- Генерация изображений в GPT‑4o отличается точной визуализацией текста и выполнением промптов, отметила компания. Модель использует базу знаний и контекст из чата — картинки и текст.
- Например, при генерации персонажа для видеоигры его внешний вид будет оставаться неизменным, сколько бы правок не внёс пользователь.
Источник здесь и далее: OpenAI
- Модель может обрабатывать до 10-20 различных объектов в одном изображении. Она также анализирует загруженные пользователем картинки и учитывает их в будущих генерациях.
- Поскольку модель создаёт «более детальные изображения», генерация занимает больше времени, часто до минуты.
- OpenAI отметила, что модель не всегда работает идеально. Например, иногда она может обрезать вытянутые изображения, некорректно визуализировать что-то, если картинка предполагает большое количество объектов (например, таблицу Менделеева), или галлюцинировать при использовании не латинских букв.
- Генерация изображений 4o будет доступна в Sora, а также всем пользователям ChatGPT, в том числе бесплатным. Доступ к нейросети для генерации изображений DALL-E останется через отдельный DALL-E GPT.