क्रेयॉन एक वेब-आधारित जनरेटिव आर्टिफिशियल इंटेलिजेंस एप्लिकेशन है जो पाठ्य विवरणों से चित्र उत्पन्न करता है। मूल रूप से DALL-E मिनी नाम से लॉन्च किया गया, इसे बोरिस डेमा और सहयोगियों की एक टीम ने एक ओपन-सोर्स प्रयोग के रूप में विकसित किया था। इस सेवा ने 2022 के मध्य में किसी भी प्रॉम्प्ट से अक्सर अतियथार्थवादी या विकृत चित्र उत्पन्न करने की अपनी क्षमता के लिए व्यापक ध्यान आकर्षित किया, और यह एक वायरल इंटरनेट घटना बन गई। यह एक फ्रीमियम मॉडल पर संचालित होती है, जो विज्ञापनों के साथ एक मुफ्त स्तर और तेज़ प्रोसेसिंग तथा अतिरिक्त सुविधाओं के लिए सशुल्क सदस्यता प्रदान करती है।
एप्लिकेशन पाठ्य प्रॉम्प्ट को दृश्य आउटपुट से मैप करने के लिए ट्रांसफॉर्मर आर्किटेक्चर का एक संशोधित संस्करण उपयोग करता है, जो एक प्रकार का डीप लर्निंग मॉडल है। वाणिज्यिक प्रयोगशालाओं के अधिक संसाधन-गहन मॉडलों के विपरीत, क्रेयॉन को उपभोक्ता-ग्रेड हार्डवेयर पर चलाने के लिए डिज़ाइन किया गया था, जिससे यह सबसे पहले व्यापक रूप से सुलभ टेक्स्ट-टू-इमेज टूल्स में से एक बन गया। मूल DALL-E मॉडल के डेवलपर OpenAI के साथ ट्रेडमार्क मुद्दों से बचने के लिए जून 2022 में इसका नाम बदलकर क्रेयॉन कर दिया गया।
विकास और रिलीज़
क्रेयॉन का विकास 2021 में हगिंग फेस प्लेटफ़ॉर्म पर एक सामुदायिक परियोजना के रूप में शुरू हुआ, जहाँ डेमा और अन्य योगदानकर्ताओं ने लायन डेटासेट पर एक छोटे पैमाने का मॉडल प्रशिक्षित किया। प्रारंभिक संस्करण, DALL-E मिनी, 2022 की शुरुआत में एक डेमो के रूप में जारी किया गया था। यह ट्विटर और रेडिट जैसे सोशल मीडिया प्लेटफ़ॉर्म पर तेज़ी से फैल गया, जहाँ उपयोगकर्ताओं ने इसके अक्सर हास्यपूर्ण और विचित्र परिणाम साझा किए। परियोजना की ओपन-सोर्स प्रकृति ने डेवलपर्स को कोड का निरीक्षण और संशोधन करने की अनुमति दी, जिससे इसके तीव्र पुनरावृत्ति में योगदान मिला।
जून 2022 में, टीम ने सेवा का नाम बदलकर क्रेयॉन कर दिया और एक समर्पित वेबसाइट लॉन्च की जिसमें एक सशुल्क स्तर शामिल था। जुलाई 2022 में शुरू की गई सशुल्क सदस्यता ने उच्च-रिज़ॉल्यूशन आउटपुट, कोई विज्ञापन नहीं, और प्राथमिकता जनरेशन की पेशकश की। अगस्त 2022 तक, साइट ने प्रति माह 10 मिलियन से अधिक अद्वितीय आगंतुकों की सूचना दी, जो जैविक ट्रैफ़िक और मुंह-से-मुंह प्रचार से प्रेरित थी। मॉडल को बाद में 2022 के अंत में संस्करण 2.0 में अपडेट किया गया, जिससे छवि सुसंगतता और विवरण में सुधार हुआ।
तकनीकी आर्किटेक्चर
क्रेयॉन का मुख्य मॉडल एक सीक्वेंस-टू-सीक्वेंस ट्रांसफॉर्मर है जो पाठ्य प्रॉम्प्ट को एनकोड करता है और छवि टोकन को डिकोड करता है। यह छवि जनरेशन के लिए यू-नेट जैसी संरचना का उपयोग करता है, साथ ही पाठ्य और दृश्य प्रतिनिधित्व को संरेखित करने के लिए एक क्लिप टेक्स्ट एनकोडर के साथ। मॉडल को LAION-5B डेटासेट के एक फ़िल्टर किए गए उपसमुच्चय पर प्रशिक्षित किया गया था, जिसमें 2 बिलियन से अधिक छवि-पाठ जोड़े शामिल हैं, हालाँकि क्रेयॉन के लिए सटीक प्रशिक्षण सेट आकार सार्वजनिक रूप से प्रलेखित नहीं है।
