Tổng quan về mô hình: DALL-E 3

DALL-E 3, được phát triển bởi OpenAI, là một trong những mô hình tạo ảnh AI hàng đầu, nổi tiếng với khả năng tạo ra những hình ảnh cực kỳ chi tiết và sáng tạo từ lệnh văn bản. Mô hình này được biết đến nhờ sự hiểu biết ngôn ngữ vượt trội và khả năng tạo ra kết quả đa dạng, thường xuyên gây bất ngờ. Nó kế thừa các phiên bản trước, hướng tới việc đạt được độ chính xác và phong cách nghệ thuật mới trong lĩnh vực tạo ảnh AI.

Hiệu suất chuyển văn bản thành hình ảnh

Lệnh đơn giản: “Một quả táo đỏ trên bàn gỗ.”

Phân tích tổng thể:

DALL-E 3 đã mô tả chính xác cảnh một quả táo đỏ trên bàn gỗ, nhưng hình ảnh tạo ra lại thiên về cảm giác nhân tạo. Quả táo, dù hấp dẫn về mặt thị giác, lại gần như quá hoàn hảo, thiếu đi những khuyết điểm tự nhiên mà một bức ảnh thật sự sẽ có. Cách trình bày siêu thực này khiến người xem dễ nhận ra đây là ảnh do AI tạo ra, điều này có thể là điểm trừ nếu mục tiêu là sự chân thực.

Điểm đánh giá của con người: 3.5 / 5

Lệnh phức tạp: “Một thành phố tương lai với ô tô bay lúc hoàng hôn, theo phong cách truyện tranh cyberpunk.”

Phân tích tổng thể:

DALL-E 3 thể hiện hiệu suất trung bình với lệnh phức tạp này. Dù phong cách có phần giống truyện tranh, nhưng yếu tố cyberpunk và các chi tiết của cảnh lại chưa đạt yêu cầu. Mô hình không tạo ra xe bay, thay vào đó là cảnh thành phố với những chiếc xe bình thường trên các con đường biến mất giữa chừng. Tổng thể bố cục thiếu cảm giác tương lai như mong đợi. Phong cách thì khá ổn, nhưng chỉ diễn giải được một phần của yêu cầu phức tạp.

Điểm đánh giá của con người: 3 / 5

Lệnh trường hợp đặc biệt: “Một vòng tròn vuông.”

Phân tích tổng thể:

DALL-E 3 phản hồi với lệnh “vòng tròn vuông” theo một cách khá khó hiểu. Hình ảnh tạo ra có yếu tố của cả hình vuông và hình tròn nhưng kết hợp lại giống như logo của một đội thể thao hơn là một sự diễn giải trừu tượng về điều không thể. Cách hiểu của mô hình thiên về sự pha trộn nghệ thuật giữa các hình dạng thay vì cố gắng thể hiện đúng khái niệm nghịch lý.

Điểm đánh giá của con người: 2 / 5

Lệnh phức tạp/trường hợp đặc biệt (Kết hợp)

Phân tích tổng thể:

Qua các thử nghiệm này, có thể thấy DALL-E 3 còn hạn chế khi gặp các lệnh phức tạp, đặc biệt là về mô tả chính xác đối tượng và diễn giải các khái niệm trừu tượng. Dù tạo ra kết quả ấn tượng với lệnh đơn giản, mô hình vẫn cần phát triển thêm khi được yêu cầu tạo các cảnh phức tạp hơn hoặc xử lý các chỉ dẫn phi logic.

Điểm đánh giá của con người (phức tạp/trường hợp đặc biệt): 2.5 / 5

Ấn tượng tổng thể

Nhìn chung, DALL-E 3 thể hiện năng lực nghệ thuật mạnh mẽ và hình ảnh bắt mắt, nhưng vẫn gặp khó khăn về độ chính xác, diễn giải và chi tiết khi đối mặt với các lệnh phức tạp hoặc nghịch lý. Dù có thế mạnh trong việc tạo ra hình ảnh đẹp về mặt thẩm mỹ, mô hình này vẫn còn cần cải thiện khả năng hiểu đúng ý định của những yêu cầu đa lớp.