જે ચિત્ર પાછું બોલે છે
દરેક વ્યક્તિને જાદુ ગમે છે જ્યાં સુધી જાદુગર તેનું વર્ણન કરવાનું શરૂ ન કરે. આ DALL·E 3 ની વિચિત્રતા છે: એક ઇમેજ જનરેટર એટલું સારું છે કે તે છેતરપિંડી જેવું લાગે છે, જે એક સમજૂતી એન્જિન સાથે જોડાયેલું છે જે બંધ થશે નહીં. આ ફક્ત બીજી “AI આર્ટ ટૂલ” સમીક્ષા નથી. તે DALL·E 3 ની સમીક્ષા છે કારણ કે DALL·E 3 ચોક્કસ લેખને લાયક છે. તે એવું છે જે તમને સમજાવે છે કે ટેક્સ્ટ-ટુ-ઇમેજ હવે કોઈ પાર્લર યુક્તિ નથી. તે મંતવ્યો સાથેનું ફોટોશોપ છે.
ચાલો મૂળભૂત બાબતોને સમજી લઈએ: DALL·E 3 લગભગ દરેક બાબતમાં DALL·E 2 કરતા વધુ સારું છે— સુસંગતતા, ટાઇપોગ્રાફી, અવકાશી તર્ક, સૂક્ષ્મતા અને “ઓહ વાહ, મારો અર્થ બરાબર એ જ હતો પરંતુ કેવી રીતે કહેવું તે ખબર નહોતી” ની અસ્પષ્ટ ગુણવત્તા. સુધારાઓ સૂક્ષ્મ નથી. તે સારા વ્યંગચિત્ર અને યોગ્ય પોટ્રેટ વચ્ચેનો તફાવત છે. અને ઘણા મોડેલ્સથી વિપરીત જે ડેમોમાં ઉત્કૃષ્ટ દેખાય છે અને રોજિંદા હાથમાં અલગ પડી જાય છે, DALL·E 3 સામાન્ય બાબતોમાં ટકી રહે છે.
પરંતુ “વધુ સારું” એ ટેબલ સ્ટેક્સ છે. વાસ્તવિક પ્રશ્ન—એકમાત્ર પ્રશ્ન જે DALL·E 3 ની સમીક્ષામાં મહત્વપૂર્ણ છે—તે વિશ્વસનીય છે કે કેમ. તે શક્તિશાળી છે કે કેમ તે નહીં. અમારી પાસે શક્તિશાળી હતું. અમારી પાસે વિચિત્ર રીતે શક્તિશાળી હતું. પ્રશ્ન એ છે કે: શું તે તમને એવી વસ્તુ બનાવવામાં મદદ કરે છે જેનો તમે વારંવાર પીછો કરી શકો છો, તમને પ્રયોગશાળાના ઉંદર અથવા લોટરી પ્લેયરની જેમ વર્ત્યા વિના?
ટૂંકો જવાબ: મોટે ભાગે. લાંબો જવાબ: આ AI છે, જેનો અર્થ છે કે “સમજાવી શકાય તેવું જાદુ” હજી પણ ક્યારેક તેની પોતાની ટોપી ખાઈ જાય છે.
હાઇપ વિના, DALL·E 3 ખરેખર શું મેળવે છે
- તે વાંચે છે. શાબ્દિક રીતે નહીં, પરંતુ કાર્યાત્મક રીતે. એમ્બેડેડ કલમો, શૈલી અવરોધો અને રચનાત્મક સૂચનાઓ સાથેના પ્રોમ્પ્ટ્સ સામાન્ય રીતે તમે જે માંગ્યું છે તેના જેવા દેખાય છે.
- તે લેઆઉટમાં વિચારે છે. પોસ્ટર, બુક કવર, સ્પ્લિટ-સ્ક્રીન કોન્સેપ્ટ પિચ માટે પૂછો. તે નેગેટિવ સ્પેસનો આદર કરે છે. તે સમપ્રમાણતા અને અસમપ્રમાણતાનો આદર કરે છે જેમ કે તેણે ડિઝાઇન ક્લાસ લીધો હોય.
