DALL-E 的一个主要且尚未完全解决的问题仍然是版权问题。神经网络采用现成的材料进行训练，其中许多材料受版权保护。因此，生成的图像可能会以某种方式违反它。该问题至今仍未得到最终解决。
但还有其他重要的限制和缺点：
- 例如，DALL-E 目前无法像 Midjourney V6 那 希腊 whatsapp 号码 样生 时的当前限制 成逼真的图像。到目前为止，就真实感而言，Midjourney 仍然处于领先地位。使用 DALL-E 的结果通常更加“卡通化”。
- 由于数据集限制，DALL-E 在某些情况下可能无 法生成您所需要的内容。神经网络根本没有足够的初始数据。
- 为了获得所需的结果，必须创建一个详细且“正确”的文本查询。这需要一定的经验和技巧。即使如此，也不能 100% 保证你一定能得到你想要的东西。
如果你在全国范围内提供服务，那么首先这会增加外部优化所需的预算。此外，为了有效竞争地理相关查询，需要优化针对不同城市买家的额外登陆页面。
网上商店的技术状况
技术改进通常占内部优化 交叉销售和追加销售 预算的很大一部分。根据网站的状
态和所执行的工作量，在线商店的 SEO 推广价格会发生变化。但你不能吝惜内部优化措施。索引速度、网站位置、购买转化率以及资源本身的功能通常都取决于它们。
程序员的工作以小时为单位来估算：解决问题花 比特币电子邮件列表 费的时间越多，成本就越高。因此修改的次数直接影响成本。
产品范围
网站的大小和优化工作的规模取决于产品项目 的数量。一切都从语义核心聚类开始，其中优化器需要聚类数千个键并手动排除不相关的查询。网站的大小还会影响有效推广所需的内容量、技术改进和外部链接的数量。
OpenAI 正在努力解决这些限制，但它们对于 时的当前限制 当前版本的 DALL-E 来说仍然是一个挑战。其中大多数可能会在未来的版本中保留。
DALL-E 的工作原理
DALL-E 的工作原理基于两个主要组件：
- Transformer是一种处理信息序列的神 时的当前限制 经网络架构。它负责将文本描述转换为图像代码。
- 图像编辑器是一个使用经过转换器处理的代码生成图像的系统组件。
DALL-E 在海量图像和文本描述数据集上进行训 时的当前限制 练，其中包括真实照片、艺术品、雕塑等。神经网络可以在各个领域用于多种用途：
- 美术是新图像的产生：绘画、照片（如果这个术语在这种情况下原则上适用的话）等等。
- 教育——创作交互式教育材料和插图。
- 产品开发——原型、概念、设计等。
基本上，您需要做的就是使用正确的文本查询（提示）。神经网络将完成剩下的工作。