Lộ trình
Cơ bản về Trí tuệ Nhân tạo
10 giờ
GPT-4o Image Generation là gì?
Tạo ảnh với GPT-4o là một tính năng mới trong mô hình GPT-4o cho phép người dùng tạo hình ảnh trực tiếp trong ChatGPT. Tính năng này mang khả năng tạo ảnh bản địa lên nền tảng, giúp nhiều mục đích sử dụng như sáng tạo, giáo dục và hơn thế nữa trở nên dễ tiếp cận.
Sự ra mắt này là một bước nhảy vọt so với các công nghệ tạo ảnh trước đây, với mục tiêu giúp việc tạo ảnh chính xác hơn, thân thiện hơn với người dùng và hữu ích trong nhiều tình huống. Chẳng hạn, người dùng giờ có thể tạo ảnh bằng cách đưa ra lời nhắc cụ thể, pha trộn ảnh với văn bản, hoặc thậm chí chỉnh sửa ảnh bằng các hướng dẫn đơn giản.
Nhìn chung, GPT-4o có thể dùng cho nhiều tác vụ sáng tạo như làm truyện tranh, thiết kế thẻ sưu tập, tạo meme, hoặc thậm chí tạo học liệu để giải thích các chủ đề phức tạp. Ví dụ, tôi đã yêu cầu ChatGPT tóm tắt nội dung phần này bằng một infographic:
Ví dụ infographic sử dụng tính năng tạo ảnh của GPT-4o
Cách truy cập tính năng tạo ảnh của GPT-4o?
Tính năng tạo ảnh GPT-4o có sẵn như bộ tạo ảnh mặc định trong ChatGPT. Theo OpenAI, tính năng này dành cho người dùng Plus, Pro, Team và Free. Tuy nhiên, theo trải nghiệm của tôi, tôi không thể dùng được trên gói Free, và sau đó OpenAI xác nhận rằng hiện chưa mở trên gói Free do nhu cầu quá cao.
Các nhà phát triển sẽ có cơ hội tạo ảnh với GPT-4o thông qua API trong vài tuần tới.
Bạn có thể tạo ảnh với GPT-4o bằng cách chọn mô hình GPT-4o và đưa ra lời nhắc văn bản mô tả thứ bạn muốn tạo.
Chúng ta cũng có thể tiếp tục trò chuyện để yêu cầu chỉnh sửa:
Ví dụ về tạo ảnh với GPT-4o
Giờ chúng ta đã biết cách sử dụng mô hình, hãy trình diễn những gì nó có thể làm qua tám ví dụ thực tế.
OpenAI cho rằng mô hình mới này không chỉ tạo ảnh đẹp mắt. Nó còn có thể tạo ra những hình ảnh hữu ích trong đời thực. Theo tôi, để một mô hình tạo ảnh thực sự hữu ích, nó phải có khả năng chỉnh sửa ảnh hiện có hoặc áp dụng một phong cách sẵn có một cách nhất quán.
Trong các tình huống thực tế, chúng ta thường không muốn một bức ảnh từ con số 0. Thay vào đó, ta có một phong cách và muốn tạo ảnh theo phong cách đó, hoặc có một bức ảnh và cần chỉnh sửa nó theo một cách nào đó. Dưới đây là vài ví dụ:
- Chủ quán cà phê muốn đăng ảnh tiếp thị sẽ không muốn một bức ảnh ngẫu nhiên về quán cà phê—họ muốn ảnh về chính quán của họ.
- Nếu tôi dùng AI để kể một câu chuyện bằng hình ảnh, tôi cần giữ nhân vật nhất quán xuyên suốt câu chuyện. Ảnh không nhất quán thì vô dụng.
- Với tư cách nhiếp ảnh gia, tôi không hứng thú tạo một bức ảnh từ đầu không tồn tại ngoài đời. Tôi muốn có thể chỉnh sửa một bức ảnh hiện có.
1. Văn bản
Ở ví dụ logo, ta đã thấy GPT-4o có thể tạo chữ trong ảnh. Tạo văn bản độc lập có lẽ là ví dụ dễ nhất.
Để kiểm thử sâu hơn, tôi thử tạo chữ trên một vật thể:
Ví dụ này cho thấy hai điểm quan trọng:
- Mô hình có thể tạo chữ trên một vật thể theo cách phù hợp với hình dạng của vật thể.
