【OpenAI】第五节（图像生成）利用 OpenAI 的 DALL·E 实现自动化图像生成：从文本到图像的完整教程

引言

OpenAI 推出的 DALL·E 工具因其能够生成令人惊叹的艺术作品而备受瞩目。DALL·E 不仅能够生成静态图像，还能根据用户的需求进行风格化处理，创造出独特的艺术作品。通过 OpenAI 的 API，你可以轻松将 DALL·E 的强大功能集成到你的 Python 程序中，实现自动化的图像生成。本文将为你提供一个详细的教程，帮助你快速上手。

本文价值

在本教程中，你将学习到：

• 什么是图像生成？
• 如何快速安装和配置 OpenAI 的 Python 库
• 探索与图像生成相关的 API 调用
• 根据文本提示生成图像
• 制作生成图像的不同版本
• 将 Base64 格式的 JSON 响应转换为 PNG 图像文件
• 将图像数据保存到本地文件中
• 处理和优化生成的图像

一、什么是图像生成？

图像生成模型可以通过提示和/或基础图像，创造出全新的内容。这些生成式 AI 模型不仅能够生成逼真的图像和艺术作品，还可以更改图像的布局或样式，并创建现有图像的变体。

DALL-E

除了自然语言处理功能外，生成式 AI 模型还具备编辑和创建图像的能力。DALL-E 是处理图像的主要模型，与 GPT 模型类似，它的版本也会不断更新，例如 DALL-E 2。图像功能通常分为三类：图像创建、图像编辑和图像变体。

图像生成

通过提供详细的文本提示，可以生成原始图像。提示越详细，模型越能准确生成所需的结果。

使用 DALL-E，你甚至可以请求特定风格的图像，例如“文森特梵高风格的狗”。这些风格也可以用于图像编辑和变体生成。

例如，给定提示“一头大象站立着，头顶一个汉堡，数字艺术风格”，模型会生成一幅准确描述该内容的数字艺术图像。

当提示更具体时（如“一只粉色的狐狸穿过田野，莫奈风格”），模型会生成更为详细和相似的图像。

图像编辑

如果提供了图像，DALL-E 可以根据要求编辑图像，通过更改样式、添加或删除元素，或生成新的内容来填充指定区域。上传原始图像并指定一个透明掩模，指示要编辑的图像区域，然后提供编辑提示，模型会生成适当的内容来填充该区域。

图像变体

通过提供图像并指定所需的变体数量，可以生成图像的变体。图像的主要内容将保持不变，但对象的位置、视线、背景场景和颜色等方面可能会有所不同。

例如，如果上传了一张大象戴着汉堡作为帽子的图像，你会得到同一对象的各种变体。

---

二、快速开始 🚀

利用 Python、DALL·E 和 OpenAI API 从文本生成图像的过程非常有趣。为了确保你能在 Python 脚本中持续使用这些生成的图像，建议直接获取图像数据，而不是通过 URL 进行访问。以下是一个简单的示例代码：

安装 OpenAI Python 库

首先，你需要安装 OpenAI 的 Python 库。可以通过 pip 命令轻松完成：

pip install openai  # 安装 OpenAI 的 Python 库

生成图像的基本代码

以下是生成图像的基本代码示例：

from openai import OpenAI  # 导入 OpenAI 库

client = OpenAI()  # 创建 OpenAI 客户端实例

# 定义生成图像的文本提示
PROMPT = "An eco-friendly computer from the 90s in the style of vaporwave"

# 调用 DALL·E API 生成图像
response = client.images.generate(
    model="dall-e-2",  # 使用 DALL·E 2 模型
    prompt=PROMPT,  # 输入的文本提示
    n=1,  # 生成一张图像
    size="256x256",  # 图像的尺寸
    response_format="b64_json",  # 响应格式为 Base64 编码的 JSON
)

# 打印生成的图像数据的前50个字符
print(response.data[0].b64_json[:50])

在这个脚本中，通过将 response_format 参数设置为 "b64_json"，你可以直接获取 Base64 编码的图像数据，而不是通过 URL。

保存生成的图像数据