就在昨天，美国当地时间周二，OpenAI 正式发布了 GPT-4o 的原生多模态图像生成功能！
这可是经过长达一年与人类训练师协作优化的成果，目标只有一个：生成更加逼真、细节更炸裂的图像！
简单来说，你只需要在 ChatGPT 中用文字描述你想要的画面（还能指定宽高比、色号甚至透明度哦！），GPT-4o 就能在一分钟内给你”变”出一张相应的图像。
这波更新，简直是突破了以往 AI 生图的诸多边界！
先看下如何开启这个功能呢？依次按照下图格式开始即可，在 GPT 上，当你有如下创作图片的选项时，就说明用的是 4o Image Generation 了。
然后就可以开始画图了
使用极简主义的素描漫画风格，一个版面12副连环画完整展示《龙珠》第一章第二节，对话captions用中文简体汉字展示 
使用极简主义的素描漫画风格，连环画完整展示《道德经》第一章的「真意」。 道可道，非常道。名可名，非常名。无名天地之始。 有名万物之母。故常无,欲以观其妙。 常有,欲以观其徼。 此两者，同出而异名，同谓之玄。玄之又玄，众妙之门。 
不过有个问题，也就画了不到十张图，就给我限流要等待一分钟才能再用。
GPT-4o 图像生成，这次带来了哪些”王炸”特性？
OpenAI 在公告中明确了 GPT-4o 图像生成功能的几大亮点：
- 精准渲染图像内文字： 这意味着制作 logo、菜单、邀请函和信息图等将变得易如反掌！再也不用担心 AI 把文字”糊”成一团了。
- 精确执行复杂指令： 哪怕是细节非常丰富的构图，GPT-4o 也能准确理解并呈现出来，简直是细节控的福音！
- 基于先前图像和文本进行扩展： 能够记住之前的对话内容和生成的图像，确保多次交互之间的视觉一致性，让创作更连贯。
- 支持各种艺术风格： 从写实照片到各种风格的插画，GPT-4o 都能轻松驾驭，满足你天马行空的想象力。
更令人兴奋的是，除了在 ChatGPT 中直接生成图像，GPT-4o 还被整合进了 OpenAI 的视频生成平台 Sora，进一步扩展了其多模态能力，未来可期！
谁能第一时间体验？升级后的 ChatGPT 就是你的”专属画师”！
这项新功能即日起将作为 ChatGPT 的默认图像生成引擎，向 ChatGPT Free、Plus、Team 及 Pro 用户全面开放，直接取代了之前使用的 DALL-E 3。
作为去年推出的多模态模型，GPT-4o 最初的定位就是成本优化版的旗舰 AI 模型，已经具备了生成和理解文本、视频、音频和图像等多种能力。
而这次的精调版本，更是让普通用户和企业能够更轻松地创建逼真图像、可读文本段落，甚至是公司 logo 和演示幻灯片等。
背后功臣：人类训练师和”人类反馈强化学习”
项目首席研究员 Gabriel Goh 透露，GPT-4o 能够取得如此突破性的进展，关键在于人类训练师对模型数据的标注工作——他们细致地标注了 AI 生成图像中的错别字、畸形手脚和面部特征等问题。
通过”人类反馈强化学习 (RLHF)“技术，模型学会了更精准地遵循人类指令，从而生成更准确且实用的图像。
OpenAI 的 AI 系统拥有庞大的用户基础，每周用户超过 4 亿，这使得参与优化的训练师团队（规模略超百人）能够产生巨大的影响力。
当然，GPT-4o 也并非完美，依然存在一些”小瑕疵”：
正如《华尔街日报》报道的案例，当用户上传一张带有两扇窗户的客厅照片，并要求重新布置家具时，AI 在重构图像时遗漏了一扇窗户。
此外，AI 图像生成的使用仍然面临一些争议，例如艺术家对版权和生计的担忧。
OpenAI 首席运营官布拉德·莱特卡普回应称，GPT-4o 的训练数据来自”公开可用的资料”以及与 Shutterstock 等公司的合作内容。
OpenAI 总裁格雷格·布罗克曼早在 2024 年 5 月就预告过 GPT-4o 的原生图像能力，但出于未知原因，直到现在才正式发布。此前，谷歌 AI Studio 的 Gemini 2 Flash 实验模型已经推出了类似功能。
现阶段，GPT-4o 还存在一些需要改进的地方，包括：
- 裁剪问题： 像海报这样较大的图像可能会被过度裁剪。
- 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。
- 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晰。
