GPT-4o дозволяє створювати складні зображення із текстом на об'єктах. Джерело: OpenAI
OpenAI представила важливе оновлення GPT-4o, яке дозволяє генерувати зображення з неймовірно точним текстом. Ця нова можливість дозволяє користувачам створювати детальні, високоякісні зображення за допомогою мовних підказок та коригувати їх у процесі, щоб точно відтворити задумане.
що відомо
Схоже, тепер можна забути про нерозбірливі написи або химерні символи, які часто з'являлися у старих моделях штучного інтелекту.
На відміну від традиційних методів генерації зображень, де потрібно вдосконалювати один запит, GPT-4o використовує динамічний підхід. Спочатку надаєте основну підказку, наприклад, «кіт», а потім можете вести діалог з моделлю, щоб додати бажані деталі, наприклад, капелюх детектива або монокль.
OpenAI показали, як користувачі можуть поступово створювати сцени, комбінуючи елементи з різних зображень. Модель демонструє високу точність у відтворенні тексту на вивісках чи предметах, що стало значним прогресом у порівнянні з попередніми моделями, які не могли правильно відтворювати написані слова.
GPT-4o також дозволяє працювати з фотографіями, накладаючи на них зміни. Модель справляється з 10-20 об'єктами у сцені, де інші моделі часто зупиняються на 5-8.
Однак не все ідеально: існують деякі недоліки, такі як обрізання знизу, непорозуміння з нелатинським текстом та проблеми при роботі з більш ніж 20 об'єктами. Але, незважаючи на це, нова функція забезпечує точність та гнучкість, які відкривають нові можливості для дизайнерів та творчих людей.
Джерело: OpenAI, Gizmochina