GPT-4o 图像生成：8 个实用示例指南

什么是 GPT-4o 图像生成？

GPT-4o 图像生成是 GPT-4o 模型中的一项新功能，允许用户在 ChatGPT 内直接创建图像。该功能将原生图像生成带到平台上，可广泛用于创意、教育等多种场景。

此次发布相较以往的图像生成技术是一次重大飞跃，旨在让图像创作在多种情境下更加准确、易用且实用。例如，用户现在可以通过提供特定提示词生成图像、将图像与文本融合，甚至通过简单指令编辑图像。

总体而言，GPT-4o 图像生成可用于多种创意任务，比如制作漫画、设计交易卡、打造表情包，或创作用于解释复杂主题的教育材料。比如，我让 ChatGPT 通过信息图的形式概括本节内容：

使用 GPT-4o 图像生成的信息图示例

如何使用 GPT-4o 图像生成？

GPT-4o 图像生成功能在 ChatGPT 中作为默认图像生成器提供。根据 OpenAI 的说法，Plus、Pro、Team 和 Free 用户均可使用。不过，就我的体验而言，我在 Free 方案上没能用起来，后来OpenAI 也证实，由于需求量很大，Free 方案暂未开放访问。

开发者将在未来几周内通过 API 使用 GPT-4o 生成图像。

您可以选择 GPT-4o 模型，并提供描述所需内容的文本提示词来创建图像。

我们还可以继续对话来请求修改：

GPT-4o 图像生成示例

既然已经了解了如何使用这个模型，接下来就通过八个实用示例来展示它能做什么。

OpenAI 表示，这个新模型不仅能生成好看的图片，更能在现实世界中发挥作用。在我看来，要让图像生成模型真正有用，它必须能够修改现有图像，或者一致地应用既有风格。

