鉅亨網編譯鍾詠翔  2025-03-26 09:10

ChatGPT上線多年後愈發雞肋的圖像生成功能，終於迎來歷史性升級。（圖：Shutterstock）

ChatGPT 上線多年後愈發雞肋的圖像生成功能，終於迎來歷史性升級。

OpenAI 執行長奧爾特曼周二（25 日）在直播活動中表示，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 DALL-E 文生圖模型。



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，未來幾周內開發者能通過 API 調用這項功能。

ChatGPT 運用 GPT-4o 多模態能力，在圖像生成時能更加精確遵循指示，更精確渲染圖像上的文字。

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 (09988-HK) (BABA-US) 、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。

OpenAI 在周二演示中展示了新一代 ChatGPT 的圖像功能升級到何種程度。

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，沒出現錯別字。

奧爾特曼感慨，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嘆的事情，但他們卻等了這麼久。

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，一鍵生成上完色成品，也支援上傳圖片更換漫畫裡的主要角色。

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，這對設計遊戲角色而言相當重要。