OpenAI ChatGPT-4o 新增 Image Generation 圖片生成功能， 免費用戶也能體驗強大的圖像創作
OpenAI 宣布推出「4o Image Generation」功能，讓 ChatGPT 不僅能生成文字，也能創作精美且實用的圖片，還能進行更細膩的圖片調整與後製，甚至在圖片上加入文字。最重要的是即使是免費版使用者，也能體驗這項升級的圖像生成技術。
ChatGPT 加入影像生成能力大提升
在最新的直播活動中，OpenAI 執行長 Sam Altman 宣布 ChatGPT 的影像生成能力迎來一年多來的首次重大升級。現在，ChatGPT 能夠利用最新的 GPT-4o 模型原生生成與修改圖片和照片。
過去，GPT-4o 僅支援文字生成，但隨著這次更新，它不僅能創作全新的圖像，還能編輯現有圖片，甚至處理包含人物的照片，進行如前景與背景物件的「修補（inpainting）」等細節調整。
為什麼 4o Image Generation 如此特別？
更精準的圖像生成
GPT-4o 的影像生成能力較過去的 DALL·E 3 更加精確與細緻。這歸功於 OpenAI 針對龐大的線上圖片與文字資料進行聯合訓練，讓模型不僅理解圖像與語言的關聯性，更掌握圖像彼此之間的連結。這項能力讓 ChatGPT 的圖像生成更具一致性與情境感知能力。
文字渲染與多輪生成
GPT-4o 現在能夠在圖像中準確呈現文字，使圖像成為視覺溝通的工具。
此外，因為圖像生成已與 ChatGPT 原生整合，用戶能透過自然的對話反覆調整圖片，確保角色設計、場景設定等元素在多次修改後依然保持一致性。
強大的指令遵循與即時學習
無論是生成包含多達 10 至 20 種物件的複雜場景，還是依據用戶上傳的圖片進行即時學習並生成新圖，GPT-4o 都能精確掌握指令細節，展現圖像生成控制能力。
影像生成背後的故事：訓練資料與安全性
為了打造這項強大的影像生成技術，OpenAI 表示 GPT-4o 是基於「公開可取得的資料」，以及與像是 Shutterstock 等企業合作取得的專有資料進行訓練。面對訓練數據可能引發的智慧財產權爭議，OpenAI 也強調尊重藝術家權利，並實施政策以避免生成直接模仿在世藝術家作品的圖片。
此外，OpenAI 提供創作者填寫「退出表單」，請求 OpenAI 移除其作品，避免被用於模型訓練。若網站不希望 OpenAI 的網路爬蟲收集圖片作為訓練數據，也能提出相關要求。
OpenAI 圖像生成技術支援 C2PA
ChatGPT 的這次升級，緊跟著 Google 推出的 Gemini 2.0 Flash 原生影像生成功能。然而，Gemini 2.0 Flash 推出被發現缺乏防護功能，讓使用者可以移除浮水印、版權保護的圖像等，引發爭議。
為此，OpenAI 在安全性上更加謹慎，除了使用 C2PA 元數據標示所有生成圖片來提升透明度外，也持續強化對於裸露、暴力等內容的管控。
免費用戶也能體驗的強大功能
自即日起，GPT-4o 的影像生成功能已全面開放給 ChatGPT 的 Plus、Pro、Team 與免費用戶，企業版與教育版也將在近期推出。就連開發者也很快能透過 API 使用這項功能。
使用這項功能非常簡單，只需在 ChatGPT 中描述你想要的圖像，包括如長寬比、色碼、透明背景等細節，GPT-4o 就能將你的構想變成精美圖片。由於新模型生成的圖像更加細緻，渲染時間稍長，通常需花費約一分鐘。
隨著 OpenAI 持續突破技術極限，這次的 4o Image Generation 不僅讓 ChatGPT 變得更聰明、更實用，也進一步拉高了圖像生成技術的標準。
▶ 延伸閱讀
圖片及資料來源：OpenAI、TechCrunch