.
• Explique el entorno, como “en una playa tropical”, “en una casa de los años 70” o “dentro del gimnasio de una escuela primaria”.
• Detalla cualquier acción, como "el sol se está poniendo", "un perro está durmiendo una siesta" o "una cometa está volando".
• Describe el formato de la imagen, como "fotorrealista", "pintura" o "dibujo a lápiz".
• Dígale a DALL-E qué estilo desea; por ejemplo, "blanco y negro", "abstracto" o "art déco".
• Incluya el ángulo de la cámara y la distancia focal, como "vista aérea", "primer plano" o "gran angular".
• Proporcione detalles de iluminación, como "sombras profundas", "flash" o "contraluz".
• Describe el estado de ánimo; por ejemplo, "romántico", "valiente" o "de ensueño".

Sea experimental

No existe un libro de texto ni una forma perfecta de utilizar DALL-E. La mejor manera de obtener los resultados que desea es adoptar un enfoque experimental para su uso.

• Realice pequeños ajustes en sus indicaciones para ver si obtiene mejores resultados. Intente utilizar variaciones de las mismas palabras para ver si altera sus resultados.
• Encuentre el equilibrio adecuado de detalles. Si sus indicaciones son demasiado detalladas, es posible que DALL-E no sepa cuáles son las más importantes. Juega con la complejidad de tus indicaciones para encontrar tu punto ideal.
• Prepárese para errores y fracasos. DALL-E puede desviarse. Tome cada respuesta fallida como una oportunidad de aprendizaje. Descubrir qué no funciona es tan importante como descubrir qué sí funciona.

Casos de uso y aplicaciones de DALL-E

La gente usa DALL-E para muchas aplicaciones en entornos comerciales y personales.

Marketing y comunicaciones empresariales.

• Creación de imágenes para blogs, publicaciones en redes sociales y sitios web.
• Diseño de anuncios, como volantes y carteles.
• Diseño de logotipos y elementos de marca.
• Creando fotografías de archivo únicas
• Diseñar el embalaje del producto.

Conceptualización

• Diseñar productos físicos.
• Representación de modelos arquitectónicos
• Idear otros proyectos creativos, como animación, guiones gráficos y diseño de interiores.
• Probar ideas creativas en diferentes estilos.

Contenido educativo

• Crear ayudas visuales como infografías y diagramas.
• Representando eventos históricos
• Visualizar procesos científicos que no se pueden ver a simple vista, como reacciones químicas.
• Crear imágenes adaptadas a las necesidades, intereses o estilo de aprendizaje específicos de un estudiante individual.

Arte y Diseño

• Creación de obras de arte personalizadas para la decoración de tu hogar o fiesta.
• Diseño de portadas para libros, álbumes o películas.
• Crear arte para vender en productos como camisetas, marcapáginas y estampados.
• Crear imágenes de referencia para usar como inspiración para otros medios artísticos, como el diseño de moda.
• Diseñar elementos, como texturas de fondo, para incorporarlos a otras formas de obra de arte.

Modificar imágenes existentes

• Agregar más sujetos a una imagen
• Ajustando el fondo
• Cambiar la relación de aspecto
• Destacando ciertos objetos.
• Quitar un objeto y reemplazarlo por otra cosa.

Beneficios de usar DALL-E

DALL-E ofrece numerosas ventajas, incluida la capacidad de elegir entre múltiples respuestas, utilizar la plataforma junto con otras herramientas de inteligencia artificial y eliminar barreras al arte y el diseño.

Genera múltiples imágenes por mensaje

DALL-E genera cuatro imágenes por mensaje, para que puedas elegir la que mejor se adapte a tus preferencias. Modifica ligeramente el mensaje para cada imagen y lo expande para agregar más detalles.

Por ejemplo, si ingresa un mensaje genérico como "Una imagen estilo cómic de un callejón oscuro", DALL-E reformulará su mensaje y agregará detalles como el estilo de los edificios en la escena, el encuadre de la imagen o los colores predominantes. Puede ver las variaciones de indicaciones de DALL-E haciendo clic en cada imagen.

