Generazione di immagini con GPT-4o: guida con 8 esempi pratici

Cos'è la generazione di immagini con GPT-4o?

La generazione di immagini con GPT-4o è una nuova funzionalità del modello GPT-4o che permette di creare immagini direttamente all’interno di ChatGPT. Porta la generazione di immagini in modo nativo sulla piattaforma, rendendola accessibile per scopi diversi come creatività, didattica e altro ancora.

Il lancio rappresenta un grande passo avanti rispetto alle tecnologie precedenti, perché punta a rendere la creazione di immagini più accurata, facile da usare e utile in molte situazioni. Per esempio, ora è possibile generare immagini fornendo prompt specifici, mescolando immagini e testo o persino modificando immagini con semplici istruzioni.

In generale, la generazione di immagini con GPT-4o può essere usata per vari compiti creativi, come creare fumetti, progettare carte collezionabili, realizzare meme o anche materiali didattici che spiegano argomenti complessi. Per esempio, ho chiesto a ChatGPT di riassumere il contenuto di questa sezione con un’infografica:

Infografica di esempio realizzata con la generazione di immagini di GPT-4o

Come accedere alla generazione di immagini con GPT-4o?

La generazione di immagini con GPT-4o è disponibile come generatore di immagini predefinito in ChatGPT. Secondo OpenAI, è disponibile per gli utenti Plus, Pro, Team e Free. Tuttavia, nella mia esperienza non sono riuscito a farla funzionare con il piano Free e, in seguito, OpenAI ha confermato che l’accesso non è ancora disponibile sul piano Free a causa dell’elevata domanda.

Gli sviluppatori avranno la possibilità di generare immagini con GPT-4o tramite API nelle prossime settimane.

Puoi creare immagini con GPT-4o selezionando il modello GPT-4o e fornendo un prompt testuale che descriva cosa vuoi generare.

Possiamo anche continuare a chattare per chiedere modifiche:

Esempi di generazione di immagini con GPT-4o

Ora che abbiamo visto come usare il modello, vediamo cosa sa fare attraverso otto esempi pratici.

OpenAI sostiene che questo nuovo modello non generi solo immagini gradevoli, ma anche utili nel mondo reale. Secondo me, perché un modello di generazione di immagini sia davvero utile, deve poter modificare immagini esistenti o applicare in modo coerente stili esistenti.

Nelle situazioni reali, di solito non vogliamo un’immagine da zero. Piuttosto, abbiamo uno stile e vogliamo generare un’immagine in quello stile, oppure abbiamo una foto e dobbiamo modificarla in qualche modo. Ecco alcuni esempi:

• La titolare di una caffetteria che vuole pubblicare una foto per il marketing non desidera l’immagine di un bar a caso: vuole la foto della sua caffetteria.

• Se uso l’AI per creare una storia visiva, devo poter mantenere un personaggio coerente lungo tutta la storia. Non serve a nulla se le immagini non sono consistenti.

• Da fotografo, non mi interessa generare da zero un’immagine che non esiste nella realtà. Preferisco poter modificare una fotografia esistente.

1. Testo

Nell’esempio del logo abbiamo già visto che GPT-4o può generare testo nelle immagini. Generare testo stand-alone è probabilmente l’esempio più semplice.

Per approfondire, ho provato a generare del testo su un oggetto:

Questo esempio mette in evidenza due caratteristiche importanti:

1. Il modello è in grado di generare testo su un oggetto in modo coerente con la forma dell’oggetto.
2. Il modello comprende i colori e segue una palette cromatica.

Per spingerlo oltre, gli ho chiesto di generare un testo più lungo e di visualizzarlo nell’immagine in modo leggibile. Ecco il risultato:

Mi ha colpito molto. Altri modelli che ho provato in passato non si sono comportati così bene in questo compito.

2. Trasparenza

GPT-4o è in grado di generare immagini con aree trasparenti. È particolarmente utile per immagini da sovrapporre ad altri contenuti, come sticker di personaggi di un gioco.

Ho scattato una mia foto e chiesto a GPT-4o di creare un personaggio in pixel art basato su di essa. Ecco il risultato:

Nota che non ha generato di default uno sfondo trasparente, ma chiedendolo ha funzionato bene e senza alterare il risultato originale.

3. Coerenza del personaggio

Partendo dalla conversazione precedente, ho provato a generare una scena usando il personaggio in pixel art che avevo creato. Questo è il risultato:

Il personaggio in questa immagine ha una risoluzione diversa dall’originale. Ha più dettagli, quindi sembra che GPT-4o ne generi uno nuovo a partire dalla foto, invece di utilizzare quello creato prima.

È comunque un bel risultato, ma non è utilizzabile così com’è in un gioco perché servirebbe maggiore coerenza tra i due personaggi. A questo stadio è più utile come ispirazione per un pixel artist che come risultato finale.

4. Creare una storia dettagliata

Poi ho voluto creare una striscia a fumetti per raccontare di quando, qualche mese fa, ho scattato una foto del paesaggio urbano di Taipei. L’ho usata per testare come GPT-4o gestisce la generazione di immagini da istruzioni dettagliate.

Ho iniziato chiedendo al modello di generare un personaggio dei fumetti basato su di me. Poi ho fornito i dettagli di ogni riquadro della striscia. 