- તે ટેક્સ્ટ માટે ઓછું એલર્જીક છે. AI છબીઓમાં ટાઇપોગ્રાફી કોઈએ ટાઇપરાઇટર પર આલ્ફાબેટ સૂપ ફેલાવ્યો હોય તેવું લાગતું હતું. DALL·E 3 સાથે, “રમતિયાળ સેરીફમાં કોફી શોપ મેનૂ, વાંચી શકાય તેવી કિંમતો” હવે પ્રાર્થના નથી પરંતુ વાજબી વિનંતી છે.
- તે ટોનમાં સારું છે. ફક્ત “તેને નોઇર બનાવો” જ નહીં, પણ “મધ્ય સદીના ટ્રાવેલ પોસ્ટર્સ દ્વારા ફિલ્ટર કરાયેલું ભડકાઉ આશાવાદ.” તે પ્રકારના વાઇબ-મેચિંગને રેફરન્સ બોર્ડ અને આર્ટ ડિરેક્ટરની જરૂર પડતી હતી. હવે તે એક ફકરો છે.
જો તમે DALL·E 3 ની સમીક્ષા માટે અહીં છો જે તેને આશ્ચર્યજનક સિવાય કંઈપણ કહે છે, તો મરવા માટે એક અલગ ટેકરી પસંદ કરો.
તે ક્યાં ઠોકર મારે છે (કારણ કે તે ચોક્કસપણે કરે છે)
- સારી રીતે ગણતરી અને ચોક્કસ ગોઠવણી હજી પણ ડગમગે છે. “સાત લાલ છત્રીઓ, એક અંદરથી બહારની તરફ વળેલી, પવનવાળા બોર્ડવોક પર કદ પ્રમાણે ગોઠવાયેલી” ત્રણમાંથી એક વાર નિશાન ચૂકી શકે છે.
- શાબ્દિકતા એ આશીર્વાદ અને જાળ બંને છે. તમને બરાબર જે જોઈએ છે તે મળી શકે છે, અને ક્યારેક તમને ચોકસાઈનો અફસોસ થશે.
- શ્રેણીમાં સુસંગતતા—પાત્રો, લાઇટિંગ, કપડાંની સાતત્ય—શક્ય છે પરંતુ ધાર્મિક વિધિની સરહદ પર પ્રોમ્પ્ટ શિસ્ત લે છે. પિક્સરની અપેક્ષા રાખશો નહીં. એક પ્રતિભાશાળી ફ્રીલાન્સરની અપેક્ષા રાખો જે ભૂલી જાય છે કે નાયકના પગરખાં પેનલ ત્રણમાં કેવા દેખાતા હતા.
આમાંથી કોઈ પણ ડીલબ્રેકર નથી, પરંતુ તે આ જેવા સાધનોના વિરોધાભાસને જાહેર કરે છે: તે જેટલા સારા થાય છે, તેટલી જ તેમની ભૂલો વધુ સ્પષ્ટ થાય છે.
એક જ પ્રોમ્પ્ટમાં DALL·E 3 ની સમીક્ષા
“સંયમિત રંગમાં સંપાદકીય ચિત્ર, વિચિત્ર રમૂજનો સંકેત, DALL·E 3 ની સમીક્ષા વિશે જે શંકાસ્પદ છે પરંતુ પ્રભાવિત છે; ટાઇપોગ્રાફીને સ્વચ્છ રાખો, કદાચ પ્રારંભિક 2000 ના દાયકાના ટેક બ્લોગ્સ તરફ સૂક્ષ્મ સંકેત.”
તમે ખરેખર તેને DALL·E 3 માં ફીડ કરી શકો છો અને કંઈક એવું પાછું મેળવી શકો છો જે તમે પ્રકાશિત કરશો, કોઈ વિરોધાભાસની જરૂર નથી. તે બોલગેમ છે. તે માત્ર એક નવું સાધન નથી. તે એક નવું સર્જનાત્મક લૂપ છે—વિચારો જે સીધા વિઝ્યુઅલ્સમાં ફેરવાય છે, જે વધુ સારા વિચારોમાં ફેરવાય છે, જે તમારા કેફીન લોહીના પ્રવાહમાં પ્રવેશે તેના કરતા વધુ ઝડપથી સમાપ્ત કાર્યમાં ફેરવાય છે.
