Preskočite na glavni sadržaj
OpenAI

25. ožujka 2025.

ProizvodIzdanje

Predstavljamo generiranje slika 4o

Otključavamo korisno i vrijedno generiranje slika s nativno multimodalnim modelom sposobnim za precizne, točne i fotorealistične izlaze.

This post introduced 4o image generation.

Učitavanje…

U OpenAI-ju dugo vjerujemo da bi generiranje slika trebalo biti primarna sposobnost naših jezičnih modela. Zato smo u GPT‑4o ugradili naš dosad najnapredniji generator slika. Rezultat – generiranje slika koje nije samo lijepo, već i korisno.

Korisno generiranje slika

Od prvih špiljskih crteža do modernih infografika, ljudi su koristili vizualne prikaze za komunikaciju, uvjeravanje i analizu – ne samo za ukrašavanje. Današnji generativni modeli mogu dočarati nadrealne, zapanjujuće scene, ali se bore s uobičajenim slikama koje ljudi upotrebljavaju za dijeljenje i davanje informacija. Od logotipa do dijagrama, slike mogu prenijeti precizno značenje kada se nadopune simbolima koji se odnose na zajednički jezik i iskustvo.

Generiranje slika pomoću GPT‑4o ističe se u preciznom prikazivanju teksta, točnom praćenju odzivnika i upotrebi inherentne baze znanja i konteksta čavrljanja GPT‑4o – uključujući transformaciju učitanih slika ili njihovu upotrebu kao vizualne inspiracije. Te mogućnosti olakšavaju točno stvaranje slike koju zamišljate, pomažući vam da učinkovitije komunicirate putem vizualnih elemenata i unaprjeđujući generiranje slika u praktičan, precizan i snažan alat.

Poboljšane mogućnosti

Obučili smo naše modele na zajedničkoj distribuciji mrežnih slika i teksta, učeći ne samo kako se slike odnose na jezik, već i kako se odnose jedna na drugu. U kombinaciji s agresivnom naknadnom obukom, rezultirajući model ima iznenađujuću vizualnu fluentnost, sposoban smisliti slike koje su korisne, dosljedne i svjesne konteksta.

Renderiranje teksta

Slika vrijedi tisuću riječi, ali ponekad smisliti nekoliko riječi na pravom mjestu može uzdići značenje slike. Sposobnost modela 4o u spajanju preciznih simbola sa slikama pretvara generiranje slika u alat za vizualnu komunikaciju.

Generiranje u više koraka

Budući da je generiranje slika sada nativno modelu GPT‑4o, možete poboljšati slike kroz prirodan razgovor. GPT‑4o može se nadovezati na slike i tekst u kontekstu čavrljanja, osiguravajući dosljednost tijekom cijelog procesa. Na primjer, u dizajnu lika za videoigru, izgled lika ostaje koherentan kroz više iteracija dok ga usavršavate i eksperimentirate.

Praćenje uputa

Generiranje slika u GPT‑4o slijedi detaljne odzivnike s pažnjom prema detaljima. Dok se drugi sustavi muče s ~ 5 – 8 objekata, GPT‑4o može obraditi do 10 – 20 različitih objekata. Čvršće povezivanje objekata s njihovim osobinama i odnosima omogućuje bolju kontrolu.

Učenje u kontekstu

GPT‑4o može analizirati i učiti iz slika koje su korisnici učitali, besprijekorno integrirajući njihove detalje u svoj kontekst kako bi informirao generiranje slika.

Svjetsko znanje

Izvorno generiranje slika omogućuje 4o povezivanje znanja između teksta i slika, što rezultira modelom koji djeluje pametnije i učinkovitije.

Fotorealizam i stil

Obuka na slikama koje odražavaju širok raspon stilova omogućuje modelu uvjerljivo stvaranje ili transformaciju slika.

