ChatGPT 增加了创建“真实”图像的功能

ChatGPT 升级图像创建能力

OpenAI 集成了 Images in ChatGPT 功能，允许用户通过 GPT-4o 模型的强大功能直接在聊天机器人中创建图像。

3月26日，OpenAI表示，ChatGPT中Images的首次发布主要侧重于图像创建，可供Plus、Pro、Team或免费订阅包的用户使用。此前，ChatGPT 允许通过 Dall-E 模型创建照片，该模型功能有限，每天仅允许三张免费照片。

新创作形象的优势

在社交网络上，许多人尝试过，并对这个新工具表示惊讶。 “栩栩如生的图像让我感到惊讶。如果不是注明这是一张人工智能照片，我可能都不会意识到。它的质量优于我之前体验过的图像创建工具，”Facebook 帐户 Hoang Vy 说道。 “在不久的将来，你在网上看到的图像可能不是真实的，”Cong Tam 账户说，而 The Ha 账户则评论道：“也许平面设计师和照片编辑将不得不升级自己以使用人工智能，否则就会失去工作。”

限制和用户反馈

边缘 OpenAI 发言人 Taya Christianson 表示，免费版本的功能有限，但仍将优于 Dall-E。

首席研究员 Gabriel Goh 表示：“与之前的模型相比，新功能向前迈出了一大步。”他补充说，他的团队使用多模态平台 GPT-4o（OpenAI 最强大的语言模型之一）来实现 ChatGPT 的成像功能。

Goh 表示，ChatGPT 使用 GPT-4o 的图像生成能力的显着改进称为“绑定”——这个术语指的是 AI 图像生成器在属性和对象之间保持精确关联的程度。例如，给定蓝色星形加红色三角形的提示，对齐不良的图案仅产生红色星形而没有三角形。 Goh 表示，大多数图像模型都在努力解决这个问题，如果同时收到多个请求，通常会混合颜色和形状。

“带有 Binding 功能的新可视化引擎可以准确地绑定 15-20 个对象的属性，不会造成混淆，从而证明了准确性和可靠性的显着提高，”Goh 说。

ChatGPT 上的图像生成器还改进了图像中文本的显示，有助于创建更加连贯且不“扭曲”的文本。 Goh 表示，这也是一个重大挑战，因为如果标题或文本元素有错误，整个图像就无法使用。

此外，新工具使用自动回归方法，从左到右、从上到下顺序创建图像，类似于书写文本，而不是大多数成像仪使用的扩散建模技术。这种技术差异使得 ChatGPT 中的图像能够更好地渲染和链接图像中的文本。

“这是一个迭代过程，需要数月才能完善，”吴强调。他补充说，虽然并不完美，但 ChatGPT 上的图像创建功能“已经达到了所创建产品的质量可用的程度”。

在新功能演示中，OpenAI 展示了几个展示 ChatGPT 无缝成像功能的示例，例如带有精确标记的颜色分量的牛顿棱镜实验的科学图；具有一致人物和对话气泡的多面板漫画；或贴纸、徽标和餐厅菜单的透明背景。

然而，与其他模型相比，ChatGPT 中的图像创建图像所需的时间更长。 ChatGPT 多模式产品经理 Jackie Shannon 表示，这是“值得权衡的”。

“我们肯定会改善延迟，但现有的生成图像的能力，它生成的图像的质量确实可以弥补额外的等待时间，”香农在博客中写道。

关于创建虚假裸照的风险……，Shannon 表示 ChatGPT 中的图像具有强大的保护功能，可以防止色情 Deepfake 内容并拒绝“欺诈”请求，但没有提及细节。生成的图像还集成了 C2PA 标准元数据，将其标记为由 AI 创建，可以使用检测工具进行查找。

“当然，没有一个系统是完美的，但我们不断改进我们的保护措施，”香农补充道。

宝林 （根据 The Verge、TechCrunch 报道）