DALL-E

Hvad er DALL-E?

DALL-E er OpenAIs AI-model til billedgenerering. Du skriver en tekstbeskrivelse (en prompt) og DALL-E genererer et originalt billede der matcher din beskrivelse. “En kat der sidder på en regnbue og spiller guitar” bliver til et faktisk billede på sekunder.

Navnet er en sammensætning af kunstneren Salvador Dalí og Pixar-robotten WALL-E. En reference til at modellen kombinerer kunst med teknologi.

DALL-E var en af de første AI-modeller der demonstrerede at AI kunne generere visuelt overbevisende billeder fra tekst, og den satte gang i den eksplosion af AI-billedgenerering vi ser i dag.

DALL-E versioner

1. DALL-E 1 (januar 2021). Den første version. Baseret på en transformer-arkitektur (som GPT). Genererede billeder i 256x256 pixels. Imponerende som koncept men begrænset i kvalitet.
2. DALL-E 2 (april 2022). Markant kvalitetsspring. Baseret på diffusion-modeller. Genererede fotorealistiske billeder i 1024x1024 pixels. Tilføjede inpainting (redigering af dele af et billede) og outpainting (udvidelse af et billede).
3. DALL-E 3 (oktober 2023). Integreret direkte i ChatGPT. Markant bedre til at forstå komplekse prompts, generere tekst i billeder og følge detaljerede instruktioner. Bruger ChatGPT til automatisk at forbedre prompts.
4. GPT-4o billedgenerering (marts 2025). OpenAI erstattede DALL-E 3 i ChatGPT med native billedgenerering direkte i GPT-4o. DALL-E 3 API’en udfases i maj 2026 til fordel for GPT Image-modellerne.

Hvordan fungerer DALL-E?

1. Prompt-forståelse. Modellen analyserer din tekstbeskrivelse og forstår objekter, relationer, stil, belysning og stemning.
2. Diffusion-proces. (DALL-E 2 og 3) Starter med tilfældigt støj og fjerner gradvist støj i en styret proces indtil et sammenhængende billede fremkommer. Styret af din tekstbeskrivelse.
3. Prompt-forbedring. (DALL-E 3) ChatGPT forbedrer automatisk din prompt for at give bedre resultater. “Tegn en kat” bliver til en detaljeret beskrivelse af perspektiv, stil, belysning og detaljer.
4. Sikkerhedsfiltre. Systemet afviser prompts der forsøger at generere skadeligt, voldigt eller seksuelt indhold, eller billeder af virkelige personer.

DALL-E i praksis

1. Markedsføring og reklame. Hurtig generering af konceptbilleder, social media-grafik og reklamemateriale uden fotoshoots eller dyre stock-billeder.
2. Produktdesign. Visualisering af produktidéer i tidlige designfaser. “Vis mig en minimalistisk bordlampe i skandinavisk stil” giver øjeblikkeligt inspiration.
3. Præsentationer. Unikke illustrationer til præsentationer og rapporter i stedet for generiske stock-billeder.
4. Kreativ udforskning. Kunstnere og designere bruger DALL-E til at udforske idéer, generere referencer og finde inspiration.
5. Undervisning. Generering af illustrationer til undervisningsmateriale: historiske scenarier, videnskabelige koncepter, matematiske visualiseringer.

DALL-E vs. andre billedgeneratorer

1. DALL-E vs. Midjourney. Midjourney producerer mere æstetisk smukke, kunstneriske billeder. DALL-E er mere præcis i at følge prompten og bedre til at generere tekst i billeder. DALL-E er integreret i ChatGPT. Midjourney har sin egen web-app og mobilapp (tidligere kun Discord).
2. DALL-E vs. Stable Diffusion. Stable Diffusion er open source og kan køres lokalt. DALL-E er en lukket tjeneste. Stable Diffusion giver mere kontrol og tilpasningsmuligheder, DALL-E er nemmere at bruge.
3. DALL-E vs. Imagen (Google). Googles billedgenerering integreret i Gemini. Sammenlignelig kvalitet, forskellige styrker afhængigt af prompttype.

Begrænsninger og udfordringer

1. Anatomi. AI-billedgeneratorer har historisk haft problemer med hænder, fingre og menneskelig anatomi, selvom det er blevet markant bedre.
2. Tekst i billeder. Generering af korrekt tekst i billeder var længe en udfordring. DALL-E 3 er markant bedre men ikke perfekt.
3. Konsistens. At generere det samme karakter eller objekt konsistent på tværs af flere billeder er stadig udfordrende.
4. Copyright. Debat om ophavsret: er AI-genererede billeder baseret på kunstneres værker i træningsdata? Juridisk gråzone der stadig afklares.
5. Deepfakes. Risiko for misbrug til at generere falske billeder af virkelige personer eller begivenheder. DALL-E har restriktioner mod dette, men ikke alle AI-billedgeneratorer har.

Adgang til DALL-E

1. ChatGPT. Billedgenerering via GPT-4o er integreret direkte i ChatGPT. Betalende brugere (Plus/Pro) kan generere billeder ved at beskrive hvad de vil have.
2. OpenAI API. Programmatisk adgang til DALL-E for udviklere. Faktureres per genereret billede.
3. Microsoft Designer / Bing. DALL-E er integreret i Microsofts kreative værktøjer via partnerskabet mellem Microsoft og OpenAI.