在真实场景中，我们通常并不需要从零开始生成一张图。我们可能已经有一种风格，并希望按该风格生成图像，或手头有一张照片，需要以某种方式进行修改。以下是一些例子：

• 咖啡店老板想发一张营销照片，并不想要一张随机咖啡店的图片——他们想要的是自家咖啡店的照片。

• 如果我用 AI 创作一则视觉故事，就需要在整个故事中保持角色的一致性。如果图像不一致，就没有用。

• 作为摄影师，我对凭空生成现实中不存在的图像并不感兴趣。我更希望能编辑一张现有的照片。

1. 文本

在徽标示例中我们已经看到，GPT-4o 能在图像中生成文本。生成独立文本可能是最简单的例子。

为了进一步测试，我尝试在物体上生成文本：

这个示例展示了两个重要特性：

1. 模型能够生成与物体形状保持一致的物体文字。
2. 模型能理解颜色并遵循配色方案。

为了更进一步，我让它生成更长的文本，并以可读的方式显示在图像中。结果如下：

我对此印象深刻。我此前试过的其他模型在这项任务上的表现都不如它。

2. 透明度

GPT-4o 能生成包含透明区域的图像。这对于需要叠加在其他内容之上的图像尤其有用，比如来自游戏角色的贴纸。

我拍了一张自己的照片，并让 GPT-4o 基于此创建一个像素风角色。结果如下：

需要注意的是，它默认并不会生成透明背景，但提出这个要求后，效果很好，而且没有改变原始结果。

3. 角色一致性

基于之前的对话，我尝试用我生成的像素角色来生成一个场景。结果如下：

这张图中的角色分辨率与原来不同。细节更多，似乎 GPT-4o 根据照片又生成了一个新的角色，而不是直接使用之前创建的角色。

结果依然不错，但如果要在游戏中直接使用还不够，因为我们需要两个角色更加一致。在这个阶段，它更适合作为像素艺术家的灵感参考，而非最终成品。

4. 创作一个细节丰富的故事

接下来，我想用连环画来讲述几个月前我如何拍下台北城市夜景的故事。我借此测试 GPT-4o 依据详细指令生成图像的能力。

我先让模型基于我本人生成一个漫画角色，然后提供连环画每一格的细节。

第一次的结果与我想要的很接近，但还不完全准确。而且我再次感觉到，模型是生成了一个新角色，而不是沿用它最初生成的那个。

不过，在我提出修改后，我对结果非常满意。看到那个夜晚以连环画的形式“活”了过来，是一种很有趣的体验。

我尤其喜欢它能在最后一格模仿那张照片。我认为这让整体效果更上一层楼。

5. 照片编辑

接着我尝试了照片编辑。几个月前我返回欧洲旅行，登机前拍了一张照片。不幸的是，因为是在机舱内拍摄，窗户上出现了恼人的反光。我试过用 Photoshop 去除，但没成功。

我又用 GPT-4o 试了一次，效果非常好。

以下是使用 GPT-4o 编辑照片的其他几个示例：

同样，它并不完美，但已经相当不错。第一个例子中，人群被移除了，但后方建筑被改动了。夜景照片很漂亮，但稍微有点太暗。

另一个有趣的细节是，由于 GPT-4o 的对话式特点，它倾向于将新变更应用到最新的图像上。在这个案例里，我要求下雨时，原本预期是修改最初的图像，而不是夜景图像。

我们可以通过在提示中明确指定要修改的图像，或开启一段新对话来规避这一点。

6. 调色

我的大部分照片编辑工作都是调整颜色，而不是修改照片内容。

我很好奇 GPT-4o 的调色能力如何，于是用我的一张照片做了实验。我最喜欢的电影之一是《银翼杀手 2049》，我很喜欢这部电影的整体美学风格，所以想看看 GPT-4o 能否把我的城市照片调成那种风格。结果如下：

我很喜欢这个结果。与自己手动编辑相比，它为我节省了大量时间。我也很喜欢它（大体上）保留了图像的完整性。

在这个示例中，我们以文字描述期望的效果。我还试过给它一张带有色彩调性的示例图，看看它能否用那种风格给我的照片调色。在我看来，它完成得非常好。

7. 信息图与示意图

信息图是一种对信息或数据的可视化呈现，旨在让复杂观点更易于快速理解。到目前为止，我还没见过能产出实用信息图的模型。

让我们来测试一下 GPT-4o，请它生成一张解释台湾为何多地震的信息图。

第一个结果相当不准确，台湾的位置和拼写都不对。我让它修正后，结果更好了。不过，新结果仍不完美，因为说明的结尾被截断了。

这说明模型还不够完美。不过，我在网上也看到很多它在该任务上表现不错的例子。

作为一名线上教育工作者，我经常需要为内容制作示意图。我试着让 GPT-4o 为我生成示意图，但没能得到理想结果。以下是我请求绘制归并排序示意图时的产出。该图抓住了大致思路，但所有细节都不正确。

总体而言，我认为这还是模型需要大幅改进的一个领域。

8. 向现有图像中添加元素

最后，我尝试通过往现有照片中添加元素来进行修改。在这个示例中，我有一张在茶馆内拍摄的照片，我让它在桌上画一个茶杯：

此前我也试过用 DALL-E 从零生成这张图，但每次图像的整体质感都不够真实。能在真实照片上添加元素，让我更容易得到想要的效果。

结语

本文我们探索了 GPT-4o 图像生成功能的诸多亮点及其出色能力。通过八个实用示例，我们看到该模型如何在图像中生成文本、处理透明度并保持角色一致性。每项能力都展示了 GPT-4o 在将创意愿景化为现实方面的多才多艺与高效。

我觉得在信息图和示意图方面，它仍有很大的提升空间。在这些场景下，它生成的图像与提示相符，但在准确性和事实一致性上有所欠缺。

已经很久没有对一款 AI 的发布如此兴奋了。在我看来，GPT-4o 是图像生成领域真正的颠覆者。我迫不及待地想继续试验它，脑海里已有许多点子，等着去探索并付诸实现。