Як інтегрувати DALL-E 3 у мобільний додаток
Практична реалізація генерації зображень на мобільних пристроях
Користувач вводить промпт, натискає «Згенерувати» і бачить спінер 15 секунд. Потім — 404, якщо URL застарів. Або отримує зображення з водяними знаками від демо-версії. Знайомо? Такі помилки виникають, коли інтеграція обмежується простим викликом API без урахування особливостей мобільного середовища: нестабільне з'єднання, обмежена пам'ять, вимоги App Store до приватності. Ми вирішуємо ці проблеми комплексно: від налаштування параметрів API до кешування та UX. За 7+ років мобільної розробки ми реалізували понад 50 проєктів з інтеграцією генеративних моделей — від стартапів до enterprise. Гарантія якості: сертифіковані розробники, досвід роботи з OpenAI, Replicate та локальними моделями через Core ML/TensorFlow Lite.
Як працює інтеграція DALL-E 3?
Запит до OpenAI API — один POST з моделлю dall-e-3, промптом, роздільною здатністю та стилем. Відповідь — URL зображення (живе 60 хвилин) і revised_prompt. Але без продуманої архітектури користувацький досвід страждає: повільне завантаження, втрата результатів, нерозуміння процесу. Щоб уникнути цього, ми використовуємо підхід з декомпозицією: розділяємо генерацію, завантаження та відображення, впроваджуючи асинхронні черги та обробку помилок. Вартість одного виклику — від $0.04 (standard) до $0.08 (hd), що значно дешевше оренди GPU (економія до 80%).
struct DALLERequest: Codable { let model: String let prompt: String let n: Int let size: String let quality: String let style: String let responseFormat: String enum CodingKeys: String, CodingKey { case model, prompt, n, size, quality, style case responseFormat = "response_format" } } func generate(prompt: String) async throws -> URL { let request = DALLERequest( model: "dall-e-3", prompt: prompt, n: 1, size: "1024x1024", quality: "standard", style: "vivid", responseFormat: "url" ) var urlRequest = URLRequest(url: URL(string: "https://api.openai.com/v1/images/generations")!) urlRequest.httpMethod = "POST" urlRequest.setValue("Bearer \(apiKey)", forHTTPHeaderField: "Authorization") urlRequest.setValue("application/json", forHTTPHeaderField: "Content-Type") urlRequest.httpBody = try JSONEncoder().encode(request) let (data, _) = try await URLSession.shared.data(for: urlRequest) let response = try JSONDecoder().decode(ImageGenerationResponse.self, from: data) return URL(string: response.data[0].url)! } Параметри DALL-E 3:
| Параметр | Значення | Коментар |
|---|---|---|
size |
1024x1024, 1792x1024, 1024x1792 |
Квадрат, ландшафт, портрет |
quality |
standard, hd |
hd деталізованіше, але довше |
style |
vivid, natural |
Яскравий або фотореалістичний |
response_format |
url, b64_json |
url живе 60 хвилин |
DALL-E 3 не підтримує n > 1 — лише одне зображення за запит. Вартість одного виклику невисока, що значно дешевше оренди GPU для подібних задач. Для стартапів це означає суттєву економію на інфраструктурі.
Як вибрати параметри генерації для мобільного додатку?
Розробнику доступні наступні налаштування: size, quality, style. Для портретного режиму використовуйте 1024x1792 — це дає вертикальне зображення 9:16. Якщо важлива швидкість, обирайте standard; для презентабельних результатів — hd. Стиль vivid підходить для ілюстрацій, natural — для фотореалізму. Промпт доповнюйте обгорткою із зазначенням стилю та забороною на текст — це підвищує стабільність генерації.
Який UX обрати під час генерації?
5–15 секунд без фідбеку — поганий UX. Наші рішення:
- Animated placeholder — skeleton або анімований градієнт на місці майбутнього зображення.
- Псевдо-прогрес — показуємо кроки: «Аналізуємо запит → Генеруємо → Фіналізуємо».
- Prompt preview — відображаємо
revised_prompt, який повертає API. Користувач бачить, як модель зрозуміла його запит.
// revised_prompt приходит в ответе let revisedPrompt = response.data[0].revisedPrompt promptLabel.text = revisedPrompt Такий підхід знижує відтік користувачів на етапі очікування та дає прозорість процесу.
Чому кешування критичне для користувацького досвіду?
URL з OpenAI дійсний 60 хвилин — потім 404. Завантажуємо та кешуємо на пристрої одразу після генерації.
// Android: загрузка и сохранение через Coil suspend fun downloadAndCache(imageUrl: String, localKey: String): File { val request = ImageRequest.Builder(context) .data(imageUrl) .diskCacheKey(localKey) .build() val result = imageLoader.execute(request) return File(context.cacheDir, "dalle_${localKey}.jpg") } Для довгострокового зберігання — зберігаємо в MediaStore (Android) або Photos (iOS) за запитом користувача. Автозбереження без явної дії порушує App Store guidelines. Кешування також прискорює повторний перегляд історії: зображення з кешу завантажується миттєво.
Prompt engineering для мобільного UI
Якість DALL-E 3 сильно залежить від промпту. Ми використовуємо обгортку:
let enhancedPrompt = """ \(userPrompt) Style: high quality, detailed, professional photography or illustration. Avoid text, watermarks, blurry elements. """ DALL-E 3 сам переписує промпт (revised_prompt), але задання стилю допомагає уникнути випадкових варіацій. Content policy: відхилені промпти (насильство, оголеність) повертають 400 з code: content_policy_violation. Показуємо користувачу зрозуміле повідомлення, а не технічний код. Це підвищує довіру та відповідає вимогам магазинів додатків.
Варіації та редагування: що обрати?
| Модель | Підтримка варіацій | Редагування з маскою | Швидкість (1 зображення) |
|---|---|---|---|
| DALL-E 3 | Ні | Ні | 5–15 сек |
| DALL-E 2 | Так | Так | 10–20 сек |
| Stable Diffusion (Replicate) | Так | Так | 30–60 сек (локально швидше) |
DALL-E 3 не підтримує /v1/images/variations та /v1/images/edits. Для цих задач використовуємо DALL-E 2 або Stable Diffusion (через Replicate/FAL). Обираємо інструмент під конкретну задачу.
Порівняння: DALL-E 3 генерує зображення в 2–4 рази швидше, ніж локальний Stable Diffusion, що критично для мобільного UX. Стабільність API OpenAI та низька вартість роблять його найкращим вибором для більшості проєктів. Економія на серверній інфраструктурі — вагомий аргумент для стартапів.
Що входить у роботу
- Документація з інтеграції (API‑контракти, схеми кешування).
- Доступ до демо‑проєкту на Swift/Kotlin.
- Навчання команди роботі з промптами та моделями.
- Підтримка на етапі публікації в App Store та Google Play.
Процес інтеграції
- Аналітика — вивчаємо вимоги та технічне завдання.
- Прототипування — швидкий MVP за 2–3 дні.
- Розробка — реалізація на Swift/Kotlin з урахуванням best practices.
- Тестування — перевірка на реальних пристроях та сценаріях.
- Деплой — публікація в App Store та Google Play.
Терміни: базова інтеграція займає від 2 до 3 днів, повноцінне рішення з галереєю та історією — 8–12 днів. Вартість розраховується індивідуально. Отримайте консультацію з інтеграції DALL-E 3 у мобільний додаток.