A candid paparazzi-style photo of Karl Marx hurriedly walking through the parking lot of the Mall of America, glancing over his shoulder with a startled expression as he tries to avoid being photographed. He’s clutching multiple glossy shopping bags filled with luxury goods. His coat flutters behind him in the wind, and one of the bags is swinging as if he’s mid-stride. Blurred background with cars and a glowing mall entrance to emphasize motion. Flash glare from the camera partially overexposes the image, giving it a chaotic, tabloid feel.
A cat looking into a puddle of water on a street, but its reflection is that of a tiger, and both reflections are realistically distorted by ripples in the water
Generate a candid, Polaroid-style photograph of four diverse friends in their early 20s at a gritty dive bar. The lighting features a very harsh, direct flash, creating sharp shadows and giving the photo a very overexposed, vintage instant-camera feel. Colors should be slightly muted, evoking nostalgic, early-2000s party vibes. The aesthetic is casually emo. No border or logos or signs. There's an interesting looking wall behind them with some light graffiti. Quality of the image should be very sharp and detailed (very little grain). The energy should be silly and chaotic. They're either playfully grimacing, smiling, or pretending to look tough. One of them should have their friend in a silly, playful headlock. Their mouths are closed.
Generate a photorealistic image of farmer's market in toronto on a saturday in summer 2006, it's a beautiful late june day, people are shopping and eating sandwiches. in focus should be a young asian girl wearing denim overalls and sipping on a strawberry banana smoothie - rest can be blurred. the photo should be reminiscent of that a digital camera from 2006 would take, with a timestamp like a printed photo would have. aspect ratio should be 3:2
blurry old analog film photograph, picture of parked car on side street, quiet night. credit creator: [Roope Rainisto](https://www.instagram.com/never_ever_never_land/?igsh=MXh3N3EyOWdoMmNubg%3D%3D#)
Create image super-realistic picture of these 4 creatures playing poker on a picnic blanket, zoomed out, in dolores park. photorealistic. The tabby long haired cat is holding a hand; right next to it are 2 tall vertical black chips (with stripes) as it has been raking in the dough.  Tabby's pupils are large and cute, and ii looking down and scrutinizing its cards, focused. Derpy black cat went all in. Two dogs are peering over cat's shoulder to see their cards. All cards are face down and of the same back color except for an exposed three of diamonds. small stack of poker chips are in front of each creature, but black cat went all in. the two dogs folded. All chips are from the same set and all cards have same color. photorealistic, shot on iphone, raw format.
Best of 1 | Generate an portrait ad on a solid pastel background.

In solid white san serif text, "ChatGPT image generation" in the top left, about a third of the way down.

In solid white san serif text, "Form follows function", in the bottom right, about a third of the way up.

In the background, put a photo of a really sleek, modern sculpture. It should gradually transition from a wireframe sketch on the left to the fully photorealistic version on the right. 

At the very bottom, in medium-small text, say "This entire poster was generated by ChatGPT image generation."
A lone astronaut floats inside a vast space station, painting swirling galaxies onto a massive canvas that hangs weightlessly in the air. Their paintbrush leaves behind trails of cosmic dust, and their suit is stained with nebula-colored hues. Their helmet is off, revealing eyes filled with the reflection of distant planets. Outside the glass window, a black hole looms, twisting light into mesmerizing patterns.
Realistic photograph of a horse galloping from right to left across a vast, calm ocean surface, accurately depicting splashes, reflections, and subtle ripple patterns beneath their hooves. Exaggerate horse movements but everything else should be still, quiet to show contrast with the horse's strength. clean composition, cinematographic. A wide, panoramic composition showcasing a distant horizon. Atmospheric perspective creating depth. zoomed out so the horse appears minuscule compared to vast ocean.

horse is right at the horizon where ocean meets sky. use rule of thirds to position horse. size of horse is 1% size of entire image because camera is so far away from subject. camera view is super close to the ground/ocean like a worm's eye view. horse is galloping right where ocean meets the sky
A realistic underwater scene with dolphins swimming through the windows of an abandoned subway car, with bubbles and detailed water flow accurately simulated.
Photo of a fruit bowl consisting of real fruits mixed with miniature planets (Jupiter, Saturn, Mars, Earth), maintaining realistic reflections, lighting, and shadows consistent with original photo, clean composition, authentic textures, crisp detailed rendering

A candid paparazzi-style photo of Karl Marx hurriedly walking through the parking lot of the Mall of America, glancing over his shoulder with a startled expression as he tries to avoid being photographed. He’s clutching multiple glossy shopping bags filled with luxury goods. His coat flutters behind him in the wind, and one of the bags is swinging as if he’s mid-stride. Blurred background with cars and a glowing mall entrance to emphasize motion. Flash glare from the camera partially overexposes the image, giving it a chaotic, tabloid feel.

