在 ChatGPT 中用 DALL·E 3 生成并迭代图像

DALL·E 3 是 OpenAI 提供的文本生成图像模型，它已经集成进 ChatGPT 的对话界面，也通过 API 平台提供给开发者调用。对使用者来说，它的价值在于把「写一段描述」和「拿到一张图」压缩进同一个对话框：不需要另外打开一个绘图站点，也不用在多个参数面板之间切换，用自然语言说清楚要什么，就能得到四张候选图，再通过追加描述逐步修正。这篇教程面向第一次在 ChatGPT 里使用 DALL·E 3 的读者，也适合已经能出图、但结果总是不稳定的设计从业者。如果你更习惯先了解工具的定位与能力边界，可以先看 DALL·E 3 的条目页，再回到本文按步骤操作。

需要先说明一点：DALL·E 3 的强项是「理解复杂描述」，弱项是「精细控制」。它不像 Stable Diffusion 那样提供采样器、步数、ControlNet 之类的参数，第三代版本在响应速度和语义理解上更强，但专业控制选项反而比早期版本更少。理解这个取舍，后面的操作思路就顺了——你做的不是调参数，而是把需求写得更具体。

准备工作

账号与访问入口

使用 DALL·E 3 有两条路径：一是在 ChatGPT 网页端或客户端里直接对话生成，二是通过 OpenAI 的 API 平台把它接入自己的软件。本文以第一条路径为主，因为它是绝大多数人实际会用的方式。

在线使用需要先注册 OpenAI 账号，完成邮箱或手机验证后即可开始对话。早期版本需要通过独立的网站访问，现在图像生成能力已经完全并入 ChatGPT，所以入口就是普通的聊天输入框，不需要额外安装插件或开启某个开关。

订阅与额度

免费账号每天可以生成的数量非常有限，素材中给出的说法是每天两幅图像；如果需要频繁使用，就要订阅付费计划。关于具体价格、每日额度、不同订阅档位之间的差异，这些信息变动频繁，请以 OpenAI 官网当前公布的方案为准，不要以本文或任何二手文章里的数字作为依据。

另外，素材提到经济困难的艺术家可以申请某种形式的补贴或支持计划。这类计划的名额、申请条件和是否仍然开放都不确定，同样建议直接查官网，不要按旧文章的描述去准备材料。

使用前的心理准备

DALL·E 3 很少一次就给出完全可用的成品。把它当成一个「快速出草稿、再逐步收敛」的工具，比期待它一次成图要现实得多。你需要预留迭代的时间，也需要准备好外部修图工具作为最后一道工序。

操作步骤

第一步：明确要求「生成图像」

在 ChatGPT 里，模型默认会优先用文字回答。如果你只写「一只在雨夜街头的猫」，它可能给你一段描写而不是图片。稳妥的做法是在提示词里明确表达生成意图，例如以「生成图像：」开头，或者直接说「请画一张……」。这一步看起来琐碎，但它是新手最常卡住的地方。

第二步：写一条信息密度足够高的提示词

简略的指令会导致随机性很强的输出。想让结果可控，就要把「主体、动作、环境、风格、光线、构图」这些维度尽量写全。素材给出的建议可以归纳为三类可复用的描述方式：

• 写实类图像：注明相机型号、焦距和灯光类型。例如指定「影棚灯光」「柔光」「深阴影」，这些词会直接影响画面的明暗结构和质感。
• 风格调整：当色彩寡淡或氛围不对时，用具体的色彩与质感词修正，例如「加深棕色」比笼统的「让它更好看」有效得多。
• 艺术史与美学词汇：调用明确的流派名称（如「新艺术运动风格」）或构图术语（如「动态构图」「朦胧感」），比堆砌形容词更容易得到稳定结果。

核心原则只有一条：具体优先于模糊。模糊的形容词会被模型做多义解读，你以为是「高级感」，它可能理解成低饱和加大量留白。把「高级感」拆成你能看见的东西——色调、材质、光源方向、景深——结果才会靠近预期。

第三步：从四张候选图里选方向

每次提交提示词，DALL·E 3 会生成四幅图像供选择。这四张通常不是同一张图的四个微调版本，而是对同一条描述的不同理解。先判断哪一张在「结构」上最接近你要的——主体位置、构图、整体氛围——再决定是否在它的基础上继续改。结构对了、细节不对的图值得救；结构就错了的图，追加描述也很难拉回来。

第四步：用追加描述迭代细节

选定方向后，不要重写整条提示词，而是在对话里针对具体元素追加要求。例如「保持构图不变，把背景换成黄昏的海面」「让人物穿深色羊毛大衣」「把光线改成从左侧来的窗光」。这种增量式的修改能让模型保留已经满意的部分。