તે કેવી રીતે સરખાવે છે (કારણ કે તમે પૂછવાના છો)
સ્ટેબલ ડિફ્યુઝન એ ટીંકરનું રમતનું મેદાન છે; જો તમે તમારી પોતાની ટ્રેમ્પોલિન સોલ્ડર કરવા તૈયાર હોવ તો તે બેકફ્લિપ્સ કરશે. મિડજર્ની એ વાઇબ લોર્ડ છે; જ્યારે તમે કવિતાની હદ સુધી અસ્પષ્ટ હોવ ત્યારે પણ તે ખૂબસૂરત આર્ટ ડિરેક્શન પહોંચાડે છે. DALL·E 3 “મારો મતલબ એ જ હતો જે મેં કહ્યું” કેમ્પમાં બેસે છે. તે સૌથી શાબ્દિક, સૌથી વાતચીત કરનાર અને ઘણા કિસ્સાઓમાં, ક્લાયન્ટ-ફેસિંગ કાર્ય માટે સૌથી વધુ વિશ્વસનીય છે જ્યાં સ્પષ્ટીકરણ મહત્વપૂર્ણ છે.
- પ્રોમ્પ્ટ પાલન: DALL·E 3 જીતે છે. તમે માણસની જેમ લખો છો; તે સ્વાદ સાથેના મહેનતુ સહાયકની જેમ જવાબ આપે છે.
- આઉટ-ઓફ-ધ-બોક્સ પોલિશ: મિડજર્નીમાં હજી પણ સિનેમેટોગ્રાફર-ઇન-એ-બોક્સ ચમક છે.
- કસ્ટમાઇઝેશન અને નિયંત્રણ: જો તમે તમારા પોતાના પાઈપો અને પ્લગ-ઇન્સ રોલ કરવા તૈયાર હોવ તો સ્ટેબલ ડિફ્યુઝન ટ્રોફી લે છે.
જો તમારું કાર્ય બ્રીફ્સ, મૂડબોર્ડ્સ અને સંશોધનોમાં રહે છે—જાહેરાત એજન્સીઓ, પ્રોડક્ટ ટીમો, ટેક માર્કેટિંગ—તો “કૂલ લાગે છે પરંતુ ખોટું છે” સમસ્યાને ટાળવા માટે DALL·E 3 સૌથી સુરક્ષિત શરત છે.
વ્યવહારિક બીટ્સ જેની તમે ખરેખર કાળજી લો છો
- પ્રોમ્પ્ટિંગ: ઓછું એ વધુ છે, પરંતુ ચોકસાઈ જીતે છે. “પ્રોડક્ટ હીરો ઇમેજ, સોફ્ટ કી લાઇટ, મેટ ટેક્સચર, 45-ડિગ્રી એંગલ, ડેસેચ્યુરેટેડ ટીલમાં બેકગ્રાઉન્ડ, ડાબી બાજુથી પાંદડાનો પડછાયો પડે છે” તમને એક જ શોટમાં ભયાનક રીતે નજીક લાવશે.
- ઇટરેશન: માનવને કરશો તેમ નાના ફેરફારો માટે પૂછો: “સમાન રચના, ઠંડો પ્રકાશ, સિરામિક મગને ડબલ-વોલ્ડ ગ્લાસથી બદલો.” તે સાંભળે છે.
- શ્રેણી કાર્ય: તમારા સંજ્ઞાઓ અને વિશેષણોને લોક કરો. સુસંગત પાત્ર વર્ણનોનો ઉપયોગ કરો. જ્યારે શક્ય હોય ત્યારે બીજ સાચવો. તે સાતત્ય સૉફ્ટવેર નથી, પરંતુ તમે શિસ્ત સાથે ખાતરીપૂર્વક નકલી બનાવી શકો છો.
- ઇમેજમાં ટેક્સ્ટ: તે આખરે ચૂકી જવા કરતાં વધુ હિટ છે. સંપૂર્ણ નથી. પરંતુ તમારું “EVENT TONIGHT 7 PM” “EVFNT TOMGHT 7 PN” તરીકે પાછું આવશે નહીં. પ્રગતિ.