- Mô hình hiểu màu sắc và tuân theo bảng màu.
Để đẩy mô hình xa hơn, tôi yêu cầu tạo đoạn chữ dài và hiển thị trong ảnh một cách dễ đọc. Kết quả như sau:
Tôi thấy rất ấn tượng. Những mô hình khác mà tôi thử trước đây không làm tốt tác vụ này đến vậy.
2. Nền trong suốt
GPT-4o có thể tạo ảnh với các vùng trong suốt. Điều này đặc biệt hữu ích cho những hình dùng để chồng lên nội dung khác, như sticker nhân vật trong game.
Tôi chụp một bức ảnh của mình và yêu cầu GPT-4o tạo nhân vật pixel art dựa trên đó. Đây là kết quả:
Lưu ý rằng mặc định nó không tạo nền trong suốt, nhưng khi yêu cầu thì hoạt động rất tốt và không làm thay đổi kết quả gốc.
3. Tính nhất quán của nhân vật
Dựa trên đoạn trò chuyện trước đó, tôi thử tạo một khung cảnh dùng nhân vật pixel art mà tôi đã tạo. Kết quả như sau:
Nhân vật trong ảnh này có độ phân giải khác so với bản gốc. Nó có nhiều chi tiết hơn, có vẻ GPT-4o đã tạo một nhân vật mới dựa trên ảnh chụp chứ không dùng lại nhân vật đã tạo trước đó.
Dù vậy, kết quả vẫn đẹp, nhưng chưa thể dùng ngay trong game vì chúng ta cần hai nhân vật nhất quán hơn. Ở giai đoạn này, nó phù hợp làm nguồn cảm hứng cho nghệ sĩ pixel hơn là kết quả cuối cùng.
4. Tạo một câu chuyện chi tiết
Tiếp theo, tôi muốn tạo một dải truyện tranh kể câu chuyện tôi chụp ảnh phong cảnh thành phố Đài Bắc vài tháng trước. Tôi dùng bài toán này để kiểm thử cách GPT-4o xử lý việc tạo ảnh từ hướng dẫn chi tiết.
Tôi bắt đầu bằng cách yêu cầu mô hình tạo một nhân vật truyện tranh dựa trên chính tôi. Sau đó, tôi cung cấp chi tiết cho từng khung trong dải truyện tranh.
Kết quả đầu tiên khá gần với điều tôi muốn, nhưng chưa hoàn toàn chính xác. Ngoài ra, tôi lại cảm nhận mô hình tạo một nhân vật mới thay vì dùng nhân vật ban đầu.
Tuy nhiên, sau khi tôi yêu cầu điều chỉnh, tôi rất hài lòng với kết quả. Thật thú vị khi thấy đêm hôm đó sống lại dưới dạng một dải truyện tranh.
Tôi đặc biệt thích việc nó có thể mô phỏng lại bức ảnh ở khung cuối. Tôi nghĩ điều đó nâng tầm kết quả.
5. Chỉnh sửa ảnh
Tiếp theo, tôi thử chỉnh sửa ảnh. Vài tháng trước, khi trở về châu Âu, tôi chụp một tấm trước khi lên máy bay. Tiếc là cửa kính bị phản chiếu khó chịu vì tôi chụp từ bên trong. Tôi đã thử dùng Photoshop để xóa nhưng không thành công.
Tôi thử lại với GPT-4o, và kết quả rất tốt.
Dưới đây là một vài ví dụ khác về chỉnh sửa ảnh bằng GPT-4o:
Một lần nữa, chưa hoàn hảo nhưng khá ổn. Ở ví dụ đầu, người đã được xóa nhưng tòa nhà phía sau bị thay đổi. Ảnh ban đêm trông đẹp nhưng hơi tối quá.
Một chi tiết thú vị khác là do đặc tính hội thoại của GPT-4o, nó có xu hướng áp dụng thay đổi mới lên bức ảnh gần nhất. Trong trường hợp này, khi tôi yêu cầu trời mưa, tôi kỳ vọng nó sẽ chỉnh trên ảnh gốc, không phải ảnh ban đêm.
Ta có thể khắc phục bằng cách chỉ rõ bức ảnh trong lời nhắc hoặc bắt đầu cuộc trò chuyện mới.
