推出 4o 图像生成功能

# 推出 4o 图像生成 来源：https://openai.com/index/introducing-4o-image-generation/ 通过原生多模态模型解锁有用且有价值的图像生成，能够实现精确、准确的逼真输出。 在 OpenAI，我们一直认为图像生成应该是我们语言模型的核心功能。这就是为什么我们在 GPT-4o 中内置了迄今为止最先进的图像生成器。结果是——不仅美观，而且实用的图像生成。 从远古时代的洞穴壁画到现代信息图表，人类一直使用视觉图像来交流、说服和分析——而不仅仅是装饰。当今的生成模型可以创造超现实、令人叹为观止的场景，但在处理人们用于共享和创建信息的实用图像时却表现欠佳。从徽标到图表，当用符号来表示共同的语言和经验时，图像可以传达精确的含义。 GPT-4o 图像生成擅长准确呈现文本、精确遵循提示，并利用 4o 的内在知识库和聊天上下文——包括转换已上传的图像或将其用作视觉灵感。这些功能使创建你所想象的确切图像变得更加容易，帮助你通过视觉更有效地交流，并将图像生成推进为具有精度和力量的实用工具。 我们在在线图像和文本的联合分布上训练我们的模型，学习的不仅是图像与语言的关系，还有图像之间的关系。结合积极的后期训练，生成的模型具有出人意料的视觉流畅性，能够生成有用、一致且上下文感知的图像。 一图胜千言，但有时在合适的地方生成几个词可以提升图像的含义。4o 将精确符号与图像融合的能力将图像生成转变为视觉交流工具。 由于图像生成现在是 GPT-4o 的原生功能，你可以通过自然对话来优化图像。GPT-4o 可以在聊天上下文中基于图像和文本进行构建，确保整个过程的一致性。例如，如果你在设计视频游戏角色，当你优化和实验时，角色的外观在多次迭代中保持一致。 GPT-4o 的图像生成能够细致入微地执行详细提示。而其他系统难以处理约 5-8 个物体，GPT-4o 可以处理 10-20 个不同的物体。物体与其特征和关系的更紧密绑定可以实现更好的控制。 GPT-4o 可以分析和学习用户上传的图像，无缝地将其细节整合到上下文中以信息化图像生成。 原生图像生成使 4o 能够在文本和图像之间建立知识链接，产生一个感觉更聪慧、更高效的模型。 在反映各种图像风格的图像上训练，使模型能够有说服力地创建或转换图像。 卡尔·马克思的一张逃犯风格的照片，他在美国购物中心停车场匆忙行走，回头看，表情惊恐，试图避免被拍照。他手中拿着装满奢侈品的多个光泽购物袋。他的外套在风中飘扬，其中一个袋子在行走时摇晃。背景模糊，有汽车和发光的购物中心入口来强调运动感。相机闪光灯部分过曝了图像，赋予它一种混乱的小报风格。 卡尔·马克思的一张逃犯风格的照片，他在美国购物中心停车场匆忙行走，回头看，表情惊恐，试图避免被拍照。他手中拿着装满奢侈品的多个光泽购物袋。他的外套在风中飘扬，其中一个袋子在行走时摇晃。背景模糊，有汽车和发光的购物中心入口来强调运动感。相机闪光灯部分过曝了图像，赋予它一种混乱的小报风格。 卡尔·马克思的一张逃犯风格的照片，他在美国购物中心停车场匆忙行走，回头看，表情惊恐，试图避免被拍照。他手中拿着装满奢侈品的多个光泽购物袋。他的外套在风中飘扬，其中一个袋子在行走时摇晃。背景模糊，有汽车和发光的购物中心入口来强调运动感。相机闪光灯部分过曝了图像，赋予它一种混乱的小报风格。 我们的模型并不完美。我们意识到目前存在多项限制，我们将在初始发布后通过模型改进来解决这些问题。 根据我们的模型规范，我们旨在通过支持游戏开发、历史探索和教育等有价值的用例来最大化创意自由——同时保持强大的安全标准。与此同时，阻止违反这些标准的请求仍然和以往一样重要。以下是我们正在努力实现安全、高效用内容并支持用户更广泛创意表达的额外风险领域的评估。 **通过 C2PA 和内部可逆搜索的来源追踪**所有生成的图像都带有 C2PA 元数据，将其标识为来自 GPT-4o，以提供透明度。我们还构建了一个内部搜索工具，利用生成的技术属性来帮助验证内容是否来自我们的模型。 **阻止不良内容**我们继续阻止可能违反我们内容政策的生成图像请求，例如儿童性虐待材料和性深度伪造。当真实人物的图像出现在上下文中时，我们对可以创建的图像类型有更严格的限制，特别是在裸露和图形暴力方面有强大的保障措施。与任何发布一样，安全永远不会完成，而是一个持续的投资领域。当我们了解更多关于该模型的真实世界使用情况时，我们将相应地调整我们的政策。 欲了解更多信息，请访问 GPT-4o 系统卡的图像生成附录 (https://openai.com/index/gpt-4o-image-generation-system-card-addendum/)。 **利用推理强化安全**类似于我们的深思熟虑对齐工作 (https://openai.com/index/deliberative-alignment/)，我们训练了一个推理 LLM 直接从人工编写和可解释的安全规范工作。我们在开发过程中使用了这个推理 LLM 来帮助识别和解决我们政策中的歧义。结合我们的多模态进步和为 ChatGPT 和 Sora 开发的现有安全技术，这使我们能够对输入文本和输出图像进行调制 (https://openai.com/index/upgrading-the-moderation-api-with-our-new-multimodal-moderation-model/) 以符合我们的政策。 4o 图像生成从今天开始向 Plus、Pro、Team 和 Free 用户推出，作为 ChatGPT 中的默认图像生成器，Enterprise 和 Edu 用户将很快获得访问权限。它也可在 Sora 中使用。对于那些对 DALL·E 有特殊偏爱的用户，仍然可以通过专属的 DALL·E GPT 访问它。 开发者很快将能够通过 API 使用 GPT-4o 生成图像，访问权限将在未来几周内推出。 创建和自定义图像就像使用 GPT-4o 聊天一样简单——只需描述你需要的内容，包括任何特定信息，如宽高比、使用十六进制代码的精确颜色或透明背景。由于该模型能创建更详细的图片，图像渲染需要更长时间，通常需要长达一分钟。 制作人员：[Alex Duffy](https://every.to/@AlxAi) 制作人员：[Alex Duffy](https://every.to/@AlxAi) 制作人员：[Alex Duffy](https://every.to/@AlxAi)