Fiesta de transformación de imágenes con DALL·E
- DALL·E ofrece una fiesta para la transformación de imágenes.
- Entre los temas de imagen que les gustan a los usuarios están los “gnomos”, los “ancianos siberianos” y los “gatos extraños”.
- Se puede iniciar la generación de imágenes a partir de un prompt inicial usando una clave de la API de OpenAI.
Configuración avanzada
- Mediante configuraciones avanzadas como el número de iteraciones, los usuarios pueden ajustar el proceso de generación de imágenes.
- Usando prompts de visión de GPT-4, es posible modificar el prompt base o personalizarlo para hacerlo más divertido, más raro, más ingenioso, o incluso convertir todo en gatos.
Opinión de GN⁺
- Lo más importante de este artículo es que, usando DALL·E, se pueden generar diversas imágenes y transformarlas de la manera que el usuario quiera.
- La capacidad de generar imágenes creativas y personalizadas ofrece una experiencia interesante para las personas, y puede verse como un ejemplo del avance tecnológico y de las posibilidades de la inteligencia artificial.
1 comentarios
Opiniones de Hacker News
Es bastante divertido ver qué pasa en una cadena de imágenes al ir tocando el prompt. Inspirado por una publicación reciente en Twitter[1], probé configurarlo para que aumente la intensidad cada vez.
El prompt inicial, o al menos el tema, lo sugirió uno de mis hijos. Disfruten cómo un alboroto común y corriente de cabras escala hasta convertirse en horror cósmico y locura de nivel apocalipsis cósmico. Es realmente genial.
https://dalle.party/?party=vCwYT8Em
[1]: https://x.com/venturetwins/status/1728956493024919604?s=20
En la computadora de un influencer anónimo, un bucle infinito le ordenó a GPT-5: ‘hazlo más así’.
13 horas después, las luces de todo el mundo empezaron a apagarse”.
Parece que el dataset tiene una cantidad anormalmente alta de material relacionado con Satanás #tinfoilhat #deepstate
...vaya, bastante dramático.
Tengo un prompt personalizado que probé y me gustó.
“Piensa profundamente en cada detalle de la imagen, conceptualízala incluyendo estilo, color e iluminación.
Como paso final, condénsalo en un párrafo.
Usa los rasgos más destacados y un lenguaje extremadamente preciso para condensar tu razonamiento, con mucho cuidado, en un solo párrafo”.
https://dalle.party/?party=1lSMniUP
https://dalle.party/?party=cEUyjzch
https://dalle.party/?party=14fnkTv-
https://dalle.party/?party=wstiY-Iw
Alabado sea el basilisco; por fin llegué al límite de solicitudes y puedo irme a dormir.
Es interesante que, en una sola iteración, casi todas las cajas de cartón antropomorfizadas se dibujen casi como Danbo: https://duckduckgo.com/?q=danbo+character&ia=images&iax=images
Fue sorprendente que apareciera un personaje reconocible entre imágenes más fantásticas.
Es muy interesante ver cómo la relación entre el lobo y Caperucita Roja pasa de una atmósfera oscura y amenazante a una relación tranquila y amistosa.
También es bastante divertido jugar con conceptos opuestos.
Un gato simple evoluciona hasta convertirse en un pepino recostado y, al final, en un mundo opuesto.
https://dalle.party/?party=pqwKQVka
Una reunión de vivaces seres celestiales con forma de pulpo.
https://dalle.party/?party=lHNDUvtp
Esto me recuerda a Telestrations, el juego de fiesta en el que los jugadores alternan entre dibujar y escribir lo que vieron. Como al leer el prompt uno intenta anticipar el siguiente dibujo, ver el resultado da risa.
Me gustaría que aquí también hubiera otro modo de vista que mostrara la imagen y luego el siguiente prompt. Si hubiera que presionar un botón para revelar la siguiente imagen, podrías imaginarte el dibujo en la cabeza mientras lees el prompt.
Actualización: acabo de ver que se puede lograr este efecto entrando al modo móvil o reduciendo el tamaño de la ventana. Lees el prompt y luego haces scroll hacia abajo para ver la imagen.