6. Chỉnh màu (color grading)
Phần lớn việc chỉnh sửa ảnh của tôi là điều chỉnh màu sắc, không phải thay đổi nội dung ảnh.
Tôi tò mò muốn biết GPT-4o chỉnh màu tốt đến đâu, nên đã thử trên một bức ảnh của mình. Một trong những bộ phim tôi thích là Blade Runner 2049, tôi mê phong cách thẩm mỹ tổng thể của phim, nên muốn xem GPT-4o có thể chỉnh màu ảnh đô thị của tôi theo phong cách đó không. Kết quả như sau:
Tôi rất thích kết quả. Nó tiết kiệm cho tôi rất nhiều thời gian so với tự chỉnh. Tôi cũng đánh giá cao việc nó (phần lớn) giữ nguyên tính toàn vẹn của bức ảnh.
Trong ví dụ này, ta mô tả mong muốn bằng văn bản. Tôi cũng thử đưa một ảnh mẫu với bảng màu để xem nó có thể chỉnh màu ảnh của tôi theo phong cách đó không. Theo tôi, nó làm rất tốt.
7. Infographic và sơ đồ
Infographic là hình minh họa thông tin hoặc dữ liệu nhằm giúp ý tưởng phức tạp dễ hiểu nhanh chóng. Cho đến nay, tôi chưa thấy mô hình nào tạo được infographic thực sự hữu ích.
Hãy thử nghiệm GPT-4o bằng cách yêu cầu tạo một infographic giải thích vì sao có nhiều trận động đất ở Đài Loan.
Kết quả đầu tiên khá thiếu chính xác, vì cả vị trí lẫn cách viết tên Đài Loan đều sai. Tôi yêu cầu sửa và đã nhận được kết quả tốt hơn. Tuy nhiên, kết quả mới vẫn chưa hoàn hảo vì phần cuối lời giải thích bị cắt mất.
Điều này cho thấy mô hình vẫn chưa hoàn hảo. Dẫu vậy, tôi đã thấy nhiều ví dụ trực tuyến nơi nó làm khá tốt tác vụ này.
Là một giảng viên trực tuyến, tôi thường cần tạo sơ đồ cho nội dung của mình. Tôi đã thử yêu cầu GPT-4o tạo sơ đồ, nhưng chưa tìm được kết quả ưng ý. Đây là những gì tôi nhận được khi yêu cầu sơ đồ minh họa Merge Sort. Sơ đồ nắm được ý tưởng đúng, nhưng mọi chi tiết đều sai.
Nhìn chung, tôi cảm thấy đây là mảng mà các mô hình vẫn cần cải thiện rất nhiều.
8. Thêm yếu tố vào ảnh hiện có
Cuối cùng, tôi thử chỉnh một bức ảnh sẵn có bằng cách thêm các yếu tố vào đó. Trong ví dụ này, tôi có một bức ảnh chụp từ bên trong tiệm trà và yêu cầu vẽ một tách trà trên bàn:
Trước đây tôi đã thử tạo bức ảnh này từ đầu bằng DALL-E, nhưng mỗi lần đều không cho ra tổng thể đủ chân thực. Khả năng thêm yếu tố vào một bức ảnh thật giúp tôi dễ đạt được kết quả mong muốn hơn nhiều.
Kết luận
Trong bài viết này, chúng ta đã khám phá những tính năng mới đầy hứng khởi của tạo ảnh với GPT-4o và các khả năng ấn tượng của nó. Qua tám ví dụ thực tiễn, chúng ta thấy mô hình có thể tạo chữ trong ảnh, xử lý nền trong suốt và giữ tính nhất quán của nhân vật. Mỗi khả năng đều cho thấy GPT-4o linh hoạt và hiệu quả thế nào trong việc hiện thực hóa ý tưởng sáng tạo.
Tôi cho rằng nó vẫn còn nhiều dư địa để cải thiện khi nói đến infographic và sơ đồ. Các hình tạo ra trong những trường hợp này phù hợp với lời nhắc nhưng thiếu độ chính xác và nhất quán về mặt thực tế.
Đã lâu rồi tôi mới hào hứng với một bản phát hành AI đến vậy. Theo tôi, GPT-4o thực sự là bước ngoặt trong lĩnh vực tạo ảnh. Tôi rất nóng lòng tiếp tục thử nghiệm và đã có sẵn vô số ý tưởng muốn khám phá và hiện thực hóa.
