DALL-E 3: qué es, cómo funciona, y qué puedes hacer con esta inteligencia artificial

DALL-E es un sistema de inteligencia artificial creado por OpenAI, que es la misma empresa detrás de otros sistemas de IA como ChatGPT o Sora.  En este caso, es una IA que genera imágenes a partir de texto, de forma que tú le escribes lo que quieres ver mediante un prompt o comando textual, y la generará de la nada.

Esta inteligencia artificial está basada en los modelos de lenguaje como GPT. Gracias a esto, este sistema es capaz de entender lo que le pides con un lenguaje natural, ya que ha sido entrenada para entender la manera en las que solemos hablar y cómo nos expresamos para pedir o preguntar algo.

Después, DALL-E también ha sido entrenada con una enorme biblioteca de fotografías, imágenes y obras de arte. De esta manera, cuando le pides una cosa es capaz de saber a qué te refieres y de generar una imagen desde cero. Incluso si le pides que dibuje a una celebridad, sabrá a quién te refieres y sabrá añadirle a la imagen los rasgos de esta persona.

Este sistema también permite combinar estilos, atributos y conceptos, de manera que todo lo que imagines será capaz de meterlo en una imagen. Aquí, como en todas las IA generativas, cuanto más precisión tengas describiendo lo que quieres en el prompt, más se acercará el resultado a lo que quieres.

DALL-E lleva existiendo desde 2021, y en 2022 fue presentada su segunda versión. DALL-E 3 es el nuevo salto evolutivo que ha sido presentado en 2023, y que tiene varias mejoras con respecto a las versiones anteriores.

Por último, debes saber que DALL-E 3 está disponible para los usuarios de pago de OpenAI, pero también lo puedes usar gratis a través de Bing Chat.

Las mejoras de DALL-E 3

La principal mejora de DALL-E 3 con respecto a su predecesor es que tiene una mayor precisión para ajustarse a la descripción de lo que has pedido a la hora de generar la imagen. Vamos, que no se alejará tanto de lo que pides en tu prompt, ya que entiende mejor tu descripción textual.

Además de esto, también ha mejorado su capacidad de adherirse a las descripciones complejas de los prompts, sin necesidad de que estos tengan que recurrir a la ingeniería de prompts para saber cómo expresar lo que se quiere obtener.

Además de esto, DALL-E 3 también mejora la captura de relaciones entre objetos, y sobre todo, mejora a la hora de mostrar detalles humanos fotorrealistas, como las manos y reflejos. Ya sabes que hasta hace poco uno de los puntos débiles de las IA generadoras de imágenes eran las manos y sus dedos, pues esto es algo que se ha mejorado.

Si usamos las mismas instrucciones con DALL-E 2 y DALL-E 3, en la nueva versión tendremos imágenes más nítidas y precisas, con más realismo, con texturas, iluminación y generando unos mejores fondos. También se mejora la generación de texto y su integración en las imágenes.

Cómo funciona DALL-E 3

DALL-E 3 ha sido desarrollado por encima de ChatGPT. Esto quiere decir que utiliza las capacidades para reconocer lo que le escribes de la IA textual de OpenAI. Esto le permite entender mucho mejor lo que le estás pidiendo.

La manera de funcionar es la siguiente. Primero, tú le tienes que explicar lo que quieres que dibuje. Lo harás mediante un prompt, un comando textual en el que tienes que decir lo que queires ver, y también puedes describirlo añadiendo que quieres que lo haga con determinado estilo o de determinada manera.

A la hora de escribir este comando, puedes mencionar nombres de personas que quieras añadir, o estilos de pintores o empresas de animación concretas. También puedes referirte a los colores, la iluminación, lo que necesites. Puedes usar un comando corto y simple o uno largo y complejo.

Cuando escribas tu Prompt, la inteligencia artificial analizará el texto que has escrito, su estructura, y reconocerá lo que le estás pidiendo exactamente. También distinguirá los rasgos, características o los estilos que hayas incluido en este comando.

Luego, DALL-E 3 traducirá lo que le has pedido creando información de imagen a partir del prompt. Y cuando lo haga,  entonces usará un decodificador para generar la imagen partiendo del texto que hayas escrito. Al hacerlo, incluirá todos los detalles que hayas incluido en tu petición.

Cada vez que le pides que dibuje algo el resultado cambia, ya que lo procesa de nuevo desde cero. Esto quiere decir que si no estás conforme con el resultado, puedes volver a usar exactamente el mismo comando, y se generarán imágenes diferentes.