નીતિશાસ્ત્ર અને અનિવાર્ય હાથ-મરોડવું
મારી પાસે AI આર્ટ નીતિશાસ્ત્રનો કોઈ ભવ્ય એકીકૃત સિદ્ધાંત નથી. જે કોઈ કહે છે કે તેમની પાસે છે તે કાં તો કંઈક વેચી રહ્યું છે અથવા પેનલ માટે ઓડિશન આપી રહ્યું છે. મુખ્ય તણાવ સરળ છે: કલાકારો સંમતિ, એટ્રિબ્યુશન અને વળતર ઇચ્છે છે; વપરાશકર્તાઓ શક્તિ, ઝડપ અને ખર્ચ બચત ઇચ્છે છે. કંપનીઓને સ્કેલ જોઈએ છે. વર્તમાન સમાધાન એ સામાન્ય ટેક સોદો છે—ઓપ્ટ-આઉટ્સ, પોલિસી નોબ્સ અને “જાહેર રૂપે ઉપલબ્ધ ડેટા” વિશેના કેટલાક સાવચેતીભર્યા શબ્દસમૂહો—વત્તા ડિટેક્શન ટૂલ્સ જે પૂરતા પ્રમાણમાં સારી રીતે કામ કરે છે જ્યાં સુધી તે ન કરે.
બે વિચારો કે જે વિરોધાભાસ વિના સહઅસ્તિત્વ ધરાવી શકે છે:
- DALL·E 3 એક અસાધારણ સાધન છે જે બિન-કલાકારો માટે વાસ્તવિક કાર્ય શક્ય બનાવે છે અને કલાકારો માટે ઝડપી બનાવે છે.
- ઉદ્યોગ હજી પણ કલાકારોને “અમારા પર વિશ્વાસ કરો” કરતાં વધુ સારો સોદો આપે છે.
જો તમે DALL·E 3 ની સમીક્ષા માટે એવું કહેવા આવ્યા છો કે તે કાં તો સ્વર્ગ છે અથવા ચોરી છે, તો માફ કરશો. તે સારું અને અવ્યવસ્થિત બંને છે. દલીલ કરવા યોગ્ય દરેક વસ્તુની જેમ.
છુપાયેલી મહાસત્તા: છબીઓ માટે લખવું
જે લોકો જીવનનિર્વાહ માટે લખે છે તેમને DALL·E 3 નો ફાયદો છે. કારણ કે અમે ખાસ છીએ તે માટે નહીં, પરંતુ અહીં સ્પષ્ટતા એ એક મહાસત્તા છે. મોડેલ સ્પષ્ટતાને પુરસ્કાર આપે છે જે રીતે એક સારું ડિઝાઇનર કરે છે. જો તમે તમારા મગજમાં શોટ લિસ્ટનું વર્ણન કરી શકો છો, તો તમને એવી છબીઓ મળશે જે વ્યાવસાયિક કાર્યની ખૂબ નજીક લાગે છે. અવરોધ હવે ડ્રોઇંગ કૌશલ્ય નથી; તે સ્પષ્ટતા છે. વધુ સારી પ્રોમ્પ્ટ્સ લખો, વધુ સારા ચિત્રો મેળવો.
તે સામાન્ય સ્ક્રિપ્ટને ફ્લિપ કરે છે. જૂની દુનિયામાં, લેખકે ડિઝાઇનરને ઇમેઇલ કર્યો અને રાહ જોઈ. હવે લેખક લંચ પહેલાં પાંચ દિશાઓ મોક અપ કરી શકે છે અને એકને મોકલી શકે છે જે પોલિશ કરવા યોગ્ય છે. આ પ્રક્રિયા-ભારે ટીમો માટે ડરામણું છે, અને ટીમો માટે ખૂબ અનુકૂળ છે જે શિપ કરે છે.
જ્યારે તે નિષ્ફળ જાય છે, ત્યારે તે મોટેથી નિષ્ફળ જાય છે
DALL·E 3 સૌથી ખરાબ કામ એ છે કે સ્પષ્ટને ચૂકી જતી વખતે આત્મવિશ્વાસનો ડોળ કરવો. છ આંગળીઓવાળો હાથ? હવે ઓછું સામાન્ય. અર્થહીન ચિહ્નો? દુર્લભ. પરંતુ તે હજી પણ ધાર પર ઠોકર મારે છે: પ્રતિબિંબ જે પ્રતિબિંબિત થતા નથી, પડછાયાઓ જે ભૂમિતિનું ઉલ્લંઘન કરે છે, ઉત્પાદન બંદરો જે શોટ્સ વચ્ચે સ્થળાંતર કરે છે. વિચિત્ર ખીણ ઉપરની તરફ ગઈ. તમે ત્યાં સુધી ધ્યાન નહીં આપો જ્યાં સુધી તમે ઝૂમ ઇન ન કરો, અને પછી તમે તેને અનદેખી કરી શકતા નથી.