Pensé que se desviaría rápidamente hacia algo surrealista, pero más bien terminó en una degradación técnica gradual
Prompt inicial:
“Un híbrido futurista entre una locomotora de vapor y una máquina voladora de DaVinci”
Resultado:
https://dalle.party/?party=14ESewbz
Además, por si a alguien le da curiosidad cómo aumenta el costo según la cantidad de iteraciones: el total de 10 iteraciones de este resultado cargó $0.21 al saldo de créditos
Prompt inicial: “Un híbrido futurista entre una locomotora de vapor y una máquina voladora de DaVinci”
Resultado: https://dalle.party/?party=qLHPB2-o
Costo: $0.44 por 8 iteraciones; parece que la API recibe llamadas adicionales además de las ejecuciones. Verifiqué en otro navegador y en otra máquina que el enlace compartido no pasa la clave, pero no tengo muy claro por qué pasa esto
Las imágenes son sorprendentes, pero uno se encuentra a menudo con cosas así, y eso rompe un poco la inmersión
La 3 y la 4 también están buenas, pero tienen ese detalle de que sale humo de las vías y no del tren
Lo probé con el prompt inicial “una inteligencia artificial que se dibuja a sí misma”: https://dalle.party/?party=wszvbrOx
Sigue mostrando un robot dibujando en un lienzo. Las primeras 4 son dibujos de robots, las siguientes 3 son galaxias y las últimas 2 son paisajes
https://dalle.party/?party=C2w7zuwe
Está genial ver que, como en el ejemplo del gnome, ciertos prompts y temas se mantienen relativamente estables. Pero “un gato dando una clase a ratones” se desvía rápidamente hacia el extraño territorio surrealista de perezosos banana
Supongo que “gnome + estilo artístico + hongos” puede extraer ejemplos más concretos de los datos de entrenamiento, mientras que en una situación extraña como la del ejemplo del gato, la IA tiene que buscar más ampliamente para inventarse la imagen
También está el descenso a la locura Corgi: https://dalle.party/?party=oxXJE9J4
Estuvo atrapado un rato en “Starry Night” de Van Gogh
https://dalle.party/?party=LOcXREfq
Y me gusta la simpleza de esta idea. Estaría bueno tener una opción de “fork” y un grafo donde se pueda ver desde dónde se partió
Pero en la siguiente imagen DALL-E cambia de opinión y pone el camión en otro carril
El prompt de “crear una versión en texto de la imagen” es superimportante
Probé tres cosas y las demos son estas:
Valor predeterminado
https://dalle.party/?party=JfiwmJra
Ultralargo + máximo detalle + compresión — muestra que, si hay suficiente texto, se pueden reproducir bastante bien imágenes muy parecidas
https://dalle.party/?party=QtEqq4Mu
Ultralargo + máximo detalle + compresión + instrucción de reducirlo a 12 palabras — se ve bien, pero parece perder demasiados detalles
https://dalle.party/?party=0utxvJ9y
En general, el filtrado de contenido extremo y los mensajes de error falsos no me gustan. Es posible que mejore en el futuro. Si envías un prompt demasiado largo o peligroso, o si la imagen generada se vuelve aleatoriamente demasiado peligrosa, a veces sí te lo informa, y otras veces te engaña diciendo que llegaste al límite de solicitudes. A veces de verdad llegas al límite de solicitudes
Además, no puedes aumentar el límite de solicitudes hasta demostrar que ya le pagaste a OpenAI por encima de cierto monto. Tiene algo de sentido como forma de evitar que los usuarios nuevos quemen por accidente un límite de miles de dólares
Prompt de ultradetalle:
Look at this image and extract all the vital elements. List them in your mind including position, style, shape, texture, color, everything else essential to convey their meaning. Now think about the theme of the image and write that down, too. Now write out the composition and organization of the image in terms of placement, size, relationships, focus. Now think about the emotions - what is everyone feeling and thinking and doing towards each other? Now, take all that data and think about a very long, detailed summary including all elements. Then "compress" this data using abbreviations, shortenings, artistic metaphors, references to things which might help others understand it, labels and select pull-quotes. Then add even more detail by reviewing what we reviewed before. Now do one final pass considering the input image again, making sure to include everything from it in the output one, too. Finally, produce a long maximum length jam packed with info details which could be used to perfectly reproduce this image.
Reducción final a 12 palabras:
NOW, re-read ALL of that twice, thinking deeply about it, then compress it down to just 12 very carefully chosen words which with infinite precision, poetry, beauty and love contain all the detail, and output them, in quotes.
https://dalle.party/?party=Vwuu9ipd
https://dalle.party/?party=Pc3g4Har
Intuitivamente, parece que la parte de “poetry” inclina un poco la imagen hacia algo kitsch
Prompt de GPT-4 Vision generado a partir de la imagen anterior:
I'm sorry, I cannot assist with this request.
Como la nave espacial fue pareciéndose cada vez más a una mochila para algún RPG, ¿habrá interpretado que la solicitud era describir un prompt para crear una imagen de un arma y lo consideró inseguro?
Los resultados tuvieron más ruido de lo esperado, pero me gusta el concepto
https://dalle.party/?party=bxrPClVg
https://dalle.party/?party=mmBxT8G-
https://dalle.party/?party=kxra0OKY (en el último prompt apareció una advertencia de contenido)
https://dalle.party/?party=Q8VYXU0_