- 编辑精确度： 修改图像的特定部分时，可能会意外影响其他元素。
OpenAI 表示，他们正在积极解决这些问题，并通过持续的模型改进来提升用户体验。
保障安全与透明：AI 生成图像将带有”身份证”
作为 OpenAI 对负责任 AI 开发承诺的一部分，所有由 GPT-4o 生成的图像都将包含 C2PA 元数据，用户可以验证其 AI 来源。
此外，OpenAI 还建立了一个内部搜索工具，用于帮助检测 AI 生成的图像。同时，OpenAI 强调，涉及真人图像的内容会受到更严格的限制，以保护用户隐私和安全。
OpenAI 首席执行官山姆·奥特曼在新能力上线后发布”小作文”，称此次发布标志着”创作自由的新高峰“，并强调用户将能够创建各种视觉内容，OpenAI 将在真实世界的使用基础上观察并完善其方法。
眼见为实！GPT-4o 生图效果实测：
以下是一些来自 OpenAI 官方和网友的生图实测案例，让我们一起感受一下 GPT-4o 的强大能力：
图片质量相当高，可直接用于科普插画： 比如，
生成一个分光三棱镜。 
继续对话，一致性相当好：
让他把上面的三棱镜画成书册。 
文本渲染绝佳：
根据对话内容，画一个菜单（文字是单独给的）。 
上下文关联：
上传图片参考风格，精准输出。比如，根据风格插画生成三角形轮子的自行车。 
参考图一的配色，重新设计图二相机的配色和质感， 
这是我家的两只猫。公猫黄色，母猫灰色。根据他们的长相和特点，帮我预测一下他们幼崽的长相。 
保持空间骨架100%保留不变，把这张毛坯房生成意式风格的客厅，拥有皮质沙发与其它搭配的家具、艺术感的装置，高级感的地毯与墙面挂画、具备氛围感的灯光与墙面光泽，整体以2025潘通流行色摩卡慕斯色系，搭配个别墨绿色。要求生成真实的摄影照片的效果。 
生成吉卜力漫画风格，要求高度还原 
用第-个 icon 的风格，重新设计第二个 icon 
你能基于以上信息，请你帮我设计新的清明节海报，并提供拆解文案 
一张卡尔·马克思在美国购物中心停车场匆匆走过的偷拍照片，他惊慌地回头看，试图避免被拍照。他手里拿着多个装满奢侈品的光滑购物袋。他的外套在风中飘动，其中一个袋子在他迈步时摇摆。背景模糊，汽车和发光的商场入口突显运动感。相机的闪光灯部分曝光过度，给图像一种混乱的八卦感。 
马正好在海洋与天空相接的地平线上。使用三分法来定位马。由于相机距离拍摄对象非常远，马的大小是整个图像大小的1%。相机视角非常接近地面/海洋，就像虫眼视角。马正好在海洋与天空相接的地方奔跑。 
做一个用火龙果的外皮的蜥蜴，画面逼真。 
看不见的大象。 
电商服装场景,直接试穿衣服 
解剖图标记 
修复卫星图片 
电商家具，室内设计 
首饰替换，电商场景 
老照片修复 
看完这些作图能力，真的太可怕了，这次 GPT 又将让一大批人失业，对于很多行业，简直是降维打击，让我想到《三体》里面的那句台词：我消灭你，与你无关。
一个全新的图像生成时代已经到来
GPT-4o 的原生多模态能力以前所未有的成熟姿态横空出世，其近乎完美的生成质量和丝滑的多模态对话体验，预示着一个全新的图像生成时代的到来。
这已经不仅仅是“能不能用”的问题，而是将彻底颠覆现有 AI 绘图生态，并深刻改变人们与 AI 进行图像创作的交互方式。
它将无差别地替代初级执行职位，曾经那些针对大模型的工程优化也将面临严峻挑战，甚至逐步侵蚀更上层的专业领域。这就像一场数字时代的工业革命，曾经看似坚固的技术壁垒和工作流程，在 GPT-4o 面前正被无情地瓦解。
我们仿佛已经看到，大量重复性的机械工作将被高效智能的 AI 所取代。虽然在专业和工业级领域，对精度和可控性的需求依然存在，为 ComfyUI 等工具留有一席之地，但这股变革的浪潮已不可阻挡。
要么成为弄潮儿，要么被时代抛弃。你，会选择哪一个？
大全目前专注于小白 AI 入门领域的研究，分享从 0 到 1 入门 AI，ChatGPT ，DeepSeek 知识的系统性教程，
大全Prompt：都是干货！超全 AI 入门， DeepSeek，ChatGPT 资料分享！
最后，祝大家都能寻得可以全身心投入的事情，生活愉快！记得给我一个赞。
发布者：Ai探索者，转载请注明出处：https://javaforall.net/241570.html原文链接：https://javaforall.net
