Le début de ce mois d’octobre a été marqué par la sortie de Dall-e 3, un an et demi après la sortie en mars 2022 de la deuxième mouture du générateur d’images d’OpenAI. Dall-e 3 est même accessible gratuitement via le navigateur Bing de Microsoft. Pour pouvoir créer vos propres images, il suffit de se rendre sur Bing Chat, le chatbot de Microsoft, et d’utiliser la commande “/imagine” (la même que pour Midjourney) avant d’indiquer votre prompt.
Dans sa présentation de Dall-e 3, OpenAI explique que son générateur d’image est maintenant capable de proposer un résultat proche de la demande de l’utilisateur, sans que celui-ci n’ait à proposer un prompt trop long. En effet, les résultats proposés par les versions précédentes de Dall-e étaient loin d’atteindre le niveau de précision de ses concurrents Midjourney ou Stable Diffusion. Voici par exemple ce que Dall-e 2 propose lorsqu’on lui demande de réaliser une bande dessinée de quatre cases grâce au prompt suivant : “a comic strip in four ases, about a kid who becomes friend with a puppy”:
Donnons maintenant le même prompt à Dall-e 3, à l’aide de Bing Chat :
Le style est cette fois bien celui d’une bande dessinée, et les erreurs et approximations de Dall-e 2 ont disparu. On remarque même que Dall-e a tenté de mettre des lettres dans les cases de sa bande dessinée. L’apparition de mots sur les images créées par IA fait en effet partie des éléments différenciants des générateurs d’images. Ainsi, Stable Diffusion XL est capable d’insérer de très courts textes dans ses images, contrairement à Midjourney (lire Qant du 21 avril). Essayons donc de voir si Dall-e 3 est capable de générer une bande dessinée comprenant de vrais textes. Le prompt est le suivant : “a comic strip in four ases, about a man talking with his dog, with dialogues”.
a
La qualité des images est toujours présente malgré un script très court, avec une vraie cohérence de style entre les quatre cases. Malheureusement, on ne peut en dire autant du texte inscrit dans les bulles….
“Les systèmes modernes de conversion de texte en image ont tendance à ignorer les mots ou les descriptions, ce qui oblige les utilisateurs à apprendre le prompt engineering. Dall-e 3 représente un bond en avant dans notre capacité à générer des images qui correspondent exactement au texte que vous fournissez” affirme également OpenAI dans son communiqué. Voyons à présent si le générateur d’image est capable de suivre un long prompt avec plusieurs instructions, ou si il ignore certains mots ou phrases. Demandons-lui de réaliser une rue parisienne, à l’aide du prompt suivant : “a Paris street in the 20s, a car drives down the middle of the road, a man in black is visible in the foreground, the sky is cloudy, two birds are visible in the sky”.
Le résultat est satisfaisant, puisque tous les éléments demandés sont présents : Paris (avec la présence de la tour Eiffel au fond de l’image), les années 20, l’homme en noir au premier plan, les deux oiseaux dans le ciel, et les nuages.
Dall-e 3 apparaît donc comme un concurrent solide de Midjourney, capable comme son concurrent de réaliser des images de grande qualité sans nécessairement demander des prompts trop complexes. Reste à savoir si la prochaine version de l’outil d’OpenAI permettra enfin d’inclure des textes longs dans ses images.
M. de R.
Pour en savoir plus :
Source archive Kessel : https://qant.kessel.media/posts/pst_350489749eb84c719535ba9a362c15f4
