Présentation de la génération d'images 4o

Chez OpenAI, nous avons toujours pensé que la génération d’images devait être l’une des principales fonctionnalités de nos modèles de langage. C’est pourquoi nous avons intégré notre générateur d’images le plus avancé à ce jour dans GPT‑4o. Résultat : une génération d’images non seulement belle, mais aussi pratique.

Des premières peintures rupestres aux infographies modernes, les humains ont utilisé l’imagerie visuelle pour communiquer, persuader et analyser, et pas seulement dans un but décoratif. Les modèles génératifs actuels peuvent évoquer des scènes surréalistes et époustouflantes, mais peinent à reproduire les images courantes que les internautes utilisent pour créer des informations et en échanger. Des logos aux diagrammes, les images peuvent transmettre un sens précis lorsqu’elles sont enrichies de symboles qui renvoient à une expérience et à un langage partagés.

La génération d’images GPT‑4o excelle pour rendre le texte avec précision,suivre fidèlement les prompts et exploiter la base de connaissances et le contexte des chats inhérents à 4o, y compris en transformant des images chargées ou en les utilisant comme source d’inspiration visuelle. Ces fonctionnalités facilitent la création de l’image que vous souhaitez, vous aident à communiquer plus efficacement par le biais de visuels et font de la génération d’images un outil pratique, précis et puissant.

Nous avons formé nos modèles sur la distribution conjointe d’images et de textes en ligne, en leur apprenant non seulement comment les images sont reliées au langage, mais aussi entre elles. Associé à un post-entraînement agressif, le modèle obtenu présente une fluidité visuelle surprenante, capable de générer des images utiles, cohérentes et tenant compte du contexte.

L’entraînement sur des images reflétant une vaste gamme de styles d’image permet au modèle de créér ou de transformer des images de façon convaincante.

Notre modèle est loin d’être parfait. Nous sommes conscients de ses limites actuelles et nous nous efforcerons d’y remédier en l’améliorant après le lancement initial.

Conformément aux spécifications de notre modèle, nous visons à maximiser la liberté de création en favorisant des cas d’utilisation intéressants tels que le développement de jeux, l’exploration historique et l’enseignement, tout en respectant des normes de sécurité strictes. Dans le même temps, il est toujours aussi important de bloquer les demandes qui ne respectent pas ces normes. Ci-dessous, vous trouverez des évaluations d’autres domaines de risque dans lesquels nous travaillons pour garantir des contenus sûrs et utiles, et favoriser une expression créative plus large pour les utilisateurs.

Provenance via C2PA et recherche réversible interne
Toutes les images générées sont accompagnées de métadonnées C2PA, qui identifient une image comme provenant de GPT‑4o, afin d’assurer la transparence. Nous avons également conçu un outil de recherche interne qui exploite les attributs techniques des générations pour vérifier si le contenu provient de notre modèle.

Blocage des contenus indésirables
Nous continuons de bloquer les demandes d’images générées susceptibles d’enfreindre notre politique relative aux contenus, telles que les contenus pédopornographiques et les deepfakes à caractère sexuel. Lorsqu’il s’agit d’images de personnes réelles, nous avons des restrictions accrues concernant le type d’images qui peuvent être créées, avec des garanties particulièrement solides en ce qui concerne la nudité et la violence graphique. Comme pour tout lancement, la sécurité n’est jamais acquise et constitue plutôt un domaine d’investissement permanent. À mesure que nous en apprenons davantage sur l’utilisation réelle de ce modèle, nous ajustons nos politiques en conséquence.

Pour en savoir plus sur notre approche, consultez l’addendum à la fiche système GPT‑4o⁠ sur la génération d’images.

Utiliser le raisonnement pour renforcer la sécurité
À l’instar de notre travail sur l’alignement délibératif⁠, nous avons formé un LLM de raisonnement à partir de spécifications de sécurité écrites par des êtres humains et interprétables. Nous avons utilisé ce modèle de raisonnement LLM pendant la phase de développement pour nous aider à identifier et à résoudre les ambiguïtés de nos politiques. Avec nos avancées multimodales et les techniques de sécurité existantes développées pour ChatGPT et Sora, cela nous permet de modérer⁠ à la fois la saisie de texte et les images de sortie conformément à nos politiques.

4o image generation rolls out starting today to Plus, Pro, Team, and Free users as the default image generator in ChatGPT, with access coming soon to Enterprise and Edu. It’s also available to use in Sora. For those who hold a special place in their hearts for DALL·E, it can still be accessed through a dedicated DALL·E GPT.

Developers will soon be able to generate images with GPT‑4o via the API, with access rolling out in the next few weeks.

Creating and customizing images is as simple as chatting using GPT‑4o - just describe what you need, including any specifics like aspect ratio, exact colors using hex codes, or a transparent background. Because this model creates more detailed pictures, images take longer to render, often up to one minute.