OpenAI 推出 4o Image Generation 圖像生成功能，AI 繪圖更精準、擬真、未來免費用戶也能用

OpenAI 日前宣布，將旗下最新的圖像生成器整合至旗艦語言模型 GPT-4o 中，推出名為「4o Image Generation」的全新功能。此功能不僅能產出精美的圖像，更著重於高度的實用性，可生成精準、擬真且符合使用者需求的視覺內容，有望顛覆人們使用 AI 進行圖像創作的方式。

OpenAI 長期以來將圖像生成視為語言模型的核心能力之一，因此致力於打造最先進的圖像生成器，並將其與 GPT-4o 模型完美整合。OpenAI 指出，此功能的目標不僅是藝術創作，更要成為強大且實用的工具，協助使用者在各種情境下更有效地溝通與表達。

• 延伸閱讀：OpenAI的「博士級AI」是什麼，每月訂閱費2萬美元直接請個博士是不是比較划算？

應用情境廣泛，從會議記錄到科學圖解

OpenAI 在官方部落格展示了 4o Image Generation 的多種應用情境，從模擬白板會議記錄、生成富含意義的文字圖像、創作趣味漫畫，乃至複雜的科學實驗圖解，GPT-4o 皆能輕鬆應對，展現其強大的多模態能力。

舉例來說，使用者上傳一張寫滿方程式和筆記的白板照片，GPT-4o 不僅能理解照片內容，還能根據使用者指示，將其轉換為更清晰易懂的圖表。此外，GPT-4o 也能根據零散文字，自動生成充滿創意的磁性詩詞圖像，甚至能根據簡單的文字描述，創作出連環漫畫，例如描述小蝸牛想買跑車的幽默故事，GPT-4o 就能自動生成四格漫畫，生動呈現故事情節。

精準控制圖像細節，多輪對話逐步完善

OpenAI 強調，4o Image Generation 功能具備極強的指令遵循能力，能精確按照使用者提示生成圖像，並注重細節。相較於其他系統在處理大量物件時可能遇到的困難，GPT-4o 據稱可同時處理多達 10 至 20 個不同的物件，並更精準地將物件的特性和相互關係融入圖像中，讓使用者更好地控制圖像生成結果。

此外，4o Image Generation 功能原生整合於模型中，使用者可透過自然對話方式逐步完善圖像。GPT-4o 能理解聊天上下文中的圖像和文字資訊，並確保多輪迭代中圖像風格的一致性，這對於需要不斷調整和實驗的情境，例如設計電玩遊戲角色，顯得格外有用。

• 延伸閱讀：DeepSeek帶動AI 模型「蒸餾」技術熱潮：OpenAI、微軟、Meta 如何應對？

文字渲染能力提升，結合世界知識更聰明

OpenAI 特別強調 GPT-4o 在文字渲染方面的改進，認為「一圖勝千語」，但適當加入精準文字更能提升圖像意義。GPT-4o 能將精確符號與圖像完美融合，使其成為更強大的視覺溝通工具。

原生圖像生成能力使 GPT-4o 能將龐大知識庫與圖像生成過程結合，產生更聰明、更有效率的結果。例如，使用者可要求 GPT-4o 根據程式碼生成視覺化圖表，或根據食譜文字生成雞尾酒圖片，甚至生成天氣資訊圖表或鯨魚種類指南。

仍有進步空間，OpenAI 強調安全與倫理

儘管 4o Image Generation 功能強大，但 OpenAI 也坦承目前模型仍有裁切、幻覺、圖表生成錯誤等限制，將在後續版本中努力改進。

OpenAI 強調其 AI 模型的安全與倫理考量，在追求創作自由的同時，也會堅守嚴格安全標準，防止模型被用於生成有害內容。所有 GPT-4o 生成的圖像都會附帶 C2PA 元數據，標示圖像來源，提高透明度。

• 延伸閱讀：OpenAI推出Responses API與Agents SDK，助力開發者打造AI代理

逐步開放存取，未來將整合至 Sora 平台

OpenAI 宣布，4o Image Generation 功能即日起逐步向 ChatGPT Plus、Pro、Team 和 Free 用戶開放，並將在不久的將來提供給 Enterprise 和 Edu 用戶。此外，此功能也將整合至 Sora 平台。開發人員也將在未來幾週內透過 API 存取 4o Image Generation 功能。

使用者只需像聊天一樣與 GPT-4o 互動，描述所需的圖像細節，就能輕鬆創建和自訂圖像。由於 GPT-4o 生成的圖像細節更豐富，渲染時間可能稍長，通常約需一分鐘。

OpenAI 相信，4o Image Generation 功能將為使用者帶來前所未有的創作體驗，並將圖像生成技術推向新高度。隨著此功能的普及，各領域可望出現更多由 AI 驅動的創新應用。

• 延伸閱讀：AI 公司排行榜：OpenAI、Anthropic 等基礎模型開發商收入開始下降、應用類型廠商如 Perplexity、Writer 成長
• 延伸閱讀：從 OpenAI 到 DeepSeek ，為何大家還在搶 AI 晶片？