Perplexity AI 如何关闭图片生成功能
如果你在使用Perplexity AI时,希望它专注于文本对话而不再自动响应绘图指令,可以通过关闭后台的实验性图像生成功能来实现。该功能默认处于禁用状态,但若被意外或手动开启,AI在识别到特定关键词时便会尝试生成图像。按照以下步骤操作,即可轻松关闭此功能,让AI回归纯文本交互模式。
一、进入账户设置并定位实验功能页面
首先,我们需要找到管理实验性功能的控制面板。请注意,可用选项可能因你的订阅计划类型而略有差异。
1. 打开浏览器,访问 Perplexity.ai 官网,并登录你的账户。
2. 点击页面右上角的用户头像,从下拉菜单中选择 “Settings”(设置)。
3. 进入设置中心后,查看左侧导航栏,点击 “Features”(功能) 标签页。所有可管理的实验室功能都集中在此处。

二、关闭Experimental Image Generation开关
这是核心操作。关闭此开关后,系统将不再将你的“画一幅画”或类似请求解析为图像生成指令。
1. 在“Features”页面中,向下滚动,找到名为 “Experimental Image Generation”(实验性图像生成) 的选项。
2. 查看其右侧的开关状态。若显示为蓝色,则表示功能已启用。
3. 直接点击此开关,将其切换至灰色的关闭位置。操作成功后,界面通常会显示 “Deactivated”(已停用) 的提示。为确保设置生效,建议随后刷新浏览器页面。
三、检查并关闭DALL·E 3集成通道
请注意,如果你曾单独启用过DALL·E 3集成,它相当于一个独立的图像生成服务,需要另行关闭,否则仍可能被触发。
1. 继续停留在“Settings”设置页面,点击切换到 “Integrations”(集成) 选项卡。
2. 在集成服务列表中,寻找 “DALL·E 3 Image Generation” 这一项。若其显示为“Connected to OpenAI”(已连接至OpenAI),则表明该通道处于活跃状态。
3. 点击该项右侧的开关按钮,将其关闭。当状态变为 “Disconnected”(已断开连接) 时,即表示操作成功。
四、退出并重新登录账户
最后一步是为了确保所有更改全局生效。部分权限更新需要在新会话中加载,仅刷新页面可能无法完全清除本地缓存。
1. 再次点击右上角头像,选择 “Log out”(退出登录),完全退出当前账户。
2. 关闭当前的浏览器窗口或标签页,这有助于清除可能残留的本地会话数据。
3. 重新打开浏览器,访问Perplexity.ai并重新登录。之后,你可以再次进入“Features”页面,确认上述两个开关均已处于稳定的关闭状态。
完成以上四个步骤,即可有效阻止Perplexity AI自动生成图片。整个过程本质上是管理系统中的几处关键开关,理清路径后操作十分简便。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
腾势D9全新上市 硬核科技重塑豪华MPV驾乘体验
第二代腾势D9的正式上市,为高端MPV市场注入了全新的科技内涵。新车共提供6款配置,涵盖插电式混合动力与纯电动两种动力形式,官方指导价区间为35 98万元至46 98万元。作为一款科技旗舰MPV,它并非简单的配置叠加,而是通过底层技术架构与前沿智能科技的深度融合,重新定义了豪华出行体验,也为中国品牌
谷歌翻译20周年庆生:四代AI革新带来首次呼吸感体验
4月28日,谷歌翻译迎来了自己的二十岁生日。谷歌CEO桑达尔·皮查伊在社交平台X上亲自发文纪念,他回顾道,这个二十年前的小型实验,如今已成为每月服务超10亿用户的全球工具,超过三分之一的实时翻译会话持续超过5分钟。 这个数字意味着什么?它意味着两个语言不通的人,已经可以借助AI完成一场“自然对话”。
Claude API 压力测试脚本自动化生成指南
面对图像生成类API的高并发压力测试需求,手动编写脚本不仅耗时费力,还容易引入人为错误。如今,借助Claude等AI助手强大的自然语言理解与代码生成能力,我们可以快速构建出精准、可执行的性能测试方案。以下五种自动化实现路径各具特色,能够帮助测试工程师和开发者灵活应对不同技术场景与安全要求。 一、使用
Excel表格转动态图表教程:用Canva轻松实现数据可视化
在Canva可画中导入Excel表格制作图表,却发现图表无法自动更新数据?这通常不是平台功能限制,而是数据格式、导入方式或动态设置环节存在一些常见问题。别担心,按照以下步骤逐一排查,就能轻松解决图表不更新的问题,让你的数据可视化图表真正“动”起来。 一、确认Excel文件格式与内容规范 要让Canv
HermesAgent数据异常检测实战:K均值聚类算法详解
在时序数据异常检测任务中,直接应用经典K均值算法常面临诸多挑战:原始信号噪声干扰、聚类边界模糊,导致算法难以稳定识别真实离群模式。这些问题往往源于特征空间适配性、初始质心敏感性及距离度量方式等核心环节。 若您正面临类似困境,无需担忧。一套经过实践验证的优化方案,可系统性提升K均值在复杂时序场景下的鲁
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