Se integra con ChatGPT y Microsoft Copilot

Puede acceder a DALL-E a través de chatbots que quizás ya esté usando. Es conveniente generar texto e imágenes, todo dentro de una sola herramienta. Además, al tratarse de chatbots, las imágenes que generes pueden formar parte de una conversación más larga.

Por ejemplo, suponga que ha estado usando ChatGPT para crear una agenda para un baby shower. En ese caso, también puedes usar DALL-E para hacer las imágenes de las invitaciones. Dado que todo es parte de una conversación, ChatGPT puede incorporar algunos de los detalles de su agenda en la invitación.

Hace que el diseño sea más accesible

El software de diseño y los equipos de fotografía pueden ser costosos y difíciles de aprender. DALL-E hace que la generación de imágenes sea más accesible para la persona promedio.

• El propietario de una pequeña empresa puede crear activos de marca personalizados, como fotografías e imágenes de productos que antes habrían estado fuera de su alcance.
• Los aficionados en áreas como la carpintería y la escultura pueden crear visualizaciones de sus conceptos sin invertir en software costoso.
• Las personas y organizaciones de grupos subrepresentados o con pasatiempos especializados pueden crear imágenes que respondan a sus intereses.

Deficiencias de DALL-E

A pesar de sus capacidades, DALL-E tiene algunas limitaciones.

Imprevisibilidad

Dado que DALL-E genera cada imagen desde cero, puede ser impredecible. Suponga que tiene requisitos específicos para la ubicación de objetos o estándares de marca. En ese caso, es posible que DALL-E no siempre incorpore esos estándares en sus resultados.

Además, ajustar ligeramente el mensaje puede dar como resultado un resultado significativamente diferente. Esto resulta especialmente complicado cuando se cambia una imagen que DALL-E ya ha creado.

Sesgos

Toda la IA generativa se ocupa de los sesgos y DALL-E no es diferente. DALL-E está sujeto a generar respuestas que reflejan sesgos sobre raza, género, clase e incluso ciertos idiomas o países. DALL-E se entrenó principalmente con datos de EE. UU., por lo que a menudo refleja la cultura, los valores y los prejuicios estadounidenses.

El uso de ciertos adjetivos puede generar resultados estereotipados. Por ejemplo, si el mensaje contiene palabras comoemocionalosensible, el resultado puede estar asociado con una mujer. Al mismo tiempo, palabras comoduroointelectualpueden generar resultados que incluyan a los hombres.

Costo

DALL-E tiene un costo a menos que utilice Microsoft Image Creator, lo que puede resultar inconveniente, según sus preferencias.

Si prefiere usar ChatGPT en lugar de las plataformas de inteligencia artificial de Microsoft, deberá pagar para acceder a DALL-E.

¿Qué sigue para la generación de imágenes DALL-E y AI?

Puede utilizar DALL-E para impulsar la lluvia de ideas creativa, optimizar los procesos de diseño o simplemente divertirse. Es una de las muchas plataformas de IA generativa que te permite crear de nuevas formas. Debido a que está integrado con plataformas de inteligencia artificial existentes como ChatGPT y Microsoft Image Creator, puede crear imágenes y generar texto, todo con una sola herramienta.

Al utilizar DALL-E, es importante tener en cuenta que toda IA ​​generativa es propensa a producir respuestas sesgadas. Conocer las limitaciones de DALL-E le permite encontrar las mejores formas de usarlo y obtener las imágenes que desea.

Constantemente surgen nuevas capacidades, características y competidores. Cualquiera que quiera utilizar la IA generativa, ya sea con fines comerciales, personales o educativos, debe estar al tanto de los últimos desarrollos. Seguiremos cubriendo los cambios significativos en la IA generativa, así que manténgase al día con el blog Grammarly para mantenerse informado.