百度发布了自己的自然语言图像合成模型 ERNIE-ViLG，有中国视频主播对比了用 ERNIE-ViLG、DALL-E 2 和 Stable Diffusion 等不同模型生成的图像，认为 ERNIE-ViLG 产生了更精确的图像。百度在 Hugging Face 上发布了 ERNIE-ViLG 的 DEMO，用户很快注意到与 DALL-E 2 和 Stable Diffusion 等 AI 模型的区别：有敏感词限制。输入某些词语会返回“存在敏感词，请重新输入”或者“输入内容不符合相关规则，请调整后再试！”