OpenAI近日宣布，将其最新的图像生成器整合进旗舰语言模型GPT-4o中，推出了“4o Image Generation”这一新功能。该功能不仅能够生成精美的图像，还特别强调实用性，能够产生精准、逼真且符合用户需求的视觉内容，预计将会改变人们使用AI进行图像创作的方法。
自Open首席人工智能官上任以来，公司将图像生成视为语言模型的重要能力之一，因此致力于开发最先进的图像生成器，并将其与GPT-4o模型完美结合。OpenAI指出，这一功能的目标不仅仅是艺术创作，更希望成为一个强大而实用的工具，帮助用户在不同场合下更加高效地进行沟通与表达。
OpenAI在官方博客上展示了40种图像生成的应用场景，包括模拟白板会议记录、生成富有意义的文本图像、创作趣味漫画，以及复杂的科学实验图解，GPT-4o均能够轻松处理，展现出其强大的多模态能力。
例如，用户上传一张写满方程式和笔记的白板照片，GPT-4o不仅能够理解照片中的内容，还能根据用户的指示，将其转化为更清晰易懂的图表。此外，GPT-4o还能够根据零散的文本，自动创作富有创意的磁性诗词图像，甚至能根据简单的文字描述，创作连环漫画。比如说，如果描述小蜗牛想买跑车的幽默故事，GPT-4o就能自动生成生动的四格漫画，形象地展现故事情节。
OpenAI强调，4o图像生成功能具有出色的指令遵循能力，能够准确按照用户的提示生成图像，并且注重细节。与其他系统在处理大量对象时可能遇到的困难相比，GPT-4o据说能够同时处理多达10到20个不同的对象，并更加精准地将这些对象的特性及其相互关系融入图像中，帮助用户更好地控制图像生成的结果。
此外，4o图像生成功能已原生集成于模型中，用户可以通过自然对话逐步优化图像。GPT-4o可以理解聊天中的图像和文本信息，并在多轮迭代中保持图像风格的一致性，这在需要频繁调整和实验的场景中，如设计游戏角色时，尤为实用。
OpenAI特别指出，GPT-4o在文本渲染方面有了显著提升，认为“一图胜千言”，但适当加入精确的文本能够更好地增强图像的深意。GPT-4o能够将准确的符号与图像完美结合，使其成为一种更为强大的视觉交流工具。
原生图像生成能力使得GPT-4o能够将丰富的知识库与图像创建过程结合，产生更智能和高效的结果。例如，用户可以请求GPT-4o根据程序代码生成可视化图表，或根据食谱文字生成鸡尾酒的图像，甚至可以生成天气信息图表或鲸鱼种类指南。
尽管4o图像生成功能非常强大，但OpenAI也承认目前模型仍存在裁剪、幻觉和图表生成错误等局限性，将在未来的版本中继续进行改进。
OpenAI重视其人工智能模型的安全性和伦理问题。在追求创作自由的同时，严格遵循安全标准，以防止模型被用于生成有害内容。所有由GPT-4o生成的图像都会附加C2PA元数据，以标明图像来源，增强透明度。
OpenAI宣布，从今天开始，4o图像生成功能将逐步向ChatGPT Plus、Pro、Team和Free用户开放，并将在不久的将来提供给Enterprise和Edu用户。此外，该功能还将集成到Sora平台。开发人员未来几周内也将通过API访问4o图像生成功能。
用户只需像聊天一样与GPT-4o交流，描述想要的图像细节，即可轻松创建和定制图像。由于GPT-4o生成的图像细节更加丰富，因此渲染时间可能会稍长，通常大约需要一分钟。
OpenAI认为，4o图像生成功能将为用户提供全新的创作体验，并推动图像生成技术的发展。随着这一功能的广泛应用，预计各个领域将涌现出更多由AI驱动的创新应用。
