Como usar o DALL-E 2 para gerar imagens a partir de textos

Nem todos possuem habilidades para desenho ou manipulação no Photoshop. No entanto, agora todos podem ter acesso à Inteligência Artificial (IA) da empresa OpenAI, conhecida como DALL-E 2, para criar imagens a partir de simples descrições textuais.

O mais interessante é que o DALL-E 2 cria imagens 100% originais, realistas, e ainda pode combinar conceitos, atributos e estilos de artistas conhecidos. Inclusive, esse tipo de tecnologia impulsionou a onda da NFTs, que pudemos acompanhar recentemente no mundo.

Se você acha que eu estou falando de imagens malfeitas, eu o convido a dar uma olhada na galeria abaixo. Todas estas imagens foram geradas a partir das descrições da legenda.

Você diria que elas foram feitas por uma máquina?

Exemplos do Dall-E 2

1 de 6

- +

1. 3D render of a cute tropical fish in an aquarium on a dark blue background, digital art

2. A photo of a white fur monster standing in a purple room

3. High quality photo of a monkey astronaut

4. A synthwave style sunset above the reflecting water of the sea, digital art

5. A comic book cover of a superhero wearing headphones

6. A pencil and watercolor drawing of a bright city in the future with flying cars

DALL-E 2, uma extensão natural do GPT-3

Lançado em 2020, o GPT-3 causou muita euforia e espanto na comunidade de tecnologia ao demonstrar sua capacidade de produzir textos que seriam facilmente confundidos com aqueles produzidos por humanos.

Os modelos do tipo Generative Pretrained Transformer (GTP) introduziram modelos de linguagem muito poderosos, capazes de responder a perguntas, traduzir artigos inteiros e realizar vinculações textuais, e sem que houvesse  a necessidade de treinamento supervisionado.

O DALL-E (lê-se “dolly”) é, de maneira resumida, uma versão com 12 bilhões de parâmetros do famoso GPT-3; para entender um, é necessário entender o outro. Caso você queira entender melhor sobre as engrenagens dos modelos GPTs que viabilizam o DALL-E, recomendo ler este artigo que publicamos aqui no blog.

Deep Learning e Transformadores: o poder por trás do DALL-E

O DALL-E foi escrito em Python e foi treinado usando o framework PyTorch. O seu modelo de rede neural possui cerca de 12 bilhões de parâmetros e foi treinando usando um Transformador (“Transformer“, uma arquitetura de Deep Learning que tem por objetivo resolver tarefas sequence-to-sequence) e milhões de exemplos de descrições de imagens.

Na prática, o DALL-E é uma extensão natural do próprio GPT-3. Só que, enquanto este analisa prompts de texto e responde com palavras, aquele responde com imagens.

Os Transformadores foram introduzidos em 2017 e são usados principalmente no campo do Processamento de Linguagem Natural (NLP).

Diferentemente das Redes Neurais Recorrentes (RNNs), apesar dos Transformadores terem sido idealizados para lidar com dados de entrada sequenciais (para aplicações de tradução ou resumo de texto, por exemplo), não exigem que os elementos da sequência sejam processados na sua ordem natural.

Essa característica do Transformer faz com que ele identifique o contexto que significa uma palavra dentro de uma frase, permitindo um maior grau de paralelização em relação às RNNs.

Em resumo, o DALL-E foi construído em cima de uma arquitetura que permitia a interpretação do texto considerando o contexto, só que “respondendo” o usuário com a geração de imagens.

Como criar suas imagens com o DALL-E 2

Por muito tempo, houve uma lista de espera para aqueles que quisessem testar o DALL-E. Por meses, muitos tiveram que acompanhar as postagens feitas por outros usuários que tinham recebido um convite antecipado, enquanto aguardavam a sua vez chegar.

Porém, atualmente (no momento em que escrevo este artigo), não existe mais essa wait list. Basta acessar a página da OpenAI e criar o seu cadastro para começar a testar seus prompts.

Uma coisa que vale a pena lembrar é que o DALL-E não serve apenas para criar imagens a partir do zero. É possível também você enviar uma foto sua e pedir para que o modelo trabalhe a partir dela como referência primária.

Para editar uma foto usando Dall-E, você pode usar uma técnica chamada máscara. Isso envolve selecionar uma área da imagem que deseja alterar ou adicionar algo. Isso pode ser feito apagando um pedaço da foto e salvando a imagem como PNG (para exportar o canal alpha, responsável pela transparência da imagem).

Ou você pode criar um arquivo separado contendo apenas a mascará mesmo, o que seria mais adequado para aqueles que optarem por usar a API, e não a interface gráfica disponibilizada na seção Playground da OpenAI.

Construa apps com a API DALL-E 2

Particularmente, eu recomendo você conhecer a API Python do DALL-E 2. Dessa maneira você poderá conhecer mais à fundo as funcionalidades da OpenAI e ainda criar aplicações próprias. A API é extremamente bem documenta e cheia de exemplos.

Para você ter uma ideia de implementação, vou trazer um exemplo de foto que fiz para o Natal (está publicada no meu perfil pessoal do Instagram).No caso, eu queria usar uma foto que tirei com o Theo no meu ombro, e colocar um Papai Noel atrás, como se ele estivesse participando do momento.

 

1 de 2

- +

Para que o Dall-E entendesse as minhas intenções, eu gerei uma mascara em branco e preto para estabelecer o “espaço reservado para o Papai Noel”. Essa técnica é útil para adicionar elementos a uma imagem de maneira precisa e controlada, sem afetar o resto da imagem. É uma maneira fácil de explorar sua criatividade e deixar suas fotos ainda mais incríveis.

No caso, eu usei a API Python fornecida pela OpenAI e informei que gostaria de “um pai com seu filho, e o Papai Nicolau Noel ao fundo”. Com menos de 10 linhas de código (desconsiderando os comentários), veja a simplicidade com a qual eu consigo acessar o DALL-E:

# importar as bibliotecas necessárias
import os
import openai

# conectar à API do OpenAI
openai.organization = "sigmoidal"
openai.api_key = os.getenv("OPENAI_API_KEY")
openai.Model.list()

# gerar imagem com foto
response = openai.Image.create_edit(
  image=open("theo.png", "rb"),
  mask=open("mask.png", "rb"),
  prompt="Um pai com seu filho, e o Papai Nicolau Noel ao fundo.",
  n=1,
  size="1024x1024"
)
# imagem final gerada por AI
image = response['data'][0]['url']

Apenas para esclarecer, na Linha 7 eu acessei a chave da API, que estava disponível como variável no meu computador. Quando você criar o seu cadastro, conseguirá gerar a sua própria chave também.

Conclusão

O DALL-E, assim como o ChatGPT, é realmente impressionante e pode contribuir muito na sua produtividade. Como disse no começo do artigo, a maior parte das pessoas não entende nada sobre desenho, ilustração ou manipulação de imagens.

Se você se interessar pelo assunto e mergulhar à fundo na documentação e nas discussões em fóruns, irá conseguir criar artes realmente incríveis.

E caso você também seja entusiasta das criptomoedas, você vai encontrar no DALL-E uma ferramenta estratégica para criar sua arte.

A qualidade dos resultados é tão grande, que vimos crescer a preocupação de vários artistas “humanos” com essa potencial ameaça da “AI Art”. Houve inclusive a criação de um movimento chamado “Free AI Image Generator”, apoiado por artistas famosos e empresas como Canva, Behance e Artstation.

Agora que você já entendeu o que é, que tal criar sua conta e compartilhar suas artes geradas pelo DALL-E comigo, lá no Instagram?