ફિક્સ સીધું છે: મજબૂત ડ્રાફ્ટ્સની જેમ આઉટપુટની સારવાર કરો. કાપો, ટચ અપ કરો અથવા પુનર્જીવિત કરો. જો તમે બોક્સની બહાર સંપૂર્ણતાની અપેક્ષા રાખો છો, તો તે તમારા પર છે, સાધન પર નહીં. કેમેરા પણ તમને અંતિમ કલા આપતા નથી.
સાદી ભાષામાં કિંમત અને પ્રવેશ
DALL·E 3 સામાન્ય રીતે ચેટ-શૈલીના ઇન્ટરફેસ અને API ઍક્સેસ દ્વારા ઉપલબ્ધ છે, જેમાં જનરેશન અને રિઝોલ્યુશન દ્વારા વપરાશ માપવામાં આવે છે. જો તમે કેઝ્યુઅલ વપરાશકર્તા છો, તો ચેટ ઇન્ટરફેસ સારું છે—ઓછું ઘર્ષણ, ઝડપી પરિણામો. જો તમે ટીમ અથવા ઉત્પાદન છો, તો API મહત્વપૂર્ણ છે. અર્થશાસ્ત્ર એવા લોકોને પસંદ કરે છે જે સ્લોટ મશીનની જેમ “પુનર્જીવિત” ને બદલે ઇરાદાપૂર્વક પુનરાવર્તન કરે છે. હજારો રેન્ડમ્સ માટે નહીં, પરંતુ ઘણા નાના ટ્વીક્સ માટે બજેટ બનાવો.
ગાર્ડ્રેલ્સ પર એક ઝડપી શબ્દ
સુરક્ષા સ્તર કડક છે પરંતુ પહેલા કરતા વધુ સમજદાર છે. તમને સ્પષ્ટ બાબતો પર અવરોધિત કરવામાં આવશે—ગ્રાફિક હિંસા, સમાધાનકારી સંદર્ભોમાં જાહેર વ્યક્તિઓ, ટ્રેડમાર્ક લેન્ડમાઇન્સ—અને પ્રસંગોપાત એટલા સ્પષ્ટ ન હોય તેવા એજ કેસો પર. હેરાન કરે તેવું? હા. જરૂરી? પણ હા. ધ્યેય છે “ખોટા કારણોસર કોઈ હેડલાઇન્સ નહીં,” અને તે મેટ્રિક પર તે સારું કરી રહ્યું છે.
વર્કફ્લો જે તમારો સમય બગાડે નહીં
અહીં DALL·E 3 સમીક્ષાનો વ્યવહારિક મુખ્ય ભાગ છે—આ કરો અને તમે સ્માર્ટ દેખાશો:
- સર્જનાત્મક બ્રીફની જેમ ટેક્સ્ટમાં ખ્યાલનો ડ્રાફ્ટ બનાવો. વધુમાં વધુ બે થી ચાર વાક્યો.
- ચાર વિકલ્પો જનરેટ કરો. શ્રેષ્ઠ એક પસંદ કરો ભલે તે માત્ર 70% યોગ્ય હોય.
- સર્જિકલ પ્રોમ્પ્ટ્સ સાથે પુનરાવર્તન કરો: એક સમયે એક ચલ.
- સુરક્ષા માટે બીજને લોક કરો અને વિકલ્પો જનરેટ કરો.
- એક એવા કદમાં નિકાસ કરો જે તમારા અંતિમ ઉપયોગને અનુરૂપ હોય; જ્યાં સુધી તમારે ન કરવું હોય ત્યાં સુધી અપસ્કેલ કરશો નહીં.
