Генератор изображений GPT-4o

Изображения высокой точности и детализации

GPT-4o может создавать изображения, содержащие множество отдельных объектов — до 10-20 — сохраняя при этом четкость и реализм. Эта возможность поддерживает сложные сцены, включающие множество персонажей, объектов и фонов, каждый из которых отображается с соответствующей детализацией и пространственными соотношениями.

Промпт	Выходное изображение
Квадратное изображение, содержащее сетку из 4 строк и 4 столбцов, включающую 16 объектов на белом фоне. Расположение слева направо, сверху вниз. Вот список:
Покажите мне бокал, в котором всего лишь крошечная капля красного вина.
Нам нужны доказательства существования невидимого слона. Подумайте, что такое слон и как он влияет на окружающую среду, а затем покажите нам это, возможно, в процессе работы, но самого слона показывать не нужно.

Поддержка нескольких стилей изображений

Генерация изображений GPT-4o поддерживает широкий и универсальный диапазон стилей изображений, что делает её легко адаптируемой к различным творческим и практическим потребностям. Модель превосходно справляется с созданием фотореалистичных изображений, художественных стилей или мультяшных визуальных образов в зависимости от задания.

Вероятно, популярность функции генерации изображений в GPT-4o объясняется её способностью создавать изображения в известных аниме-стилях, включая Studio Ghibli , South Park, The Simpsons и другие.

Вход	Студия Гибли	Южный Парк	Симпсоны

Точное отображение текста

Одной из выдающихся возможностей генерации изображений GPT-4o является способность четко и точно отображать текст на изображениях, что было известной проблемой в более ранних моделях генерации изображений. Это позволяет создавать инфографику, вывески или любые изображения, требующие разборчивого текста.

Промпт	Выходное изображение
Магнитная надпись на холодильнике в доме середины прошлого века: Строка 1: "Картина" Строка 2: "стоит" Строка 3: "тысяча слов", Строка 4: "но иногда" Большой пробел Строка 5: "в нужном месте" Строка 6: "может возвышать" Строка 7: "его смысл." «Мужчина держит в правой руке слова „несколько“, а в левой — „слова“».
Создайте изображение четырехпанельной полосы с небольшим отступом по краям: В шикарном автосалоне на прилавке сидит маленькая улитка. Продавец наклонился над столом, чтобы ее разглядеть. Крупный план улитки с очень серьезным выражением лица. Он говорит: «Мне нужна твоя самая быстрая спортивная машина… и я хочу, чтобы ты нарисовал большие буквы „S“ на дверях, капоте и крыше». Продавец чешет затылок. «Э-э… ​​мы можем это сделать, но зачем эти буквы S?» Резкий переход к красному размытому силуэту, мчащемуся по шоссе. Спортивный автомобиль весь покрыт гигантскими буквами S. Люди на тротуаре указывают на него пальцами и смеются: «Ух ты! Посмотрите, как эта машина с буквой S мчится!»
Инфографика, подробно объясняющая эксперимент Ньютона с призмой.

Интерактивное редактирование и преобразование изображений

Пользователи могут загружать существующие изображения и давать GPT-4o указания по их изменению или преобразованию, например, удалению бликов, изменению фона или применению стилистических изменений, что делает его полезным для практических задач редактирования фотографий, выходящих за рамки создания изображений с нуля.

Технология генерации изображений GPT-4o также поддерживает многоэтапное взаимодействие, что означает, что пользователи могут уточнять изображения в ходе постоянного диалога, запрашивая изменения или улучшения для лучшего соответствия своему видению.

Раунд генерации	Ввод данных пользователем	Выходное изображение
Раунд 1	Наденьте на этого кота детективную шляпу и монокль.
Раунд 2	Превратить это в видеоигру класса AAA, созданную на движке 4K, и добавить пользовательский интерфейс в виде наложения из загадочной RPG, где вверху будут отображаться полоска здоровья и мини-карта, а внизу — заклинания с единообразной иконографией.
Раунд 3	Обновите изображение до альбомного соотношения сторон 16:9, добавьте больше заклинаний в пользовательский интерфейс и уменьшите масштаб, чтобы мы видели кошку от третьего лица, идущую по стимпанковому Манхэттену, создавая красивый контраст и освещение, как в лучших AAA-играх, с холодными тонами.
Раунд 4	Создайте интерфейс, который будет отображаться, когда игрок открывает меню: профиль персонажа-кота с его снаряжением и ещё одна страница с активными заданиями (и это должно соответствовать вселенной, которую мы описываем на изображении).

Контекстная осведомленность и использование знаний

GPT-4o использует свои обширные знания языка и окружающего мира для создания изображений, которые не только визуально целостны, но и контекстуально значимы. Он понимает отсылки к реальным объектам, стилям, культурным элементам и может грамотно включать их в изображения.

Это позволяет создавать изображения, соответствующие определенным темам, историческим периодам или художественным направлениям, повышая их актуальность и глубину.

Раунд генерации	Ввод данных пользователем	Выходное изображение
Раунд 1	Нарисуйте эскиз транспортного средства с треугольными колесами, используя эти изображения в качестве参考. Обозначьте переднее колесо, заднее колесо, а в конце диаграммы напишите (маленькими буквами): Транспортное средство с треугольными колесами. Патент Англии. 2025. OpenAI.
Раунд 2	Теперь поместите это на фотографию, сделанную в Нью-Йорке.