制服丝袜 在线

2025 年 3 月 26 日，OpenAI 凌晨官宣，GPT-4o 的原生多模态图像生成功能雅致上线。用户不再需要登录 OpenAI 的文生图模子 DALL-E，不错顺利在 ChatGPT 诓骗里调用 4o 生成、修改图片。

整宿之间，AI 生成的吉卜力求像在 X 等叮嘱媒体上疯传，互联网被一场温和的二次元画风海浪兼并。东谈主们上传自拍照，输入"吉卜力作风"，几秒后，宫崎骏动画中的唯好意思与梦乡便流淌在发丝衣角间，以致连 OpenAI 首创东谈主奥特曼也晒出我方的吉卜力头像，为这场激越添了一把火。

不外，吉卜力的火爆仅仅其一，更关节的是，GPT-4o 的绘图智力出圈冲突了文生图限制的固有步地，以 Midjourney 等垂类诓骗为首的赛谈第一次遭到了大模子的挑战。

正本，东谈主们用 Midjourney 生图时，仍濒临着一个致命问题：立地性太强，在教唆词过于复杂的期间，细节复原度就会权臣镌汰，而 GPT-4o 控图智力的跃升，让东谈主类第一次感受到了与 AI 艺术家在多轮对话中精确改图的魔力。

那么，一个东谈主类印象里只会聊天的通用大模子 GPT-4o，是如何赶超文生图限制专科选手 Midjourney 的呢？

推行上，访佛 Midjourney 一样的诓骗早在一年前就能生成吉卜力、赛博一又克、超现实等多种作风的图像，以致在画面考究感、默契力上略胜于 GPT-4o。但 GPT-4o 的贤达之处在于，它莫得聘用正面硬刚其艺术限制的生图质地，而是在诓骗门槛、修图改图、跨学科智力等细分赛谈弯谈超车。

一是当然言语对话智力的耕种大大镌汰了使用门槛。传统文生图限制，用户必须掌抓一套复杂的结构化教唆指示，比如作风、镜头、颜色、角度、布景、主体等，差之豪厘、谬以沉。而 GPT-4o 不错精确清楚当然言语高歌，只需要像跟好友一样换取，张嘴绘图成为现实。

当然言语即是大口语，日常生涯中的理论语。比如，淌若你需要一张瀑布图，只需要告诉 GPT-4o，"帮我生成一幅朝晨粘稠丛林里的彩虹瀑布"就不错了。但面对 Midjourney 就需要像下图一般，用高度结构化的 prompt 指示告诉它：这个图像的主体有什么，布景是什么热沈，仰角、俯角照旧平视，作风是油画、古典或者赛博一又克，需要细分到这种进度才可能达到理思效率，但就算分得这样细了，依然会有一些无关雄伟的画面元素跳出来画虎类狗。

二是多模态智力带来的图生图、图改图功能的上线。访佛 Midjourney 一样的诓骗只可发笔墨指示，不相沿上传一张图片再作念修改，或者说不相沿 AI 生图后，再调度图像的分辩率、颜色、布景。淌若成图效率不睬思，只可回到第一步重写教唆词碰气运，之前生成的图像等同作废。

GPT-4o 的强悍就在于用户不错浮松上传一张图片屡次修改，不错是 AI 生成的，也不错是我方拍的。比如，你不错上传一张全身照，把头型换成大波浪，把一稔换成购物车里的裙子看上身效率。它相沿在现存的图片上去 p 图去修改，相等于咱们无谓学习 PS 这种具有高壁垒性质的修图技巧。

更牛的是它还不错多轮对话，相沿在原图上不限次数地一直改，直到安闲为止。你不错一会儿改一个头发，一会儿把布景换成沙漠，或者一会儿调度滤镜作风。只好你思，它便得志。

图源：小红书 @Mr. 汤先森

除了交互门槛的镌汰和控图智力的耕种，GPT-4o 的跨学科常识储备也让东谈主惊艳。集成了大言语模子原有常识库的 GPT-4o 相等于一个知天文、晓地舆的画家，不仅能解高数、作念物理题，复原配置草图也不在话下。比较之下，Midjourney 动作垂类诓骗永久局限在艺术限制里，为电影宣发、告白等文娱产业劳动。

GPT-4o 有多牛？给一个题目就不错生成函数图像，相等于一款绘图指示版的拍照搜题诓骗。以致于你给他一个莫得任何颜色的铅笔画配置草图，它皆能生成出施工后的房屋实景，填塞当先了学科的领域，是一个文理双全的万能型选手。

图源：小红书 @云安

既然 GPT-4o 生图改图功能如斯惊艳，咱们就要提问了，在其火爆出圈背后，能够为往往东谈主带来什么推行价值呢？

就在其上线一周内，Midjourney CEO 大卫 · 霍尔兹坐不住了，发文称：GPT-4o 仅仅花架子，Midjourney-v7 下周上线。

GPT-4o 和 Midjourney 孰优孰劣，当今还难以定论。但能够确定的是，GPT-4o 火出圈了，它冲出了打算师这个小众的圈子，走入了大无数东谈主的使命场景里，就算填塞不知谈 AI 生图是什么，但一定也知谈叮嘱媒体上转眼冒出一个能用嘴 P 图的汇聚器用。