- વાસ્તવિક સંપાદકમાં ટચ અપ કરો. મોડેલ જે હંમેશા માટે ચૂકી જાય છે તેને તમે બે મિનિટમાં ઠીક કરશો.
Sider.AI ખરેખર ક્યાં મદદ કરે છે (કોઈ સેલ્સ પિચ નહીં, વચન)
હું પ્રોડક્ટ પ્લગ કરતો નથી. પરંતુ હું એવી વસ્તુઓથી પણ એલર્જીક નથી જે કામ કરે છે. Sider.AI બ્રાઉઝરમાં બેસે છે જ્યાં તમે પહેલાથી જ તમારું સંશોધન અને લેખન કરો છો. DALL·E 3 કાર્ય માટે, તે લાગે તેના કરતાં વધુ મહત્વપૂર્ણ છે. શ્રેષ્ઠ પ્રોમ્પ્ટ વિચારો સ્પેક, સ્પર્ધકની પૃષ્ઠ અથવા તમારી પોતાની નોંધો વાંચતી વખતે આવે છે. Sider.AI તમને પ્રોમ્પ્ટ્સને ઇનલાઇન આકાર આપવા દે છે—શુદ્ધિકરણ કરો, ચલોની તુલના કરો, રક્ષકોને સાચવો—એક ડઝન ટૅબ્સ દ્વારા હૉપ કર્યા વિના અથવા થ્રેડ ગુમાવ્યા વિના. તે તમને અસ્પષ્ટ હિતધારક ભાષાનું ભાષાંતર કરવામાં પણ મદદ કરે છે—“તેને પૉપ બનાવો, પરંતુ વધુ મોટેથી નહીં”—એવા પ્રોમ્પ્ટ્સમાં કે જે DALL·E 3 ખરેખર સમજે છે: “મ્યૂટ કરેલા પેલેટ પર ઉચ્ચ-વિપરીત રંગ ઉચ્ચારો, પંચી લાઇટિંગ, સંયમિત હાઇલાઇટ્સ.” તે જાદુઈ નથી. તે વર્કફ્લો ગુંદર છે. તમે ગુમ થાઓ ત્યારે જ તમને ખબર પડે છે.
DALL·E 3 નો ઉપયોગ કોણે કરવો જોઈએ (અને કોણે ન કરવો જોઈએ)
- જો તમે એવી વસ્તુઓ મોકલો છો કે જે ખ્યાલ આર્ટ, માર્કેટિંગ વિઝ્યુઅલ્સ, સ્ટોરીબોર્ડ્સ, થંબનેલ્સ અથવા આંતરિક ખરીદીથી લાભ મેળવે છે તો તેનો ઉપયોગ કરો. તે ડિઝાઇનર્સ માટે ગુણક છે અને સ્વાદ સાથે બિન-ડિઝાઇનર્સ માટે જીવનરેખા છે.
- જો તમે બાંયધરીકૃત સાતત્ય અને 200-પૃષ્ઠના ગ્રાફિક નવલકથામાં કાયદેસર રીતે સ્પષ્ટ પાત્રો સાથે બેસ્પોક ચિત્રની અપેક્ષા રાખતા હોવ તો તેનો ઉપયોગ કરશો નહીં. તમે નજીક આવી શકો છો, પરંતુ “નજીક” એ કરાર નથી.
- જો તમે “મિનિટોમાં પ્રથમ 80%” ને મહત્વ આપતા હોવ તો તેનો ઉપયોગ કરો. જો તમારો વર્કફ્લો પુનરાવર્તનને સજા કરે છે અને વધુ પડતા પોલિશ્ડ પ્રથમ ડ્રાફ્ટ્સને પુરસ્કાર આપે છે તો નહીં.
સર્જનાત્મકતા પર, સંક્ષિપ્તમાં, ક્લિચ વિના
સાધનો સ્વાદ બનાવતા નથી. તેઓ બહાના દૂર કરે છે. જો તમારી પાસે સારો વિચાર હોય પરંતુ તમે દોરી શકતા નથી, તો હવે તમે તે બતાવી શકો છો. જો તમારા વિચારો પોચા છે, તો DALL·E 3 તમને સુંદર રીતે પ્રકાશિત પોચા આપે છે. મોડેલ મધ્ય-સ્તરના વિચારને ઉત્તેજન આપતું નથી; જ્યારે તમારી વિચારસરણી તીક્ષ્ણ હોય ત્યારે તે ફક્ત માર્ગમાં આવવાનો ઇનકાર કરે છે.
