经过长达一年与东谈主类考研师配合优化李宗瑞60女艺人名单，OpenAI于好意思国当地时辰周二发布了GPT-4o原生多模态图像生得手能，撑执生成愈加传神的图像。

用户只需在ChatGPT中形色图像（可指定宽高比、色号或透明度等参数），GPT-4o便能在一分钟内生成相应图像。让咱们精粹看一看：本次更新，冲破了以往的哪些规模。

OpenAI在公告中阐述，GPT-4o图像生得手能具有以下特色：

精确渲染图像内笔墨，概况制作logo、菜单、邀请函和信息图等；

精确施行复杂指示，以至在细节丰富的构图中也能作念到；

基于先前的图像和文本进行推广，确保多个交互之间的视觉一致性；

撑执各式艺术作风，从写实相片到插图等。

GPT-4o生成图片后果展示

除了通过GPT-4o不错在ChatGPT中告成生成图像，该模子还整合进了OpenAI的视频生成平台Sora，进一步推广了其多模态能力。

新模子即日起将作为ChatGPT的默许图像生成引擎，向ChatGPT Free、Plus、Team及Pro用户绽开，取代此前使用的DALL-E 3。企业版、教师版以及API接口也将在不久后撑执该功能。

据OpenAI官方证明，GPT-4o在多个方面相较于已往的模子进行了纠正：

更好的文本集成：与已往那些难以生成清醒、稳妥位置笔墨的AI模子不同，GPT-4o现时不错准确地将笔墨镶嵌图像中；

增强的迂回文剖释：GPT-4o通过诳骗聊天历史，允许用户在互动中贬抑细化图像，并保执屡次生成之间的一致性；

纠正的多对象绑定：已往的模子在正细则位场景中的多个不同物体时存在艰难，而GPT-4o现时不错一次处理多达10至20个物体；

各样化作风适合：该模子不错生成或将图像滚动为多种作风，撑执从手绘草图到高清写实作风的调节。

作为客岁推出的多模态模子，GPT-4o最初的定位是老本优化版的旗舰AI模子，具备生成和剖释文本、视频、音频和图像等能力。OpenAI默示，这次精调后的版块使闲居用户和企业概况更终结地创建传神图像、可读文本段落，乃至公司logo和演示幻灯片等。

面貌首席猜想员Gabriel Goh清爽，GPT-4o取得冲破性阐发的要津，源于东谈主类考研师对模子数据的标注责任——标注了AI生成图像中的错别字、荒唐算作和面部特征等问题。通过“东谈主类反映强化学习”（RLHF）时刻，模子学会了更精确地投降东谈主类指示，从而生成更准确且实用的图像。

GPT-4o生成图片后果展示

“东谈主类反映强化学习”是AI公司用来在初步考研后进一步优化模子的常见时刻。鉴于OpenAI的AI系统治有浩大的用户基础——ChatGPT每周领有越过4亿用户——这些东谈主工考研师的影响力弗成淡薄。OpenAI默示，参与该优化经过的考研师团队规模略超百东谈主。

然则，GPT-4o的图像生成时刻仍然存在局限性。华尔街日报称OpenAI展示的一个案例中，当用户上传了一张带有两扇窗户的客厅相片，并要求再行顶住产品时，AI在重构图像时遗漏了一扇窗户。

华尔街日报对于用户图片生成案例的报谈

同期，AI图像生成的使用仍然激励争议。一些艺术家指控AI图像生成器剽窃他们的作品，并要挟到他们的糊口。

OpenAI首席运营官布拉德·莱特卡普对此回话称，GPT-4o的考研数据来自“公开可用的贵府”以及与Shutterstock等公司的合作本色。

OpenAI总裁格雷格·布罗克曼早在2024年5月就预报过GPT-4o的原生图像能力，但出于未公开的原因，该公司直到现时才发布该功能。此前，谷歌AI Studio的Gemini 2 Flash实验模子照旧推出了肖似功能。

格雷格·布罗克曼此前预报GPT-4o原生图像能力

现阶段，GPT-4o取得了许多率先，但它仍然存在一些问题，其中包括：

剪辑问题：像海报这么的较大图像可能会被过度剪辑；

非拉丁字符的文本准确性：某些非英语字符可能无法正确呈现；李宗瑞60女艺人名单

小字体中的细节保留：小字号文本的细节可能会丢失或不够清醒；

编订精确度：修改图像的特定部分时，可能会偶而影响其他元素。

OpenAI默示，正在通过执续的模子纠正积极惩处这些问题。

作为OpenAI对负牵累AI开辟的承诺的一部分，通盘由GPT-4o生成的图像齐包含C2PA元数据，用户不错考证其AI开始。此外，OpenAI还成就了一个里面搜索用具，用于匡助检测AI生成的图像。