如果某一轮改动把画面改坏了，直接回到上一版继续，不要在错误的方向上叠加更多描述——叠加越多，模型越难判断哪些是必须保留的约束。

第五步：生成变体与局部编辑

DALL·E 3 支持基于已有图像生成变体，也支持对图像做编辑。操作方式是通过输入框的「+」上传一张图片，然后描述你想要的改动，例如「给这个人添加微笑」。变体适合在满意某张图但想看看其他可能性时使用；局部编辑适合修正单点问题，而不必重新生成整张图。

第六步：画布扩展（Outpainting）

当画面主体不错但取景太紧时，可以用画布扩展功能向外补全背景。做法是给出目标比例或扩展方向，例如要求「调整为 16:9」，模型会按原图的风格自动填充新增区域。这个功能既可以用于扩展自己生成的图，也可以用于扩展已有图像，素材中提到的例子是把它用在经典画作上。扩展比例越大，边缘区域越容易出现风格漂移，建议分几次小幅扩展，而不是一次拉到位。

第七步：下载与后期处理

对结果满意后，点击图像上的下载按钮保存到本地。如果画面里存在局部瑕疵——素材特别点出的是扭曲的手指——用 Photoshop 之类的工具修复，通常比继续让模型重画更省时间。分辨率不足、需要大幅打印时，也要借助其他放大工具处理，DALL·E 3 本身的输出尺寸并不适合直接用于大尺寸印刷。

一个完整示例

下面走一遍从零到成品的流程，示例中的提示词可以直接替换成你自己的主题。

第 1 轮：建立结构

生成图像：一位宇航员骑在马背上，印象派油画风格，
笔触明显，暖色调，黄昏光线从画面右后方照入，
中景构图，背景是起伏的沙丘。

提交后会得到四张图。假设其中一张的构图和光线方向正确，但色调偏冷、笔触太细，就选它作为基础。

第 2 轮：修正色彩与质感

保持这张图的构图和光线方向不变，
把整体色调加深棕色，笔触更粗、更明显，
接近油彩堆叠的质感。

这一轮只改色彩和笔触，不动主体位置。如果结果满意，进入下一步；如果改坏了，回到第 1 轮选中的那张重新提要求。

第 3 轮：扩展画幅

把这张图扩展为 16:9 的横幅比例，
向左右两侧补全沙丘背景，保持原有的笔触和色调。

扩展完成后检查两侧边缘的风格是否与中心一致。若出现明显割裂，缩小扩展幅度重做一次。

第 4 轮：局部修正与导出

如果马腿或手部结构有问题，先尝试用局部编辑描述具体改动；模型多次尝试仍不理想时，下载图像，在 Photoshop 里修复，再按需要的尺寸用放大工具处理。整个流程的关键不是某一条完美提示词，而是「先定结构、再调细节、最后外部收尾」这个顺序。

注意事项

内容过滤与自动调整

DALL·E 3 内置内容过滤，禁止生成暴力、仇恨符号等内容。此外，当提示词没有指定种族或性别时，模型会自动增加输出结果的多样性。这意味着同一提示词多次生成，人物的外貌特征可能明显不同；如果你需要固定某个形象，必须在描述里写清楚。

水印与来源验证

旧版本在图像角落留下的彩色方块标记已经取消，画面不再带明显水印。图像来源可以通过 Content Credentials 这类来源凭证机制验证。如果你要把图用于对外发布，建议保留生成记录，便于说明图像是 AI 生成的。

商用与版权

素材提到测试阶段开放了较完整的商用权利，但训练数据的版权合法性仍存在争议，相关立法尚未明确。同时，一些图库平台已经禁止上传 AI 生成内容，例如 Getty Images。是否可以将生成图用于商业项目、投放到哪些平台，取决于你所在地区的法律和具体平台的政策，本文不构成法律建议，正式商用前请自行核实。

能力边界

DALL·E 3 在多主体构图上的表现较差：当画面里需要多个角色、多个物体各自保持正确的位置和关系时，容易出现元素混淆或结构错误。可行的做法是分步生成——先分别生成各个主体，再合成，而不是指望一条提示词把所有元素一次排好。

分辨率也是限制之一。需要大幅打印或高精度输出时，必须借助外部放大工具，不要期待直接下载的文件能满足印刷要求。

响应时间

服务器繁忙时，一次生成可能需要等待数分钟。这不是你的提示词有问题，也不建议在等待期间反复重发同一条指令，那只会让队列更长。

API 集成

开发者可以通过 API 把 DALL·E 3 嵌入自己的应用。素材中提到的例子包括微软 Designer 和 Bing 的 Image Creator，它们都基于这一能力构建。如果你打算做集成，需要关注的是接口的调用配额、计费方式和内容审核策略，这些参数以官方 API 文档当前的信息为准。

关于提示词手册

素材提到有一份由 Guy Parsons 编写的提示词手册，篇幅较长，内容涵盖美学关键词、艺术史风格调用和摄影参数（景深、视角等）。如果你希望系统性地扩充自己的描述词汇，这类资料可以作为参考；但手册里的具体词表会随模型版本变化而失效，实际效果仍要以你自己在 ChatGPT 里的测试为准。