type
status
date
slug
summary
tags
category
icon
password
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。**一、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。GPT-4o生成图片效果展示更令人兴奋的是，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
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。GPT-4o生成图片效果展示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。**二、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。
华尔街日报关于用户图片生成案例的报道此外，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。格雷格·布罗克曼此前预告GPT-4o原生图像能力现阶段，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。**三、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负责任AI开发承诺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。**四、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。`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。`三棱镜书册**文本渲染绝佳：**`根据对话内容，画一个菜单（文字是单独给的）。`菜单**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。`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。****五、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？
对了，最后想要免费体验这个功能的小伙伴，可以复制下面链接浏览器打开即可：**
如何使用GPT-4o的图像生成能力？
想要亲自体验这些强大的功能？可以通过以下途径：
👉 **即刻体验:** https://agi.maynor1024.live/
平台特点与使用说明
特点| 详细说明
、PPT制作、代码编写与**BUG解决** 、网站设计等多种实用任务。
，功能不多不少。
。平台承诺长期维护，若遇不可抗力导致服务中止，将按未生效日期及购买价比例退款。
好啦！**朋友****别忘了，点赞、在看、转发，你的反馈真的很重要！**
- 作者:Maynor
- 链接:https://maynor1024.live/article/2dd1f390-6aa9-8178-9239-e7bf91d1e8bd
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