તે ભાગ મોટાભાગના “AI સર્જનાત્મકને બદલશે” લે છે: DALL·E 3 મૂલ્યને ઉપરની તરફ ખસેડે છે. મહત્વપૂર્ણ કાર્ય કીસ્ટ્રોક નથી; તે પસંદગી છે. સંદર્ભો પસંદ કરી રહ્યા છીએ. મૂડ પસંદ કરી રહ્યા છીએ. શું કાપવું તે પસંદ કરી રહ્યા છીએ. મશીન પેઇન્ટને હેન્ડલ કરે છે. કેનવાસ પર શું છે તે તમારે હજી પણ નક્કી કરવાનું છે.
ચુકાદો (અનિચ્છાએ ગંભીર)
DALL·E 3 સમીક્ષા આની આસપાસ માત્ર આટલો જ સમય નૃત્ય કરી શકે છે: તે સામાન્ય લોકો માટે ઉપલબ્ધ સૌથી વધુ વ્યાપક રીતે ઉપયોગી ટેક્સ્ટ-ટુ-ઇમેજ સિસ્ટમ છે જેને વાસ્તવિક સમયમર્યાદા પર વાસ્તવિક વસ્તુઓ બનાવવાની જરૂર છે. તે હંમેશા ચમકતું નથી, પરંતુ તે વિશ્વસનીય રીતે આજ્ઞાનું પાલન કરે છે. તે આજ્ઞાપાલન—સ્લાઇડર્સથી ભરેલા બાઈન્ડરને બદલે કુદરતી ભાષા સાથે સંરેખિત—એ સફળતા છે.
શું તે સંપૂર્ણ છે? ના. શું તે ટીમો કેવી રીતે કામ કરે છે તે બદલવા માટે પૂરતું છે? પહેલેથી જ કર્યું છે.
થોડા પ્રોમ્પ્ટ્સ જે તેમના વજનથી ઉપર પંચ કરે છે
- “મેગેઝિન કવર કોન્સેપ્ટ, સિંગલ બોલ્ડ ઑબ્જેક્ટ સેન્ટર, સોફ્ટ રિમ લાઇટ, માસ્ટહેડ માટે ઉદાર નેગેટિવ સ્પેસ, કલર પેલેટ: રિચ ઇન્ડિગો અને ગોલ્ડ, આત્મવિશ્વાસપૂર્ણ પરંતુ સંયમિત ટાઇપોગ્રાફી.”
- “સ્ટોરીબોર્ડ ફ્રેમ, ડેવલપરને 2am પર ડીબગીંગનો ઓવર-ધ-શોલ્ડર શોટ, કોલ્ડ મોનિટર ગ્લો, એમ્પ્ટી રેડ બુલ કેન, વિન્ડો નીચે વરસાદ, ટોન: ઉદાસીન પરંતુ નિર્ધારિત.”
- “પેકેજિંગ મોકઅપ, મેટ રિસાયક્લેબલ પાઉચ, સૂક્ષ્મ અનાજ, ઉત્પાદનનું નામ ‘રિવેટ’ માનવતાવાદી સેન્સમાં, બોલ્ટનું નાનું એમ્બોસ્ડ આઇકન, લાકડાના કાઉન્ટર પર જીવનશૈલીનું દ્રશ્ય, સવારનો પ્રકાશ.”
આ સૂત્રો નથી. તે સાબિતી છે કે સ્પષ્ટતાને પુરસ્કાર મળે છે.
છૂટો છેડો
DALL·E 3 નો વિચિત્ર ભાગ એ નથી કે તે સારી રીતે દોરે છે. તે એ છે કે તે સાંભળે છે. તમે તેની સાથે વાટાઘાટો કરી શકો છો. થોડી દલીલ કરો. આગ્રહ કરો. મોટાભાગનું સૉફ્ટવેર વાટાઘાટો કરતું નથી; તે ફક્ત ભૂલ કરે છે. આ સહયોગીની નજીક લાગે છે—સ્વભાવગત અને ક્યારેક ખોટું, પરંતુ ઝડપી અને રમતિયાળ.
