Az OpenAI bemutatta a GPT-4o alapú fejlettebb képgeneráló funkciót a ChatGPT számára

Az OpenAI bemutatta a GPT-4o modellt alapul vevő új képgeneráló funkciót, amely mostantól elérhető a ChatGPT felhasználói számára. A funkció minden ChatGPT verzióhoz alapértelmezett lesz, és lehetővé teszi a magas minőségű képek létrehozását anélkül, hogy külön modellt kellene választani, mint a DALL-E esetében.

A GPT-4o alapú kép-generálás különbözik az előző verzióktól, mivel javított képességgel rendelkezik a szöveg, logók és más összetett elemek pontosabb megjelenítésére. A nagy multimodális modell révén a GPT-4o képes dolgozni szöveggel, képekkel, audióval és videóval, így egyetlen kérés segítségével képes képeket létrehozni különböző objektumokkal és forgatókönyvekkel.

A díjmentes hozzáféréssel rendelkező felhasználók számára a generálásra vonatkozó korlátozások változatlanok maradnak (napi három képig), azonban az új rendszer jobb pontosságot biztosít a szöveges elemek képeken történő létrehozása során a korábbi modellekhez képest. Az új rendszer lépésről lépésre generálja a képeket, felülről lefelé és balról jobbra haladva, ami lehetővé teszi, hogy az összes elem részletesebben és helyesebben jelenjen meg.

Az új funkció lehetővé teszi a feltöltött képek szerkesztését is, új változatok létrehozásával, az eredeti képeket vizuális inspirációként használva.