Ograničenja

Naš model nije savršen. Svjesni smo višestrukih ograničenja u ovom trenutku koje ćemo nastojati riješiti poboljšanjima modela nakon početnog objavljivanja.

Sigurnost

U skladu s našim specifikacijama modela, cilj nam je maksimirati kreativnu slobodu podržavajući vrijedne slučajeve upotrebe poput razvoja igara, povijesnog istraživanja i obrazovanja – održavajući visoke sigurnosne standarde. Istovremeno, ostaje jednako važno kao i uvijek blokirati zahtjeve koji krše te standarde. U nastavku su procjene dodatnih rizičnih područja na kojima radimo kako bismo omogućili siguran, visokokvalitetan sadržaj i podržali šire kreativno izražavanje za korisnike.

Podrijetlo putem C2PA i internog reverzibilnog pretraživanja
Sve smišljene slike dolaze s C2PA⁠ metapodacima, koji će identificirati sliku kao dolazeću iz GPT‑4o radi osiguranja transparentnosti. Izradili smo i interni alat za pretraživanje koji upotrebljava tehničke atribute generiranja i pomaže u provjeri valjanosti dolaska sadržaja iz našeg modela.

Blokiranje loših stvari
Nastavljamo blokirati zahtjeve za smišljenim slikama koje mogu prekršiti naš pravilnik o sadržaju, kao što su materijali o seksualnom zlostavljanju djece i deepfake seksualni materijali. Kada su slike stvarnih ljudi u kontekstu, imamo pojačana ograničenja u pogledu vrste slika koje se mogu stvoriti, s posebno snažnim zaštitnim mjerama oko golotinje i grafičkog nasilja. Kao i kod svakog lansiranja, sigurnost nikad nije potpuna i predstavlja područje kontinuiranog ulaganja. Kako saznajemo više o stvarnoj upotrebi ovog modela, prilagođavat ćemo svoja pravila.

Za više informacija o našem pristupu, posjetite dodatak za generiranje slika uz sustavnu karticu GPT‑4o.

Upotreba rasuđivanja za pokretanje sigurnosti
Slično našem radu na proizvoljnom usklađivanju, obučili smo LLM za prosuđivanje izravno iz sigurnosnih specifikacija koje su napisali ljudi i koje se mogu protumačiti. Tijekom razvoja koristili smo taj LLM model prosuđivanja kako bismo identificirali i riješili nejasnoće u našim pravilima. Uz naš multimodalni napredak i postojeće sigurnosne tehnike razvijene za modele ChatGPT i Sora, to nam omogućuje moderiranje upisnog teksta i izlaznih slika prema našim pravilima.

Pristup i dostupnost

Generiranje slika 4o uvodi se danas za korisnike modela Plus, Pro, Team i Free kao zadani generator slika u ChatGPT‑ju, a pristup će uskoro biti dostupan korisnicima modela Enterprise i Edu. Dostupno je i za upotrebu u modelu Sora. Za one koji imaju posebno mjesto u srcu za DALL·E, još uvijek mu se može pristupiti putem namjenskog DALL·E GPT‑ja.

Razvojni inženjeri uskoro će moći smisliti slike uz GPT‑4o putem API-ja, s pristupom koji će se uvesti u sljedećih nekoliko tjedana.

Stvaranje i prilagodba slika jednostavna je čavrljanje putem GPT‑4o – samo opišite što vam treba, uključujući specifičnosti poput omjera slike, točnih boja pomoću heksadecimalnih kodova ili prozirne pozadine. Budući da taj model stvara detaljnije slike, potrebno je više vremena za njihovo renderiranje, često i do jedne minute.

