InfoQ
·
OpenAI发布了改进版的GPT-4o图像生成能力
💡
原文英文，约600词，阅读约需2分钟。
📝
内容提要
OpenAI发布了新版本的GPT-4o，具备原生图像生成能力，能够修改上传的图像或根据提示创建新图像，并保持多轮一致性。该模型直接处理图像输出，使用自回归生成方法，在文本渲染和提示遵循方面表现优异。同时，OpenAI建立了工具以识别生成的图像，防止违反内容政策的图像生成。
🎯
关键要点
- OpenAI发布了新版本的GPT-4o，具备原生图像生成能力。
- GPT-4o能够修改上传的图像或根据提示创建新图像，并保持多轮一致性。
- 新模型直接处理图像输出，使用自回归生成方法，优于之前的DALL-E模型。
- GPT-4o在文本渲染和提示遵循方面表现优异，能够生成多达10-20个不同对象的图像。
- 生成的图像包含C2PA标签，表明是由AI生成的，OpenAI建立了内部工具来识别生成的图像。
- OpenAI会阻止违反内容政策的图像生成，但会尊重用户的创意控制。
- 更新的系统卡描述了模型的潜在风险和采取的缓解措施，包括广泛的红队测试。
- 模型会拒绝生成某些类型的图像，例如活跃艺术家的风格，但会生成公共人物的图像。
- 用户评论指出生成图像的质量，特别是文本渲染的能力有显著提升。
- 模型在处理非拉丁字符的语言时存在困难，可能生成不准确或虚构的文本。
❓
延伸问答
GPT-4o的图像生成能力有什么特点？
GPT-4o具备原生图像生成能力，能够修改上传的图像或根据提示创建新图像，并保持多轮一致性。
GPT-4o与之前的DALL-E模型有什么不同？
GPT-4o直接处理图像输出，使用自回归生成方法，而DALL-E使用扩散方法，GPT-4o在文本渲染和提示遵循方面表现更优。
OpenAI如何确保生成图像不违反内容政策？
OpenAI会阻止生成违反内容政策的图像，并建立了内部工具来识别生成的图像，同时尊重用户的创意控制。
GPT-4o生成的图像如何标识？
生成的图像包含C2PA标签，表明是由AI生成的。
用户对GPT-4o生成图像的质量有什么反馈？
用户评论指出生成图像的质量显著提升，特别是在文本渲染能力方面。
GPT-4o在处理非拉丁字符的语言时有什么问题？
模型在处理非拉丁字符的语言时存在困难，可能生成不准确或虚构的文本。
➡️
