Kynning á 4o myndagerð

Við hjá OpenAI höfum í langan tíma verið þeirra skoðunar að myndagerð ætti að vera aðalhæfileiki tungumálalíkana okkar. Þess vegna höfum við innleitt okkar fullkomnustu myndaframleiðslu hingað til í GPT‑4o. Niðurstaðan — mynd sem er ekki aðeins falleg, heldur gagnleg.

Frá fyrstu hellamálverkunum til nútíma upplýsingamynda hefur maðurinn notað sjónrænar myndir til að eiga í samskiptum, sannfæra aðra og greina – ekki bara til að skreyta. Nútímalíkön geta töfrað fram súrrealískar, hrífandi senur, en eiga í erfiðleikum með hefðbundnar myndir sem fólk notar til að deila og búa til upplýsingar. Frá lógóum til skýringarmynda geta myndir miðlað nákvæmri merkingu þegar þær eru auknar með táknum sem vísa til sameiginlegs tungumáls og reynslu.

GPT‑4o myndgerð skarar fram úr þegar kemur að nákvæmri birtingu texta, nákvæmri fylgni kvaðninga og nýtingu eðlislægs þekkingargrunns og spjallsamhengis 4o – þar á meðal að umbreyta myndum sem hefur verið hlaðið upp eða að nota þær sem sjónrænan innblástur. Þessir möguleikar gera það auðveldara að búa til nákvæmlega þá mynd sem þú sérð fyrir þér, hjálpa þér að eiga skilvirkari samskipti með myndefni og gera myndagerð að hagnýtu tæki með nákvæmni og krafti.

Við þjálfuðum líkönin okkar á sameiginlegri dreifingu mynda og texta á netinu, og lærðum ekki bara hvernig myndir tengjast tungumáli, heldur hvernig þær tengjast hver annarri. Auk ítarlegrar eftirþjálfunar hefur líkanið ótrúlegt sjónrænt flæði og getur búið til myndir sem eru gagnlegar, samræmdar og samhengismeðvitaðar.

Þjálfun á myndum sem endurspegla fjölbreytt úrval myndstíla gerir líkaninu kleift að búa til eða umbreyta myndum á sannfærandi hátt.

Líkanið okkar er ekki fullkomið. Við erum meðvituð um margar takmarkanir í augnablikinu sem við munum vinna að því að bæta eftir upphaflega útgáfu.

Í samræmi við líkan okkar stefnum við að því að hámarka sköpunarfrelsi með því að styðja við verðmæt notkunartilvik eins og leikjaþróun, sögulegar rannsóknir og fræðslu — á sama tíma og við viðhöldum ströngum öryggisstöðlum. Samtímis er jafn mikilvægt og áður að loka fyrir beiðnir sem brjóta gegn þessum stöðlum. Hér að neðan er mat á viðbótaráhættusviðum þar sem við vinnum að því að virkja öruggt og gagnlegt efni og veita aðstoð við víðtækari skapandi tjáningu fyrir notendur.

Uppruni með C2PA og innri snúanlegri leit
Allar myndir eru með C2PA-lýsigögnum, sem auðkenna mynd sem kemur frá GPT‑4o, til að tryggja gagnsæi. Við höfum einnig þróað innra leitarverkfæri sem nýtir tæknilega eiginleika kynslóða til að staðfesta hvort efni sé frá líkani okkar.

Að loka á slæma efnið
Við höldum áfram að loka á beiðnir um myndir sem kunna að brjóta gegn efnisstefnu okkar, svo sem efni sem sýnir kynferðisbrot gegn börnum og kynferðislegar djúpfalsanir. Þegar myndir af raunverulegu fólki eru í samhengi höfum við aukið takmarkanir á því hvaða tegund myndefnis má búa til, með einstaklega öflugum öryggisráðstöfunum varðandi nekt og gróft ofbeldi. Eins og alltaf í upphafi er öryggi aldrei fullkomið og þarfnast sífelldra fjárfestinga. Eftir því sem við lærum meira um raunverulega notkun líkansins munum við aðlaga stefnur okkar í samræmi við það.

Fyrir frekari upplýsingar um nálgun okkar skaltu skoða viðauka um myndagerð á GPT‑4o kerfiskortinu⁠.

Að nota röksemdafærslu til að efla öryggi
Svipað og í ígrundaðari röðun⁠ höfum við þjálfað rökstuðning með stórum tungumálalíkönum í að vinna beint út frá öryggisforskriftum sem eru skrifaðar af mönnum og auðtúlkanlegar. Við notuðum þessa röksemdafærslu LLM við þróun til að hjálpa okkur að bera kennsl á og takast á við tvímæli í stefnum okkar. Ásamt fjölþættum framförum okkar og núverandi öryggistækni sem þróuð var fyrir ChatGPT og Sora, gerir þetta okkur kleift að ritstýra⁠ bæði inntakstexta og frálagsmyndum í samræmi við reglur okkar.

4o myndagerð verður aðgengileg frá og með deginum í dag fyrir Plus, Pro, Team og Free notendur sem sjálfgefinn myndaframleiðsla í ChatGPT, með aðgangi fljótlega fyrir Enterprise og Edu. Það er líka hægt að nota í Sora. Þeir sem hafa alltaf haft dáláti á DALL·E geta ennþá nálgast það í gegnum sérstakt DALL·E GPT.

Forritarar munu brátt geta búið til myndir með GPT‑4o í gegnum forritaskil, með aðgangi sem verður aðgengilegur á næstu vikum.

Að búa til og sérsníða myndir er eins einfalt og að spjalla með GPT‑4o - lýstu bara því sem þú þarft, þar á meðal sérstökum upplýsingum á borð við stærðarhlutfall, nákvæma liti með sextánskakóða, eða gagnsæjan bakgrunn. Vegna þess að þetta líkan býr til ítarlegri myndir, tekur það lengri tíma að birta þær, oft allt að eina mínútu.