credit creator: [Alex Duffy](https://every.to/@AlxAi)
credit creator: [August Kamp](https://www.instagram.com/august.kamp/?igsh=MTRpeG9xd3F2MzEyeg#)
credit creator: [August Kamp](https://www.instagram.com/august.kamp/?igsh=MTRpeG9xd3F2MzEyeg#)
credit creator: [August Kamp](https://www.instagram.com/august.kamp/?igsh=MTRpeG9xd3F2MzEyeg#)
credit creator: [August Kamp](https://www.instagram.com/august.kamp/?igsh=MTRpeG9xd3F2MzEyeg#)
credit creator: [August Kamp](https://www.instagram.com/august.kamp/?igsh=MTRpeG9xd3F2MzEyeg#)
credit creator: [August Kamp](https://www.instagram.com/august.kamp/?igsh=MTRpeG9xd3F2MzEyeg#)
credit creator: Cassandra Ansara
credit creator: [Isa](https://www.instagram.com/isabelitavirtual/?igsh=ZHdoYjFwYzV6dzFi#)
credit creator: [Isa](https://www.instagram.com/isabelitavirtual/?igsh=ZHdoYjFwYzV6dzFi#)
credit creator: Les Morgan
credit creator: Les Morgan
credit creator: [Derya Unatmaz](https://x.com/deryatr_)
credit creator: [Derya Unatmaz](https://x.com/deryatr_)
credit creator: [Derya Unatmaz](https://x.com/deryatr_)
credit creator: [Elene Chekurishvili](https://www.instagram.com/th_ene_ighbor/?igsh=eDh2Z2kyOGhnaXA0#)
credit creator: [Elene Chekurishvili](https://www.instagram.com/th_ene_ighbor/?igsh=eDh2Z2kyOGhnaXA0#)
credit creator: [Elene Chekurishvili](https://www.instagram.com/th_ene_ighbor/?igsh=eDh2Z2kyOGhnaXA0#)
credit creator: [Elene Chekurishvili](https://www.instagram.com/th_ene_ighbor/?igsh=eDh2Z2kyOGhnaXA0#)
credit creator: [Elene Chekurishvili](https://www.instagram.com/th_ene_ighbor/?igsh=eDh2Z2kyOGhnaXA0#)
credit creator: [Eugenio Marongiu](https://www.instagram.com/katsukokoiso.ai/?igsh=YTduZnNjZ2RhdTM3#)
credit creator: [Eugenio Marongiu](https://www.instagram.com/katsukokoiso.ai/?igsh=YTduZnNjZ2RhdTM3#)
credit creator: Jesse Kramme
credit creator: Jesse Kramme
credit creator: Matthew Dear
credit creator: [Minh Do](https://www.instagram.com/minhsmind/?igsh=MTFscDRqZ3JiZHVveA%3D%3D#)
credit creator: [Niceaunties](https://www.instagram.com/niceaunties/?igsh=Nm1jZmV4YTF6MTQ%3D#)
credit creator: Eskcanta
credit creator: Eskcanta
credit creator: [Roope Rainisto](https://www.instagram.com/never_ever_never_land/?igsh=MXh3N3EyOWdoMmNubg%3D%3D#)
credit creator: [Roope Rainisto](https://www.instagram.com/never_ever_never_land/?igsh=MXh3N3EyOWdoMmNubg%3D%3D#)
credit creator: [Roope Rainisto](https://www.instagram.com/never_ever_never_land/?igsh=MXh3N3EyOWdoMmNubg%3D%3D#)
credit creator: Shane Copenhagen
credit creator: Will Maberry
credit creator: Manuel Sainsily
credit creator: Manuel Sainsily
credit creator: Manuel Sainsily
credit creator: Manuel Sainsily
credit creator: Manuel Sainsily

credit creator: Alex Duffy

Repriza prijenosa uživo

Autor

OpenAI

Vodstvo

Gabriel Goh: generiranje slika

Jackie Shannon: proizvod za model ChatGPT

Mengchao Zhong, Wayne Chang: inženjerstvo za model ChatGPT

Rohan Sahai: proizvod i inženjerstvo za model Sora

Brendan Quinn, Tomer Kaftan: inferencija

Prafulla Dhariwal: multimodalna organizacija

Istraživanje

Osnovna istraživanja

Allan Jabri, David Medina, Gabriel Goh, Kenji Hata, Lu Liu, Prafulla Dhariwal

Temeljno istraživanje

Aditya Ramesh, Alex Nichol, Casey Chu, Cheng Lu, Dian Ang Yap, Heewoo Jun, James Betker, Jianfeng Wang, Long Ouyang, Li Jing, Wesam Manassra

Istraživački suradnici

Aiden Low, Brandon McKinzie, Charlie Nash, Huiwen Chang, Ishaan Gulrajani, Jamie Kiros, Ji Lin, Kshitij Gupta, Yang Song