OpenAI强调，触及真东谈主图像的本色会受到更严格的限度。

山姆·奥特曼在新能力上线后发布“小作文”，称这次发布鲜艳着“创作解放的新岑岭”，并强调用户将概况创建各式视觉本色，OpenAI将在真正天下的使用基础上不雅察并完善其能力。

以下是OpenAI官方及赛博禅心（微信公众号ID：BinaryBodhi)发布的生图实测：

图片质料颠倒高，可告成用于科普插画，比如：分光三棱镜

继续对话，一致性颠倒好，比如让他画成书籍：

文本渲染绝佳

一图胜千言，来感受一下。比如让他凭证对话本色，来画一个菜单（笔墨是单独给的）

日本av最漂亮演员

 

或者让他去画一个婚典邀请（通常，笔墨单独给到）多轮生成很棒

这套图像生成，是 GPT-4o 的原生功能，可通过对话，安祥进行图像完善，并保执本色一致。比如这个：

也比如我把橘猫放在了魔兽天下里

以至来说，我还不错要求他生成 png 透明版

指示投降很强

在生成图像的时候，4o 的指示投降能力很强，不错处理包含 10-20 个不同物体的场景，并对物体与特征及关系的紧密绑定允许更好的限度。

比如：惟有一滴红酒的空玻璃杯

prompt: show me a wine glass with only the tiniest drop of red wine in it.

比如：看不见的大象

Prompt: We need evidence there is a currently present invisible elephant. Consider what an elephant is and does in the environment， then show us that， perhaps mid-process - but the elephant itself is not shown at all

我还让他给画了个撸猫指南

Prompt: 4-step photo guide on how to pet a cat

迂回文关联

要是很明晰知谈我方要什么，不错告成上传图片给 ChatGPT，让参考作风、精确输出。比如给一些作风插画，然后要求 GPT 来生成一个三角形轮子的自行车

吐槽：为啥是英国专利

而我，作为炉石玩家，我让 ChatGPT 来生成一份奥特曼的专属卡片

Hhhhh 太真正了，GPT 以为奥特曼上不了传奇，种族属于「战吼」

然后，还不错让他作念个实体版... 零散度形成了闲居，手段形成了嘲讽，hhhhh厚爱的吗？

剖释推行常识

4o 的画图，概况从大模子中告成取得到常识，生成与推行天下知知趣符的图像，如：不错告成使用的鸡尾酒配方

Prompt: Make me a professionally shot photorealistic diagram of the top selling cocktails in my bar with recipes labeled on each drink. put the recipes on handwritten cards in front of each drink. The cards are brown， and the text is black. Background is white.Title is "4 most popular cocktails"

制作一款披萨

Prompt: A graphic of an Italian chef giving instructions on how to make authentic pepperoni pizza

动量定理和冲量定理

Prompt: 画一个联系冲量定理和动量定理的 infographic

Prompt：画一个肯德基的简体汉文菜单，其中有一个套餐叫作念“V 我 50”

作风各样

4o 的这个模子，能终结绘制各式作风的图像。比如我让他用莫奈的作风，来画一只猫

Prompt：一只猫，莫奈作风

幻念念作风的海豚地铁

Prompt: A realistic underwater scene with dolphins swimming through the windows of an abandoned subway car， with bubbles and detailed water flow accurately simulated.

奥特曼在采棉花，颇有记载片的范儿

Prompt: 山姆奥特曼正在采棉花

一些限度

诚然，这个模子也存在一些问题：

对于长图像，会出现剪裁问题

可能产生幻觉，然后开动胡编乱造

难以准确渲染越过20个不答应见

多谈话文本渲染：处理非拉丁谈话（比如汉文）不够准确

对特定部分要求编订，可能会出 bug

密集文本下，后果会不好

以及...出于安全讨论李宗瑞60女艺人名单，好多本色不允许被生成，比如：米老鼠大战皮卡丘的金钱

本文开始：腾讯科技，原文标题：《跳票近一年！OpenAI终于上线GPT-4o 告成一句话生图功能》风险教唆及免责条目 阛阓有风险，投资需严慎。本文不组成个东谈主投资提议，也未讨论到个别用户颠倒的投资运筹帷幄、财务状态或需要。用户应试虑本文中的任何意见、不雅点或论断是否合乎其特定状态。据此投资，牵累自夸。