2025年3月26日凌晨两点，OpenAI再次掀起人工智能领域的热潮，正式发布了GPT-4o的多模态生图功能！
这一功能的推出，不仅标志着GPT-4o在多模态能力上的全面升级，也为用户带来了前所未有的创意自由和交互体验。从文本生成到图像创作，GPT-4o以其卓越的性能和创新的技术原理，开启了AI创作的新时代。
简单来说，就是一句话或者一张图，就能让GPT-4o帮你生成超逼真图片！
实际用例
来看看实际效果。
1、提示词要求：
在俯瞰海湾大桥的房间里，用手机拍摄了一张玻璃白板的大幅照片。视野中，一位女性正在写字，她穿着一件印有大型OpenAI标志的T恤。笔迹看起来很自然，有点凌乱，我们看到了摄影师的倒影。白板上有一些具体文字要求（此处省略）
对于Pro用户，用GPT-4o模型图片生成的效果有点惊艳，有点高级，尤其是白板中摄影师的倒影：
试用了一下，对于免费用户来说，目前还是DALL.E生成模型，如下，提示词中摄影师还无法显示出来，人物轮廓呈现效果略模糊，玻璃白板直接是用玻璃替代了：
2、提示词要求：
摄影师转过身来向他击掌时的自拍照
对于Pro用户，用GPT-4o模型图片生成的图片可以清晰看见白板中两人击掌的倒影。
对于免费用户，用DALL.E模型生成的图片视角会比较远角，自拍人的手臂处理的还有待提高，人物的一致性比较差，白板在这个视角下倒是可以清晰显示出来了。
模型改进的功能
GPT-4o的图像输出“思考”时间比其有效替代的图像生成模型DALL-E 3稍长一些，这使得OpenAI能够生成更准确、更详细的图像。GPT-4o不仅可以编辑现有的图像，包括有人物的图像，还能对其进行转换或“修复”前景和背景中的对象等细节。
OpenAI在在线图像和文本的联合分布上训练了GPT-4o模型，使其不仅学习了图像与语言的关系，还学习了它们之间的相互关系。结合积极的后训练，最终得到的模型具有令人惊讶的视觉流畅性，能够生成有用、一致且具有上下文感知能力的图像。
1、文本渲染
“一张图片胜过千言万语”，但有时在恰当的位置添加几个文字，就能进一步提升图像的意义。GPT-4o将精确的符号与图像融合的能力，使图像生成成为一种强有力的视觉交流工具。以下是使用模型生成的路标、菜单、邀请函：
一句话老照片上色，只要你提出需求，就可以生成。
一句话修改图片
一句话做成鸟瞰图
2、多轮生成
由于图像生成已成为GPT-4o的原生功能，用户可以通过自然对话来逐步优化图像。GPT-4o能够在聊天环境中同步构建图像和文本，确保二者始终保持一致性。例如，如果用户正在设计一个视频游戏角色，那么可以在不断改进和尝试的过程中，角色的外观会在多次迭代中保持连贯性。
在这个功能中，Openai举了一个例子，第一轮对话中要求模型生成“在精美的信纸上写一首诗”（左下图），第二轮对话要求“在设计师的房间里展示这张卡片，并且卡片靠近相机“（右下图），可以看出前后信纸在迭代中保持了一致性。
3、精准把控细节
GPT-4o会严格按照用户给出的详细提示来生成图像，并且很注重细节。相比其他系统，GPT-4o能处理更多的对象。其他系统在生成图像时，一般只能同时处理大约5到8个对象（比如一个场景里有5到8个不同的东西），而GPT-4o可以处理多达10到20个不同的对象，这意味着它能生成更复杂、元素更多的图像。
GPT-4o对对象的特征和关系有更紧密的绑定，它能更好地理解每个对象的特性（比如颜色、形状、大小等）以及这些对象之间的关系（比如位置、相互作用等）。因为这种紧密绑定，用户在使用GPT-4o生成图像时，能够更精确地控制图像的内容，让生成的图像更符合自己的要求。
4、情境学习
GPT-4o能够分析并学习用户上传的图像，并将其细节无缝融入上下文中，从而为图像生成提供参考。
看下面的列子，第一轮用户给出了几张参考图，要求模型画一个三角形轮子的车，第二轮提示词要求以纽约市为背景，两次输出保持了一贯性。
现阶段，GPT-4o取得了许多进步，但它仍然存在一些问题，其中包括：
- 裁剪问题：像海报这样的较大图像可能会被过度裁剪；
