GPT-4o -billedgenerering

Billeder med høj kvalitet og detaljer

GPT-4o kan generere billeder, der indeholder mange forskellige objekter – op til 10-20 – samtidig med at klarhed og realisme bevares. Denne funktion understøtter komplekse scener, der inkluderer flere karakterer, objekter og baggrunde, der hver især gengives med passende detaljer og rumlige forhold.

Hurtig	Outputbillede
Et firkantet billede med et gitter på 4 rækker gange 4 kolonner, der indeholder 16 objekter på en hvid baggrund. Gå fra venstre mod højre, top til bund. Her er listen:
Vis mig et vinglas med kun den mindste dråbe rødvin i.
Vi har brug for beviser for, at der findes en usynlig elefant i øjeblikket. Overvej, hvad en elefant er og gør i miljøet, og vis os det så, måske midt i processen - men selve elefanten vises slet ikke.

Understøttelse af flere billedstile

GPT-4o billedgenerering understøtter en bred og alsidig vifte af billedstile, hvilket gør den yderst tilpasningsdygtig til forskellige kreative og praktiske behov. Modellen udmærker sig ved at producere fotorealistiske billeder, kunstneriske stilarter eller tegneserielignende visuelle effekter afhængigt af opgaven.

Det, der sandsynligvis gør GPT-4o billedgenereringsfunktionen så populær, er dens evne til at generere de velkendte anime-stilarter, herunder Studio Ghibli , South Park, The Simpsons og flere.

Input	Studio Ghibli	Sydparken	Simpsons-familien

Præcis tekstgengivelse

En af de mest bemærkelsesværdige funktioner ved GPT-4o billedgenerering er dens evne til at gengive tekst i billeder klart og præcist, en kendt udfordring i tidligere billedgenereringsmodeller. Dette giver mulighed for at skabe infografik, skiltning eller ethvert andet billede, der kræver læsbar tekst.

Hurtig	Outputbillede
Magnetisk poesi på et køleskab i et hjem fra midten af ​​århundredet: Linje 1: "Et billede" Linje 2: "er værd" Linje 3: "tusind ord" Linje 4: "men nogle gange"Stort hulLinje 5: "på det rigtige sted" Linje 6: "kan hæve" Linje 7: "dens betydning. Manden holder ordene "et par" i sin højre hånd og "ord" i sin venstre.
Lav et billede af en strimmel med fire paneler, med lidt polstring omkring kanten: En lille snegl står ved disken i et prangende bilshowroom. Sælgeren har lænet sig langt over disken for overhovedet at kunne se ham. Nærbillede af sneglen, der ser meget alvorlig ud. Han siger: "Jeg vil have din hurtigste sportsvogn ... og jeg vil have, at du maler store 'S'er på dørene, motorhjelmen og taget." Sælgeren klør sig i hovedet. "Øhm ... det kan vi godt, men hvorfor S'erne?" Smash cut til en rød sløring, der drøner ned ad motorvejen. Sportsvognen er dækket af kæmpe S'er. Folk på fortovet peger og griner: "WOW! SE PÅ DEN S-CAR GO!"
en infografik, der forklarer Newtons prismeeksperiment i detaljer

Interaktiv billedredigering og -transformation

Brugere kan uploade eksisterende billeder og instruere GPT-4o i at ændre eller transformere dem, f.eks. fjerne refleksioner, ændre baggrunde eller anvende stilistiske ændringer, hvilket gør det nyttigt til praktiske fotoredigeringsopgaver ud over at generere billeder fra bunden.

GPT-4o billedgenerering understøtter også interaktioner med flere vendinger, hvilket betyder, at brugerne kan forfine billeder gennem løbende dialog og anmode om ændringer eller forbedringer, så de bedre matcher deres vision.

	Brugerinput	Outputbillede
Runde 1	Giv denne kat en detektivhat og en monokel
Runde 2	Lav dette om til et triple A-videospil lavet med en 4k-spilmotor og tilføj en brugergrænseflade som overlay fra et mystisk RPG, hvor vi kan se en sundhedslinje og et minimap øverst samt trylleformularer nederst med ensartet ikonografi.
Runde 3	Opdater til et landskabsbillede i 16:9-forhold, tilføj flere trylleformularer i brugergrænsefladen, og udzoom det visuelle, så vi ser katten i et tredjepersonsperspektiv, der går gennem et steampunk-Manhattan, hvilket skaber smuk kontrast og belysning som i det bedste Triple A-spil, med kølige farver.
Runde 4	Opret brugerfladen, når spilleren åbner menuen, og vi ser kattens karakterprofil med dens udstyr og en anden side, der viser aktive opgaver (og det burde give mening i forhold til den universverdensopbygning, vi beskriver på billedet)

Kontekstuel bevidsthed og vidensbrug

GPT-4o udnytter sin omfattende træning i sprog og verdenskendskab til at generere billeder, der ikke kun er visuelt sammenhængende, men også kontekstuelt meningsfulde. Den forstår referencer til virkelige objekter, stilarter og kulturelle elementer og kan intelligent inkorporere disse i billeder.

Dette gør det muligt at generere billeder, der er i overensstemmelse med specifikke temaer, historiske perioder eller kunstneriske bevægelser, hvilket forbedrer relevans og dybde.

	Brugerinput	Outputbillede
Runde 1	Tegn et design til et køretøj med trekantede hjul, og brug disse billeder som reference. Mærk forhjulet, baghjulet, og angiv (med små bogstaver) ved hjørnet af diagrammet TREKANTHJULKØRETØJ. Engelsk patent. 2025. ÅBEN.
Runde 2	Sæt nu dette på et billede taget i New York City.