आर्किटेक्चर इनपुट टेक्स्ट को प्रोसेस करने के लिए मल्टी-हेड अटेंशन तंत्र और लेयर नॉर्मलाइज़ेशन का उपयोग करता है। सैंपलिंग के लिए, यह आउटपुट यादृच्छिकता को नियंत्रित करने के लिए तापमान पैरामीटर के साथ टॉप-के सैंपलिंग का एक प्रकार उपयोग करता है। मॉडल अनुमान के दौरान एक एकल GPU पर चलता है, जो मुफ्त स्तर में इसके आउटपुट रिज़ॉल्यूशन को 256x256 पिक्सेल तक सीमित करता है, जिसमें सशुल्क उपयोगकर्ताओं के लिए अपस्केलिंग उपलब्ध है। यह दक्षता एक प्रमुख डिज़ाइन लक्ष्य थी, जो इसे OpenAI के DALL-E 2 जैसे बड़े मॉडलों से अलग करती है, जिन्हें व्यापक क्लाउड इंफ्रास्ट्रक्चर की आवश्यकता होती है।
स्वागत और प्रभाव
क्रेयॉन को प्रौद्योगिकी पत्रकारों और जनता से मिश्रित लेकिन काफी हद तक सकारात्मक समीक्षाएँ मिलीं। आलोचकों ने इसकी पहुँच और इसके अपूर्ण आउटपुट की रचनात्मक क्षमता की प्रशंसा की, जबकि यह नोट किया कि छवियों में अक्सर कलाकृतियाँ, विकृत वस्तुएँ और निरर्थक पाठ होते थे। इसके परिणामों की वायरल प्रकृति ने कई मीम्स और सोशल मीडिया चुनौतियों को जन्म दिया, जैसे कि प्रसिद्ध स्थलों या हस्तियों की असामान्य परिस्थितियों में छवियाँ उत्पन्न करना।
शिक्षाविदों और शोधकर्ताओं ने क्रेयॉन को लोकतांत्रिक एआई अनुसंधान के एक उदाहरण के रूप में उद्धृत किया, यह दिखाते हुए कि सक्षम मॉडल छोटी टीमों द्वारा कॉर्पोरेट समर्थन के बिना बनाए और तैनात किए जा सकते हैं। इसने टेक्स्ट-टू-इमेज जनरेशन के नैतिक निहितार्थों, जिसमें कॉपीराइट चिंताएँ और दुरुपयोग की संभावना शामिल है, के बारे में चर्चाओं को भी जन्म दिया। सेवा की लोकप्रियता ने 2022 में जनरेटिव एआई के व्यापक सार्वजनिक जागरूकता में योगदान दिया, जो स्टेबल डिफ्यूज़न और मिडजर्नी जैसे अधिक उन्नत टूल्स के रिलीज़ से पहले आया।
व्यवसाय मॉडल और उपयोग
क्रेयॉन एक फ्रीमियम वेब सेवा के रूप में संचालित होता है। मुफ्त स्तर उपयोगकर्ताओं को प्रति दिन सीमित संख्या में छवियाँ उत्पन्न करने की अनुमति देता है, जिसमें एक कतार प्रणाली होती है जो पीक समय के दौरान कई मिनट ले सकती है। $10 प्रति माह से शुरू होने वाले सशुल्क ग्राहकों को प्राथमिकता प्रोसेसिंग, उच्च-रिज़ॉल्यूशन आउटपुट और एक विज्ञापन-मुक्त अनुभव प्राप्त होता है। सेवा डेवलपर्स के लिए एक API भी प्रदान करती है, हालाँकि यह विस्तार से सार्वजनिक रूप से प्रलेखित नहीं है।
2023 तक, क्रेयॉन संचालित करना जारी रखता है, समय-समय पर मॉडल अपडेट और सुविधा परिवर्धन के साथ। यह बुनियादी उपयोग के लिए उपयोगकर्ताओं को खाता बनाने की आवश्यकता नहीं करता है, जिससे प्रवेश की बाधा कम हो जाती है। प्लेटफ़ॉर्म का राजस्व मॉडल विज्ञापन और सदस्यताओं पर निर्भर करता है, और इसने विस्तृत वित्तीय आंकड़े प्रकट नहीं किए हैं। इसका उपयोगकर्ता आधार महत्वपूर्ण बना हुआ है, हालाँकि इसे बाद में उच्च-गुणवत्ता आउटपुट वाले प्रवेशकों द्वारा कुछ हद तक ग्रहण किया गया है।
तुलनाएँ और विरासत
क्रेयॉन की तुलना अक्सर OpenAI के DALL-E 2, गूगल डीपमाइंड के इमेजेन, और ओपन-सोर्स स्टेबल डिफ्यूज़न मॉडल जैसे अन्य टेक्स्ट-टू-इमेज सिस्टम से की जाती है। जबकि DALL-E 2 और इमेजेन ने अधिक फोटोरियलिस्टिक और सटीक छवियाँ उत्पन्न कीं, वे शुरू में बंद थे या चुनिंदा उपयोगकर्ताओं तक सीमित थे। क्रेयॉन की खुली पहुँच और मुफ्त स्तर ने इसे आकस्मिक उपयोगकर्ताओं और एआई रचनात्मकता की खोज करने वाले शिक्षकों के लिए डिफ़ॉल्ट विकल्प बना दिया। इसकी विरासत यह प्रदर्शित करने में निहित है कि मशीन लर्निंग मॉडल को आम दर्शकों के लिए सुलभ बनाया जा सकता है, जिससे उपभोक्ता एआई टूल्स के प्रसार का मार्ग प्रशस्त हुआ।