摘要： 在AI模型领域竞争日趋白热化的当下，OpenAI再次祭出重磅更新。继DeepSeek V3小版本更新和阿里通义千问团队开源新模型之后，OpenAI于近日悄然推出了GPT-4o原生图像生成功能，其惊艳的效果和对免费用户的开放，无疑将在图像生成领域掀起新的波澜。
北京时间[当前日期]讯，人工智能领域的竞争从未停歇。就在DeepSeek V3进行小版本更新，阿里通义千问团队开源新模型之后，OpenAI也不甘示弱，于近日深夜发布了GPT-4o的原生图像生成功能。此次更新无需预告，直接上线，其效果之惊艳，甚至连免费用户也能体验，引发了业界广泛关注。
GPT-4o：语言模型核心能力的进化
OpenAI一直认为，图像生成是语言模型不可或缺的核心能力。因此，他们将最先进的图像生成器集成到了GPT-4o中。与ChatGPT之前采用的DALL-E 3图像模型不同，GPT-4o采用了全新的多模态模型，该模型经过统一训练，能够同时理解文本、代码和图像等多种形式。这种整合式的设计，使得GPT-4o在图像生成方面具备了以下显著优势：
- 精准呈现文字内容： 能够严格遵循指令要求，确保图像与文字描述高度一致。
- 充分调用内置知识库和对话上下文： 能够结合上下文信息，对上传图像进行转化处理或将其作为视觉灵感来源，从而实现更高效的沟通和更精确的图像生成。
实用与美观兼备：GPT-4o的图像生成能力
OpenAI通过对在线图像和文本的大量训练，使GPT-4o不仅学习了图像与语言之间的关系，还掌握了图像之间的相互关系。结合后期的训练，最终的模型具备了令人惊叹的视觉流畅性，能够生成有用、一致且具有上下文感知能力的图像。
- 文本渲染能力： GPT-4o能够将精准的文字与视觉元素完美融合，使图像生成真正成为一种视觉传达工具。例如，在生成包含文字的图像时，GPT-4o能够准确地表达提示语中的文本字符，呈现出高质量的图像效果。
- 持续生成能力： 图像生成功能与GPT-4o系统深度集成，用户可以通过自然对话实现图像优化。GPT-4o能够基于聊天上下文中的图文内容持续创作，确保输出结果的一致性。例如，在设计游戏角色时，该角色的外观特征将在多次迭代中保持高度协调。
- 指令遵循能力： GPT-4o的图像生成能够细致入微地遵循详细的提示，注重细节。与其他系统相比，GPT-4o能够处理更多的对象，并更紧密地绑定对象与其特征和关系，从而实现更精准的控制。
P图生图，一“语”搞定
GPT-4o的强大之处在于，用户可以通过简单的提示语，轻松实现图像的编辑和生成。例如，用户可以上传一张猫咪的图片，然后给出提示“给这只猫一顶侦探帽和一副单片眼镜”，GPT-4o就能在保持原始图片的情况下，遵循指令重新生成一张。用户还可以继续修改图片，只需给出相应的提示即可。
结语：AI图像生成的新纪元
OpenAI此次推出的GPT-4o原生图像生成功能，不仅提升了图像生成的质量和效率，也降低了图像生成的门槛。随着AI技术的不断发展，图像生成将变得更加便捷和智能化，为各行各业带来更多的可能性。
参考文献：
- 机器之心. 刚刚，GPT-4o原生图像生成上线，P图、生图也就一嘴的事. https://www.jiqizhixin.com/articles/2024-05-26-11
Views: 0