那么，GPT-4o 为什么这样火，给咱们带来的一个最推行的价值点在那处？

首先，它果真作念到了诓骗零门槛，用户以致不需要任何艺术功底和 AI 基础，毫无基础的往往东谈主也能顺利上手。用 Midjourney，你必应知谈一些基本的派系、颜色、光学、框架等绘画常识以及 /imagine（生成图像）、--ar（图像宽高比）等基础英文教唆指示。但用 GPT-4o，你也不错不懂透视、框架、清朗，也不需要知谈什么是结构化教唆词，填塞无谓任何专科基础，就像跟一又友对话一般换取就不错修图。

图源：小红书 @Geek4Fun

除了使用门槛镌汰，模子家具的质地和着力也大幅耕种。一是生图更快，往时用 Midjourney 默契复杂指示需要 1min 独揽，GPT-4o 在 20s 内就不错复原。

第二，生图和改图的适度性提高了，GPT-4o 能够填塞复原你给它的指示。比如通常的一个指示"给我生成一个猫猫和狗狗在草地里玩耍的场景"，GPT-4o 生成的即是一只猫和一只狗在草地上玩，莫得任何其他会转眼冒出的元素，但 Midjourney 可能在草坪上多一个公园或配置，不会填塞按指示来。等闲地讲，即是 GPT-4o 更能听你的东谈主话了，它就像你的电子仆东谈主一样，你让他干嘛，他就干嘛，过剩的事一件不作念，该作念的事也毫不少干，精确度更强了。

由此，GPT-4o 大开全民赛谈，过问到咱们使命场景里。之前，往往用户用 Midjourney 更多照旧出于敬爱，文娱属性强、器用属性弱。生成的油画、动漫等多样作风的图像虽顺眼，但既不行耕种使命效率，也不行成绩，主要起到了一个造型上的作用。

再比如电商行业的宣传海报，甲方需要你生成一个针对泰西市集的英语海报，其中打算元素和言语皆需要作念腹地化润色。之前的经由是对接打算师修改元素、去翻译软件润色，再导入 PS 软件修改，费时忙绿。但当今 GPT-4o 只需要一句话，"把这张海报改成泰西风，言语造成英语"，它就很快就能打算一张适合条款的海报，跨限制跨学科的集成智力相等强悍。

聊完 GPT-4o 的绘图出圈，不如再聊聊，GPT-4o 动作一种底层模子还有什么可挖掘的地点。

咱们皆知谈，Midjourney 是一个架构在模子上的诓骗，但 GPT-4o 本人即是一个模子，生图是它的智力之一。2022 年刚出谈的 ChatGPT 仅仅一个能够笔墨换取的对话助手，自后不错语音打电话，当今又能绘图，一直不断在不同维度上迭代升级。

而这次 GPT-4o 能绘图赛谈隆起重围，真要感谢其原生多模态模子智力的大幅流露。跟 Midjourney 不一样，GPT-4o 有更多技巧旅途可走。当今文生图限制诓骗遍及用的底层模子叫扩散模子 diffusion model，旨趣是先生成一个梗概的图像，再捣毁噪点，就像雪中作画、乍明乍灭，复原智力不彊。而 GPT-4o 沿用文生图自记忆模子，相等于把之前掂量 token 的逻辑推明智力进一步延迟到了文生图限制，通过逐帧绘制的边幅，从已生成的像素意象下一个像素，本色是效法东谈主类画画。这意味着，与垂类诓骗不同，大模子不错从底层架构上聘用不同的技巧旅途，而架构的升级经常会带来性能的跃升，基于 GPT-4o 等原生模子的功能有更多的生漫空间。

第二个是，多模态和会会带来跨限制的和会相识，GPT-4o 动作一种通用大模子，领有整合笔墨、音频、图像等不同规律信息的智力，现阶段如故不错打电话、生图改图了。而在翌日，是不是不错顺利生成音乐和视频，也值得期待。推行上，GPT-4o 本次上线的生图功能就脱胎于 OpenAI 的文生图模子 DALL-E。随机，OpenAI 旗下的文生视频模子 Sora 也可能通过某种技巧被整合到 GPT 模子里。届时，在一个模子里交叉经管多种模态的信息将不再远方。

简言之，GPT-4o 绘图智力的出圈让咱们看到了底层大模子集成多诓骗的智力。而从这个智力生息出的愿景是，咱们翌日不错在一个一站式的模子内部同期使用绘画、音乐、代码等多维智力。况且，它的使用门槛口角常低的，低到任何一个毫无技巧基础，以致连 AI 皆不了解的东谈主皆能用。

而这随机才是东谈主类发明 AI 的终极成见——让技巧普惠到每一个边缘。

制服丝袜 在线