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

來源：財聯社

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週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像一致。

ChatGPT於2022年底上線，最初只能進行文字聊天。大約一年後，OpenAI發佈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。

隨著今年阿里巴巴、Google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。

在週二的演示中，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照，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。

從週二開始，基於GPT‑4o的圖像生成功能向所有免費和付費用戶推出，未來幾週內開發者將能通過API調用這項功能。