Il primo risultato era vicino a ciò che volevo, ma non del tutto accurato. Inoltre, ho avuto di nuovo l’impressione che il modello generasse un nuovo personaggio invece di riutilizzare il primo.

Dopo le modifiche richieste, però, il risultato mi ha soddisfatto molto. È stato interessante vedere quella notte prendere vita come una striscia a fumetti.

Mi è piaciuto in particolare che sia riuscito a imitare la foto nell’ultimo riquadro. Secondo me ha valorizzato il risultato.

5. Fotoritocco

Poi ho provato con il fotoritocco. Qualche mese fa stavo tornando in Europa e ho scattato una foto prima di salire sull’aereo. Purtroppo c’era un fastidioso riflesso sul finestrino perché ho scattato dall’interno. Ho provato a rimuoverlo con Photoshop, ma senza successo.

Ho riprovato con GPT-4o ed è andata molto bene.

Ecco altri esempi di modifica di una foto con GPT-4o:

Di nuovo, non è perfetto ma è comunque molto buono. Nel primo esempio le persone sono state rimosse ma l’edificio sullo sfondo è stato modificato. Le foto notturne sono belle ma un po’ troppo scure.

Un altro dettaglio interessante è che, per via dell’aspetto conversazionale di GPT-4o, tende ad applicare le nuove modifiche all’ultima immagine. In questo caso, quando ho chiesto la pioggia, mi aspettavo che modificasse l’immagine originale, non quella notturna. 

Possiamo aggirare il problema specificando l’immagine nel prompt o iniziando una nuova conversazione.

6. Color grading

La maggior parte del mio fotoritocco consiste nel regolare i colori, non nel modificare il contenuto della foto.

Ero curioso di vedere quanto fosse bravo GPT-4o nel color grading, quindi ho fatto degli esperimenti su una mia foto. Uno dei miei film preferiti è Blade Runner 2049 e mi piace molto l’estetica generale: volevo vedere se GPT-4o riuscisse a color grading una mia foto urbana in quello stile. Ecco il risultato:

Il risultato mi è piaciuto molto. Mi ha fatto risparmiare tantissimo tempo rispetto a farlo a mano. Apprezzo anche il fatto che abbia (per lo più) preservato l’integrità dell’immagine.

In questo esempio descriviamo il risultato desiderato a parole. Ho anche provato a fornirgli un’immagine di esempio con una palette di colori per vedere se riuscisse a color grading la mia foto in quello stile. Secondo me ha fatto un ottimo lavoro.

7. Infografiche e diagrammi

Un’infografica è una rappresentazione visiva di informazioni o dati, pensata per rendere più rapide da comprendere idee complesse. Finora non ho visto un modello capace di produrre infografiche davvero utili.

Mettiamo alla prova GPT-4o chiedendogli di generare un’infografica che spieghi perché a Taiwan ci sono così tanti terremoti.

Il primo risultato era piuttosto impreciso: sia la posizione che l’ortografia di Taiwan erano sbagliate. Ho chiesto di correggere e ho ottenuto un risultato migliore. Tuttavia, anche il nuovo non è perfetto perché la fine della spiegazione è tagliata.

Questo mostra che il modello non è ancora perfetto. Però ho visto molti esempi online in cui se l’è cavata bene in questo compito.

Come docente online, spesso devo creare diagrammi per i miei contenuti. Ho provato a chiedere a GPT-4o di generarli, ma non sono riuscito a trovare un buon risultato. Ecco cosa ho ottenuto chiedendo un diagramma che illustri il Merge Sort. Il diagramma coglie l’idea giusta, ma tutti i dettagli sono errati.

In generale, credo che questo sia un ambito in cui questi modelli debbano ancora migliorare molto.

8. Aggiungere elementi a un’immagine esistente

Infine, ho provato a modificare una foto esistente aggiungendovi degli elementi. In questo esempio, ho una foto scattata all’interno di una sala da tè e ho chiesto di disegnare una tazza da tè sul tavolo:

Avevo provato a generare questa immagine da zero con DALL-E in precedenza, ma ogni volta l’aspetto generale non risultava molto realistico. Poter aggiungere elementi a una fotografia reale rende molto più semplice ottenere il risultato che cercavo.

Conclusione

In questo articolo abbiamo esplorato le nuove e interessanti funzionalità della generazione di immagini con GPT-4o e le sue notevoli capacità. Con otto esempi pratici, abbiamo visto come questo modello possa creare testo nelle immagini, gestire la trasparenza e mantenere la coerenza dei personaggi. Ogni funzionalità ha mostrato quanto sia versatile ed efficace GPT-4o nel dare vita a visioni creative.

Ritengo che ci sia ancora margine di miglioramento per quanto riguarda infografiche e diagrammi. In questi casi, le immagini generate sono coerenti con i prompt ma mancano di accuratezza e consistenza fattuale.

Era da tempo che non mi entusiasmavo così per un rilascio di AI. A mio avviso, GPT-4o è un vero punto di svolta nel campo della generazione di immagini. Non vedo l’ora di sperimentare ancora e ho già tantissime idee che non vedo l’ora di esplorare e realizzare.