OpenAI在3月25日宣布了對GPT-4o和Sora的重大更新，引入了一項引人注目的新功能——一個全新的文本到圖像生成模型。這一新模型不僅限于文本到圖像的轉換，還具備自定義操作、連續提問、風格轉換以及圖像PPT制作等一系列實用功能。
在周二的一次直播活動中，OpenAI的首席執行官奧爾特曼正式宣布，基于GPT-4o模型的原生圖像生成功能已經問世，這標志著DALL-E這一獨立的文本到圖像生成模型被整合進了ChatGPT系統。回顧歷史，ChatGPT在2022年底推出時，僅支持文字聊天功能，大約一年后，雖然集成了DALL-E 3圖像生成模型，但兩者在系統層面上仍然是獨立的。此前，AI圖像生成器存在諸如“理解提示詞能力不足”和“無法準確生成圖片中的文字”等問題，這些問題極大地限制了其在教育和職場等領域的應用潛力。
然而，此次升級后的ChatGPT在圖像生成功能方面取得了顯著的進步。它能夠更加準確地根據提示詞生成圖像中的文本，特別是在生成黑板板書、印刷體以及科學常識繪圖等涉及圖像文字的場景中，其表現從幾乎不可用提升到了接近商用水平。圖像編輯功能也得到了極大的增強，例如，可以將合照轉化為動畫風格，根據簡單的提示詞生成相對論主題的彩色漫畫，還能根據漫畫草稿一鍵上色或更換主要角色。
在商業應用方面，這一新模型也展現出了巨大的潛力。用戶可以根據上傳的照片和卡片模板自定義生成新的卡片，甚至能夠基于聊天的上下文生成一系列風格一致的圖像。這對于游戲角色設計等領域來說，無疑是一個重大的突破。然而，OpenAI也坦誠地承認，新的圖像生成器仍然存在一些局限性，特別是在處理密集文字和非拉丁語文字的圖像生成時，可能會遇到問題，這在一定程度上受到了模型幻覺的影響。
盡管存在這些局限性，但OpenAI的這一升級仍然為ChatGPT的發展注入了新的活力。從周二開始，這一新功能已經向所有免費和付費用戶開放，而在未來幾周內，開發者還可以通過API接口進行調用。這一系列的更新和改進，無疑讓我們對ChatGPT在更多領域的應用表現充滿了期待。