- 非拉丁字符的文本准确性：某些非英语字符可能无法正确呈现；
- 小字体中的细节保留：小字号文本的细节可能会丢失或不够清晰；
- 编辑精确度：修改图像的特定部分时，可能会意外影响其他元素。
OpenAI表示，正在通过持续的模型改进积极解决这些问题。
怎么才能用上最新版 GPT-4o？
目前，可以确定的渠道是付费的 OpenAI 的 Plus、Pro 和 Team 用户。
但是海外使用有点困难，所以整理了一些其他的方式，小伙伴们可以尝试使用，接触一下4o生图的功能。
千言万语其实不如你自己实际体验一下，快来领会一下科技的魅力。
一些使用4o的方式
1、OpenAI官网
没错，如果有能力还是直接去官网使用，体验相当nice。
就是价格稍微贵，需要20美刀，不过这个价格打包市面上OpenAI对话模型、视频、图片、语音给你使用。我觉得也合理。毕竟免费才是最贵的。
使用地址：chatgpt.com/
2、爱发电
国内大佬主要做解决GPT4o和Claude使用的公益服务网站，但是最近因为项目经常被攻击，目前采用订阅方式使用，感兴趣的可以自己去了解。本来是公益的，现在限制了一下防止攻击，需要订阅了。
公益网址我这边没去赞助，没拿到喔，想了解自己去看看吧！
使用地址：afdian.com/a/warmo
3、工作区-Salck
大佬通过OpenAI官网的API在Slack配置的一个应用。 加入他的Slack工作区就能直接使用GPT-4o、Gemini模型。而且工作区里面还有Claude3.7系列模型可以使用。目前Slack可以在电脑、手机、网页使用，可以说是很方便了。
注意，加入工作区一般需要使用国际邮箱，用微软的outlook邮箱就好了。首次加入需特殊环境（需自行准备） 。加入完进入工作区在频道@GPT4应用即可。 工作区加入链接：h5ma.cn/jxn
4、模型竞技场
进入竞技场后点击DIRCTChat，然后选择4o模型就好。
需要注意的是，模型竞技场有些时候会因为没有次数额度下架4o模型使用。你可以去试试看，如果没有的该模型选项的话，晚会再进去试试。
注：首次进入稍微卡，需要等待一会。
使用地址：h5ma.cn/lpi
5、chatshare
国内最大的镜像站之一，主要提供OpenAI和Claude的镜像服务。目前账号充足，采用自购账号和API方式接入官网服务。运行时间长，可靠稳定。
注册后需使用激活码订阅，订阅完成即可使用。具体不多说，需要的可自行了解。
使用地址：chatshare.biz
激活码获取：h5ma.cn/chatjhm
6、Poe
一个海外AI模型聚合平台，提供各种各样的模型体验。市面上热门的Claude3.5、Claude3 Opus、GPT4o、Gemini基本都涵盖了。
但是限制次数，免费用户每天有3000积分，每日重置一次，对于4o模型来说，每次对话消耗200积分，也就是每天可以免费对话15次。尝个鲜还是不错的。当然次数用量大，可以换号薅~ 使用地址：poe.com/
7、Sider插件
Sider是一款浏览器插件，你可以在Edge浏览器和Chrome浏览器中安装它。
接入ChatGPT官方提供的付费稳定版API，为用户提供无需科学上网、稳定快速的服务。目前支持GPT4、Claude3、Claude3.5-16k等等，可在国内使用。
可以帮助我们进行更正语法、改写内容、扩充内容和生成广告脚本。它支持在任何网站上使用，并提供摘要文章、解释代码等功能。
8、Aichatru
俄罗斯的一个网站，可以使用4o和o1模型，但是模型应该是有次数限制的，具体多少忘记了，各位小伙伴可以自己测试。如果次数受限，可以配合大神开发的油猴脚本突破这个使用限制。
使用地址：aichatru.ru
脚本地址：greasyfork.org/zh-CN/scrip…
注意安装脚本前必须浏览器有油猴插件。
没有可前往油猴插件官网安装：首页 | Tampermonkey
如果可以，希望小伙伴们点赞和收藏，这是我的更新动力！
如果可以，希望小伙伴们点赞和收藏，这是我的更新动力！
