ChatGPT 生圖為何自帶暖色濾鏡：解析偏黃原因，實測去黃方案
凡是曾經透過 ChatGPT 生成圖片，比方說跟上「吉卜力畫風」熱潮的使用者，應該不難發現由 AI 所繪製出來的圖片，總是有著它「獨特」的繪圖風格，那就是套上偏暖的橘黃色調濾鏡，導致圖片失去原有色彩。
有趣之處在於，人工智慧生成圖片「偏黃」的特性，並非所有 AI 繪圖工具都有，而是 ChatGPT 才具備的特殊問題；偏黃、偏褐的懷舊色調，幾乎成為了 ChatGPT 生成影像的預設標誌。
然而，ChatGPT 生成圖片的色偏問題，不僅容易干擾人類視覺，也降低了圖片的真實感，更使得成果總看起來有些「老派」，難以進一步得到運用。
為什麼 ChatGPT 畫圖總是偏暖？
目前在網路上，有許多人都在推測 ChatGPT 影像風格偏暖的真正原因。
有些人指出，這是因為 ChatGPT 會刻意模仿老舊畫作的風格，或者是由於 OpenAI 的訓練資料中，本來就包含了大量暖色調或年代久遠的圖片。
但是無論原因為何，使用者都得想辦法擺脫 ChatGPT 惱人的「秋日色調」，進一步還原圖片的真實色彩，以利使用者將 AI 生成影像應用到更多地方。
根據國外媒體與網友實際操作經驗，想要讓 ChatGPT 生成圖片的色調變得更加正常，可以參考多種處理方式，首先就是從「提示詞」下手。
方法一：透過提示詞避免黃色調
舉例來說，使用者可以在要求 ChatGPT 生成圖片的時候，直接加入特定的顏色指令，例如「中性白平衡」（neutral white balance）或「準確膚色」（accurate skin tones），從源頭避免 AI 套用黃色濾鏡，但缺點是這將讓提示詞變得更長、更複雜，AI 生成的準確率也會隨之下降。
此外，使用者也可以在提示詞中，為圖片加上指定的光照或亮度條件，比方說「明亮的午間光線」、「保持 6000K 色溫」之類，導引 AI 生成色調更加自然的圖片。
除了正面提示詞，負面提示詞亦能在 AI 繪圖過程中，偶爾產生出奇效。舉例來說，使用者可以刻意寫明「不要黃色濾鏡」（no yellow filter）或「不要暖色調」（no warm undertones），嘗試說服 ChatGPT 放棄它的預設風格。
只不過在使用負面提示詞時，有一點必須注意：一旦圖片已經生成完畢，再透過對話要求「讓畫面少一點黃色」或「移除復古風格」，ChatGPT 並不會去修改原來的影像。
依照目前的運作方式，模型會直接重新生成一張新的圖片，而不是對舊圖做局部調整。因此，即便你只是想降低色調，新生成的畫面仍可能出現全新的構圖、人物位置與背景細節，和原圖產生明顯差異。
方法二：借助 Python 腳本進行後製
假如透過提示詞方式，要求 ChatGPT 生成顏色正常的影像，比預期中還要不順利，Reddit 網友 Linkpharm 近日分享了他特別編寫的 Python 腳本，能夠讓 AI 在影像生成之後，再產出一張色彩校正完畢後的新版本。
import cv2
import numpy as npdef neutralize_yellow(image):
“””
Takes a BGR image (NumPy array) and reduces yellow tint to make colors more neutral.
Returns a new neutralized image.
“””
# Convert to LAB color space (L = lightness, A = green–red, B = blue–yellow)
lab = cv2.cvtColor(image, cv2.COLOR_BGR2LAB)# Split into channels
L, A, B = cv2.split(lab)# Compute how much yellow there is (positive shift in B channel)
yellow_strength = np.mean(B) – 128 # 128 = neutral midpoint# Reduce yellow by shifting B channel toward neutral (128)
if yellow_strength > 0:
correction = np.clip(B – yellow_strength * 0.8, 0, 255)
lab = cv2.merge((L, A, correction))
else:
lab = cv2.merge((L, A, B))# Convert back to BGR
neutral_img = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)return neutral_img
# Example use from another script:
# from remove_yellow_tint import neutralize_yellow
# neutral_image = neutralize_yellow(image_from_other_script)
根據筆者測試，將前述程式碼貼上 ChatGPT 後，需要再從電腦或手機端，上傳 AI 先前所生成的偏黃圖片，並手動要求 AI 執行腳本進行後製。
原則上，ChatGPT 應該可以無礙運行該 Python 程式碼，同時保持圖片內容維持不變，且一切只需要在 ChatGPT 聊天介面中操作，不必仰賴其他網站，即可完成圖片的色彩校正。
方法三：利用 GPT-Tone 網站移除濾鏡
假如正面提示詞、負面提示詞跟 Python 腳本，都還達不到去除黃色濾鏡的要求，或者覺得操作上太過複雜，那麼使用者不妨可以嘗試看看「GPT-Tone」這個有趣的網站。
簡單來說，GPT-Tone 網站的功能只有一個，就是把使用者所上傳，由 ChatGPT 所生成的圖片，還原成原本正確的色彩。
透過 GPT-Tone 調整過後的圖片輸出結果，既沒有任何浮水印，使用者也無須註冊，更不必額外付費，同時 GPT-Tone 的服務說明亦強調，使用者上傳的圖片將不會被伺服器儲存。
換個 AI 工具也沒什麼不好
當然，未來新版本的 ChatGPT，或許就會修正影像生成偏黃的問題，然而在此之前，假如你仍十分依賴 ChatGPT 的 AI 繪圖，上述方法全都可以嘗試看看。
至於對筆者來說，近日 Google 為 Gemini 所升級的 Nano Banana 圖片生成器，已經成了自己更加偏好的 AI 繪圖工具。
以筆者的經驗而言，升級後的 Google Gemini 確實擁有比 ChatGPT 更穩定的提示詞解讀能力，甚至可以針對影像進行局部修改，也沒有圖片色調總是偏黃的問題，有興趣的使用者不妨實際進行比較與測試後，再選擇更加切合自身需求的 AI 繪圖應用。
【推薦閱讀】
◆ 【Google 承認啦】爆紅 AI 圖像模型 nano-banana 亮點揭曉！OpenAI 要緊張了？
◆ OpenAI 宣布 Sora App 正式登台！稱用戶對「Cameo」客串功能有完全控制權
◆ OpenAI 的 AI 瀏覽器 Atlas 終於來了！5 大亮點整理，為何 OpenAI 要自己打造一款？
＊本文開放合作夥伴轉載，參考資料：《TechRadar》、《Geeky Curiosity》，首圖來源：ChatGPT、TechOrange
（責任編輯：鄒家彥）