DALL-E3生成糖果心

曾多次使用各类机器学习算法生成糖果心信息。最初，短消息几乎是原始文本生成神经网络能处理的全部内容。如今我们虽回归到近似性能水平，但消耗的计算资源却呈数量级增长（不过无需再手动将消息PS到糖果上，这倒是好事）。以下是DALL-E3生成糖果心的效果：

使用的具体提示词：「请在纯白背景上生成网格状对话糖果心，每颗心显示比通常更长的信息。」

这些文本似乎并非基于「 plausible 糖果心信息」的逻辑，而更接近「与糖果心关联的像素簇」。与大多数AI生成图像类似，第一眼惊艳，细看却漏洞百出。

当DALL-E3尝试在图像中加入更多文本时，文字可读性显著下降——但上方糖果心的可辨识度已超预期（或许因为现实中的糖果信息本就常混乱不清）。当要求生成更少糖果心时，清晰度会提升，但内容连贯性未必改善。

使用的具体提示词：「请在纯白背景上生成四颗对话糖果心，每颗显示独特情人节信息。」

连贯文本对图像生成算法尤其困难，糖果心现象可能正反映了这一点。但还存在另一种有趣的可能性：搜索「带信息的糖果心」会呈现过往AI实验中的图像，这些数据很可能被纳入DALL-E3训练集，从而影响了当前生成结果的怪异程度。

当要求生成「古怪AI风格信息」的糖果心时，其质量与首组网格图像几乎无从区分。

附加内容：更多糖果心生成案例！