ChatGPT文生圖功能迎重大升級:準確生成文字 商用邊界大幅拓展

財聯社3月26日(編輯 史正丞)chatgpt 上線多年後愈發雞肋的圖像生成功能,終於迎來了歷史性的升級。

openai首席執行官奧爾特曼在周二的直播活動中表示,正式推出基於gpt-4o模型的原生圖像生成功能——模型直接從文本提示生成圖像,不再調用獨立的dall-e文生圖模型。

利用gpt-4o的多模態能力,chatgpt在圖像生成時能更加精確地遵循指示、更精確地渲染圖像上的文字,同時支持多輪迭代優化圖像時保持角色形象一致。

chatgpt於2022年底上線,最初只能進行文字聊天。大約一年後,openai發布第三代圖像生成模型dall-e 3,並集成到chatgpt,但兩者一直是互相獨立的系統。在最初的新鮮感過去後,ai圖像生成器“理解提示詞能力差”,特別是“無法準確生成圖片中的文字”嚴重阻礙這項功能在教育、職場等領域的應用。

隨着今年阿里巴巴、谷歌先後推出能準確生成文字的文生圖模型,openai終於補上這個短板。

在周二的演示中,openai展示了新一代chatgpt 的圖像功能升級到了何種程度。

首先,chatgpt已經能夠大致準確地按照提示詞,生成圖像中的文本。在演示中,ai成功按照要求生成一整頁的講話文本,同時沒有出現錯別字。奧爾特曼感慨稱,能在圖像生成功能中完美呈現文字本不應該是那麼令人讚歎的事情,但我們卻等了這麼久。

從官方給出的更多示例來看,不管是生成黑板板書,還是印刷體、展示科學常識的繪圖,chatgpt在生成圖像文字領域終於從完全不能用,達到接近商用的程度。

同時,chatgpt的圖像編輯功能,也變得更加有用。

在演示中,兩名研究人員與奧爾特曼合影,然後要求chatgpt將合照轉化為動畫畫風。

結合gpt-4o的知識庫和終於能把字寫清楚的能力,chatgpt也能通過簡單的提示詞,生成有關相對論的漫畫彩圖。

說到漫畫,現在chatgpt也能根據漫畫草稿,一鍵生成上完色的成品。同時也支持上傳圖片更換漫畫里的主要角色。

從商業應用方面來講,現在模型也能根據用戶上傳的照片和卡片模板,自定義組合生成新的卡片,並按照要求展示圖片和文字。

gpt‑4o也可以根據聊天上下文的基礎來生成圖片和文字,所以生成的一系列圖像將具有一致性,這對於設計遊戲角色而言相當重要。

openai承認,新的圖像生成器也存在一些局限性,例如也會受到模型幻覺影響,同時在密集文字和非拉丁語文字的圖像生成方面,也更容易出現問題。

從周二開始,基於gpt‑4o的圖像生成功能向所有免費和付費用戶推出,未來幾周內開發者將能通過api調用這項功能。

(財聯社 史正丞)