全台風靡 ChatGPT-4o 新繪圖功能！

OpenAI 最近推出了基於 GPT-4o 的全新影像生成功能，為 ChatGPT 帶來了顯著升級。

ChatGPT-4o 影像生成的主要特點

1. 整合多模態能力
   GPT-4o 是一個「全模態」（omnimodal）模型，能同時處理和生成文字、影像、音訊及影片。這次更新將影像生成功能原生整合到 ChatGPT 中，取代了之前的 DALL-E 3 模型，實現了文字與影像生成的無縫結合。
2. 更高的影像品質與細節
   • 改進了文字渲染能力，能更準確地在影像中呈現文字內容，例如設計公司標誌、幻燈片、名片等。
   • 支援透明背景影像生成，方便用戶將其嵌入到簡報或其他設計中。
   • 透過上下文學習和多輪生成技術，模型可以更好地理解用戶需求，生成更真實且符合指令的影像。
3. 使用者體驗提升
   • 用戶現在可以直接透過對話輸入或上傳檔案來生成影像，並進行修改（如「補畫」或調整前景與背景）。
   • 支援多種應用場景，包括創作藝術作品、設計社群圖文，以及將圖片轉換為不同風格（如宮崎駿風格）。
4. 透明性與安全性
   • 所有生成的影像都包含 C2PA 元數據，以標明其為 AI 生成內容，確保透明性。
   • 嚴格遵守內容政策，禁止生成涉及暴力、裸露或其他不當內容的影像。

適用範圍與限制

該功能已逐步向所有 ChatGPT 用戶開放，包括免費帳戶和 Plus、Pro 訂閱用戶，但免費用戶可能受到使用次數限制。

開發者未來幾個星期將可以透過 OpenAI API 使用此功能，用於自定義應用程式開發。

GPT-4o 的圖像生成速度如何？

GPT-4o 的圖像生成速度相較於之前的版本有顯著提升，但具體速度因使用場景而異：

1. 一般生成速度
   GPT-4o 的平均響應時間為 320 毫秒，這包括處理文字和影像的多模態輸入。然而，影像生成過程可能更耗時，尤其是高解析度或複雜指令的影像。
2. 影像生成所需時間
   根據測試報告，GPT-4o 生成影像可能需要 45 秒左右，這是一個逐行渲染的過程，影像逐漸顯示出來。
3. API 回應時間
   在實時應用（例如視頻流）中，API 的回應時間通常為 3-4 秒，這可能不適合極低延遲需求的場景。

總體而言，GPT-4o 的速度已經比 GPT-4 快許多，但影像生成仍需一定時間才能完成，尤其是高細節或高解析度的影像。

潛在問題

儘管 GPT-4o 的影像生成能力顯著提升，但仍存在一些局限性：

• 有時可能生成比例不正確或過於緊湊的影像。
• 在知識密集型圖像（如週期表）的呈現上可能出現錯誤。

總體而言，GPT-4o 的推出代表了 ChatGPT 在多模態 AI 技術上的重要進步，不僅提升了影像創作的效率與品質，也為設計師和創作者提供了更多靈活性和創意空間。

GPT-4o 圖像生成的實際應用範例

以下我們實測了各種使用情境範例，也包含 OpenAI 的影片範例，真的很令人驚艷呢！

風格轉換與藝術創作

• 吉卜力風格重製：上傳美國知名女歌手 Taylor Swift 的照片後，要求轉換為吉卜力風格，保留人物表情與構圖一致性，生成效果接近真實動畫。

• 藝術風格轉換：將素描轉為彩色油畫或3D渲染圖，適用於快速原型設計。
• 梵谷筆觸風格：生成「梵谷筆觸的星空」等藝術風格圖像，細節一致性高。

實用設計與資訊傳達

商業設計：

• 標誌設計：生成包含文字的商標，文字與視覺元素無縫融合。

• 海報與宣傳圖：結合文字的社群宣傳圖、選舉海報，適用於品牌推廣。

• 透明背景圖片：生成可嵌入簡報的透明背景影像，方便設計工作。

資訊圖表：

• 教育插圖：生成科學課程的寫實或非寫實風格資訊圖表，例如週期表或生物結構圖。

• 數據視覺化：將書籍圖片融合到寫實場景中，強化說明效果。

文字與圖像的精準結合

• 中文文字生成：生成老師在白板寫滿中文的寫實照片，文字清晰且符合場景。
• 多物件控制：處理包含10-20個物件的複雜指令，例如「紅色跑車、藍天、三棵綠樹」等細節精準呈現。

• 動態描述：生成Elon Musk在火星躲避風暴的場景，包含 CyberTruck 載具與環境對比，符合 16:9 比例要求。

圖片改造與延伸應用

• 寫實轉換：將藝術作品轉換為寫實攝影照片，例如將插畫轉為擬真生物攝影。
• 多輪調整：透過對話逐步修改圖像細節，例如為遊戲角色增加配件或改變背景，保持核心特徵一致。

技術限制與注意事項

在使用 AI 生成圖像的過程中，會有一些常見的注意事項。例如在生成高解析度或包含複雜指令的影像時，通常需要約一分鐘以上，且在生成過程中畫面會呈現霧化效果。儘管技術已相當先進，但部分圖像仍可能出現細節誤差，例如人物比例不自然或畫面過度緊湊。另一方面，目前系統僅支援靜態圖片，若需產出動畫效果，仍需透過第三方工具進行額外串接與後製處理。

應用技巧

• 指令精準化：明確描述物件數量、風格、比例（如16:9）以提升生成準確性。
• 多模態整合：結合文字與圖像輸入，例如上傳草圖並描述轉換風格，強化生成效果。

ChatGPT-4o 的繪圖功能為 AI 應用帶來全新突破，結合語言理解與視覺生成，讓創作過程更直覺、更有趣。不論是設計師、行銷人員，還是內容創作者，都能藉此提升效率、激發靈感。未來 AI 創作只會越來越普及，現在正是最好的時機，體驗這項令人驚豔的工具，開啟你與 AI 合作創作的新篇章！

資料來源：Introducing 4o Image Generation