OpenAI 宣布對 ChatGPT 中的 AI 影像生成進行重大更新

OpenAI 剛剛正式介紹了 ChatGPT 中 AI 影像生成能力的顯著升級，這是一個重要的進步，而不是像之前的 DALL-E 那樣使用單獨的影像生成模型。此新功能已直接整合到 GPT-4o 中，帶來了顯著的改進。

克服固有限制

雖然許多當前的人工智慧圖像生成模型可以創建令人印象深刻的藝術圖像，但它們通常難以處理文字、徽標或日常物品等元素。 OpenAI 聲稱，新的 GPT-4o 能夠克服這些限制，因為它具有以下能力：

• 正確顯示文字
• 嚴格遵守用戶要求
• 運用背景知識和對話背景
• 允許編輯上傳的照片或基於原始照片建立新照片
• 廣泛可用

此新功能目前正在向 ChatGPT Free、ChatGPT Plus、Pro 和 Team 用戶推出，並將在未來幾週內在 ChatGPT Enterprise 和 Edu 上推出。值得注意的是，這將是 ChatGPT 中的預設影像建立工具，使用者無需其他選項即可輕鬆存取。使用者可以使用以下方式自訂照片：

• 特定長寬比
• 精確顏色（使用十六進位代碼）
• 透明背景
• 多平台支援

除了 ChatGPT 之外，該功能還將在包括 Sora（圖像生成）、專用 DALL·E GPT 和 GPT-4o API（面向開發人員，將在未來幾週內推出）在內的平台上提供。

儘管新模型承諾會做出許多改進，但它仍然存在一些限制：

• 由於細節豐富，影像生成時間最長可達 1 分鐘
• 垂直照片被裁剪
• 有時「捏造」訊息，幾乎不需要背景資訊
• 難以同時處理 10-20 個以上的概念
• 非拉丁語言學習困難
• 詳細的糾正（例如拼字錯誤）效果不佳
• 難以以小尺寸顯示詳細信息

GPT-4o 產生的所有影像都將包含 C2PA 元數據，從而允許使用 OpenAI 的內部工具進行來源驗證。

儘管存在一些限制，GPT-4o 仍有望提供更準確、更可自訂的成像。 OpenAI 表示將在未來幾個月繼續改進該模型，為人工智慧驅動的視覺內容創作開闢新的可能性。

透過此次重大更新，OpenAI 繼續加強其在創意 AI 競賽中的領導地位，為跨多個平台的用戶提供更無縫、更強大的體驗。