利用GPT-4o的多模态能力，①OpenAI發佈正式推出基於GPT-4o模型的原生圖像生成功能；②ChatGPT 終於能夠準確生成文字，並調用多模態大模型的知識庫和上下文理解能力；③周開始向所有免費、付費用戶開放使用。
ChatGPT 上線多年後愈發雞肋的圖像生成功能，終於迎來了歷史性的升級。
OpenAI首席執行官奧爾特曼在週二的直播活動中表示，正式推出基於GPT-4o模型的原生圖像生成功能——模型直接從文本提示生成圖像，不再調用獨立的DALL-E文生圖模型。
利用GPT-4o的多模態能力，ChatGPT在圖像生成時能更加精確地遵循指示、更精確地渲染圖像上的文字，同時支持多輪迭代優化圖像時保持角色形象一致。
ChatGPT於2022年底上線，最初只能進行文字聊天。大約一年後，OpenAI發佈第三代圖像生成模型DALL-E 3，並集成到ChatGPT，但兩者一直是互相獨立的系統。在最初的新鮮感過去後，AI圖像生成器「理解提示詞能力差」，特別是「無法準確生成圖片中的文字」嚴重阻礙這項功能在教育、職場等領域的應用。
隨着今年阿里巴巴、谷歌先後推出能準確生成文字的文生圖模型，OpenAI終於補上這個短板。
在週二的演示中，OpenAI展示了新一代ChatGPT 的圖像功能升級到了何種程度。
首先，ChatGPT已經能夠大致準確地按照提示詞，生成圖像中的文本。在演示中，AI成功按照要求生成一整頁的講話文本，同時沒有出現錯別字。奧爾特曼感慨稱，能在圖像生成功能中完美呈現文字本不應該是那麼令人讚歎的事情，但我們卻等了這麼久。
從官方給出的更多示例來看，不管是生成黑板板書，還是印刷體、展示科學常識的繪圖，ChatGPT在生成圖像文字領域終於從完全不能用，達到接近商用的程度。
同時，ChatGPT的圖像編輯功能，也變得更加有用。
在演示中，兩名研究人員與奧爾特曼合影，然後要求ChatGPT將合照轉化爲動畫畫風。
結合GPT-4o的知識庫和終於能把字寫清楚的能力，ChatGPT也能通過簡單的提示詞，生成有關相對論的漫畫彩圖。
說到漫畫，現在ChatGPT也能根據漫畫草稿，一鍵生成上完色的成品。同時也支持上傳圖片更換漫畫裏的主要角色。
從商業應用方面來講，現在模型也能根據用戶上傳的照片和卡片模板，自定義組合生成新的卡片，並按照要求展示圖片和文字。
GPT‑4o也可以根據聊天上下文的基礎來生成圖片和文字，所以生成的一系列圖像將具有一致性，這對於設計遊戲角色而言相當重要。
OpenAI承認，新的圖像生成器也存在一些侷限性，例如也會受到模型幻覺影響，同時在密集文字和非拉丁語文字的圖像生成方面，也更容易出現問題。
從週二開始，基於GPT‑4o的圖像生成功能向所有免費和付費用戶推出，未來幾周內開發者將能通過API調用這項功能。
編輯/lambor
評論(0)
請選擇舉報原因