Ponašanje modela

Laurentia Romaniuk

Multimodalna organizacija

Andrew Gibiansky, Yang Lu

Podaci

Voditelji podataka

Gildas Chabot, James Park Lennon

Podaci

Arshi Bhatnagar, Dragos Oprica, Rohan Kshirsagar, Spencer Papay, Szi-chieh Yu, Wesam Manassra, Yilei Qian

Moderatori

Hazel Byrne, Jennifer Luckenbill, Mariano López

Savjetnici za ljudske podatke

Long Ouyang

Skaliranje

Voditelji inferencije

Brendan Quinn, Tomer Kaftan

Inferencija

Alyssa Huang, Jacob Menick, Nick Stathas, Ruslan Vasilev, Stanley Hsieh

Primijenjeno

Voditeljica proizvoda modela ChatGPT

Jackie Shannon

Voditelji inženjeringa modela ChatGPT

Mengchao Zhong, Wayne Chang

Voditelj dizajna proizvoda

Matt Chan

Znanost o podacima

Xiaolin Hao

ChatGPT

Andrew Sima, Annie Cheng, Benjamin Goh, Boyang Niu, Dian Ang Yap, Duc Tran, Edede Oiwoh, Eric Zhang, Ethan Chang, Jeffrey Dunham, Jay Chen, Kan Wu, Karen Li, Kelly Stirman, Mengyuan Xu, Michelle Qin, Ola Okelola, Pedro Aguilar, Rocky Smith, Rohit Ramchandani, Sara Culver, Sean Fitzgerald, Vlad Fomenko, Wanning Jiang, Wesam Manassra, Xiaolin Hao, Yilei Qian

Sora

Voditelji proizvoda za model Sora

Rohan Sahai, Wesam Manassra

Proizvod i inženjering za model Sora

Boyang Niu, David Schnurr, Gilman Tolle, Joe Taylor, Joey Flynn, Mike Starr, Rajeev Nayak, Rohan Sahai, Wesam Manassra

Sigurnost

Voditelj sigurnosti

Somay Jain

Sigurnost

Alex Beutel, Andrea Vallone, Botao Hao, Brendan Quinn, Cameron Raymond, Chong Zhang, David Robinson, Eric Wallace, Filippo Raso, Huiwen Chang, Ian Kivlichan, Irina Kofman, Keren Gu-Lemberg, Kristen Ying, Madelaine Boyd, Meghan Shah, Michael Lampe, Owen Campbell-Moore, Rohan Sahai, Rodrigo Riaza Perez, Sam Toizer, Sandhini Agarwal, Troy Peterson

Strategija

Adam Cohen, Adam Wells, Ally Bennett, Ashley Pantuliano, Carolina Paz, Claudia Fischer, Declan Grabb, Gaby Sacramone-Lutz, Lauren Jonas, Ryan Beiermeister, Shiao Lee, Tom Stasi, Tyce Walters, Ziad Reslan, Zoe Stoll

Marketing i komunikacije

Voditelji komunikacija i marketinga

Minnia Feng, Natalie Summers, Taya Christianson

Komunikacije

Alex Baker-Whitcomb, Ashley Tyra, Bailey Richardson, Gaby Raila, Marselus Cayton, Scott Ethersmith, Souki Mansoor

Dizajn i kreativnost

Voditelji

Kendra Rimbach, Veit Moeller

Dizajn

Adam Brandon, Adam Koppel, Angela Baek, Cary Hudson, Dana Palmie, Freddie Sulit, Jeffrey Sabin Matsumoto, Leyan Lo, Matt Nichols, Thomas Degry, Vanessa Antonia Schefke, Yara Khakbaz

Posebne zahvale

Aditya Ramesh, Aidan Clark, Alex Beutel, Ben Newhouse, Ben Rossen, Che Chang, Greg Brockman, Hannah Wong, Ishaan Singal, Jason Kwon, Jiacheng Feng, Jiahui Yu, Joanne Jang, Johannes Heidecke, Kevin Weil, Mark Chen, Mia Glaese, Nick Turley, Raul Puri, Reiichiro Nakano, Rui Shu, Sam Altman, Shuchao Bi, Vinnie Monaco