કદાચ તે વાસ્તવિક પરિવર્તન છે. અમે હવે કોઈ સુવિધાની આસપાસ ક્લિક કરીને શિકાર કરી રહ્યા નથી. અમે ઇરાદો જણાવી રહ્યા છીએ અને પરિણામોનું મૂલ્યાંકન કરી રહ્યા છીએ. તે વધુ સારું લૂપ છે. તે એક ડરામણો પણ છે, કારણ કે તે સ્વાદ—તમારા સ્વાદ—ને હૂક પર મૂકે છે.
જો તે તમને પરેશાન કરે છે, તો સારું. પરંતુ જે સાધનો બહાના દૂર કરે છે તેની આસપાસ ચોંટી જવાની એક રીત છે.
બોટમ લાઇન
DALL·E 3 એ પ્રથમ ઇમેજ મોડેલ છે જેની હું એવી વ્યક્તિને ભલામણ કરીશ જે ફિડલિંગને ધિક્કારે છે. તે એવા લોકો માટેનું મોડેલ છે જે વાક્યોમાં વિચારે છે અને સમયમર્યાદા પર શિપ કરે છે. તેનો ચોકસાઇથી ઉપયોગ કરો, તમારી અપેક્ષાઓ માનવી રાખો, અને તે તમને બેચેનીથી સક્ષમ દેખાશે.
અને જ્યારે તે ન કરે—પુનર્જીવિત કરો. જાદુગરની વાતો હંમેશા મુદ્દો નથી હોતી. યુક્તિ છે.
FAQ
Q1:શું DALL·E 3 વ્યાવસાયિક કાર્ય માટે પૂરતું સારું છે?
હા—જો તમારું વ્યાવસાયિક કાર્ય પ્રોમ્પ્ટ પાલન અને ઝડપી પુનરાવર્તનને મહત્વ આપે છે. DALL·E 3 સમીક્ષા માટે, હેડલાઇન વિશ્વસનીયતા છે: તે મોટાભાગે બ્રીફને હિટ કરે છે, અને ભૂલો સુધારી શકાય તેવી છે.
Q2:DALL·E 3 ની મિડજર્ની અને સ્ટેબલ ડિફ્યુઝન સાથે કેવી રીતે સરખામણી થાય છે?
DALL·E 3 સૂચનાઓનું પાલન કરવા પર જીતે છે; મિડજર્ની સિનેમેટિક પોલિશ પર જીતે છે; સ્ટેબલ ડિફ્યુઝન ડીપ કસ્ટમાઇઝેશન પર જીતે છે. તમે ચોકસાઈ, વાઇબ અથવા નિયંત્રણ ઇચ્છો છો તેના આધારે પસંદ કરો.
Q3:શું DALL·E 3 છબીઓમાં સચોટ ટેક્સ્ટ જનરેટ કરી શકે છે?
અગાઉના મોડેલો કરતાં વધુ, હા. આ DALL·E 3 સમીક્ષા સંદર્ભમાં, ટાઇપોગ્રાફી આખરે ઉપયોગી છે—હજી અપૂર્ણ છે, પરંતુ હવે આલ્ફાબેટ સૂપ નથી.
Q4:DALL·E 3 ને પ્રોમ્પ્ટ કરવાની શ્રેષ્ઠ રીત કઈ છે?
બ્રીફની જેમ લખો: સ્પષ્ટ સંજ્ઞાઓ, વિશિષ્ટ અવરોધો, પુનરાવર્તન દીઠ એક ફેરફાર. DALL·E 3 કાવ્યાત્મક ભટકણ કરતાં ક્રિસ્પ દિશાને પુરસ્કાર આપે છે.
Q5:શું ડિઝાઇનર્સે DALL·E 3 તેમને બદલવાની ચિંતા કરવી જોઈએ?
બદલવાની ચિંતા ઓછી કરો અને ઉપરના મૂલ્ય વિશે વધુ ચિંતા કરો. DALL·E 3 ડ્રાફ્ટ્સને વેગ આપે છે; સ્વાદ અને ક્યુરેશન હજુ પણ નક્કી કરે છે કે શું શિપ થાય છે.