2025 മാർച്ച് 25

4o ചിത്രം ജനറേഷൻ അവതരിപ്പിക്കുന്നു

കൃത്യവും സൂക്ഷ്മമായതും ഫോട്ടോറിയലിസ്റ്റിക് ഔട്ട്പുട്ടുകൾ നൽകാൻ കഴിവുള്ള ഒരു സ്വാഭാവിക മൾട്ടിമോഡൽ മോഡൽ ഉപയോഗിച്ച് ഉപയോഗപ്രദവും വിലപ്പെട്ടതുമായ ചിത്രം തുറക്കുന്നു.

ChatGPT-ൽ പരീക്ഷിക്കുക

This post introduced 4o image generation.

For the current image experience:

ChatGPT Images 2.5

Create images in ChatGPT

ലോഡിംഗ്…

OpenAI-യിൽ, ചിത്ര നിർമ്മാണം ഞങ്ങളുടെ ഭാഷാ മോഡലുകളുടെ പ്രാഥമിക കഴിവായിരിക്കണമെന്ന് ഞങ്ങൾ ഏറെക്കാലമായി വിശ്വസിക്കുന്നു. അതുകൊണ്ടാണ് ഞങ്ങൾ ഇതുവരെ നിർമ്മിച്ചതിൽ ഏറ്റവും നൂതനമായ ചിത്രം ജനറേറ്റർ GPT‑4o‑യിൽ ഉൾപ്പെടുത്തിയിരിക്കുന്നത്. ഫലം - മനോഹരമായി മാത്രമല്ല, ഉപയോഗപ്രദമായും ചിത്ര സൃഷ്ടിക്കൽ.

A wide image taken with a phone of a glass whiteboard, in a room overlooking the Bay Bridge. The field of view shows a woman writing, sporting a tshirt wiith a large OpenAI logo. The handwriting looks natural and a bit messy, and we see the photographer's reflection.

The text reads:

(left)
"Transfer between Modalities:

Suppose we directly model
p(text, pixels, sound) [equation]
with one big autoregressive transformer.

Pros:
* image generation augmented with vast world knowledge
* next-level text rendering
* native in-context learning
* unified post-training stack

Cons:
* varying bit-rate across modalities
* compute not adaptive"

(Right)
"Fixes:
* model compressed representations
* compose autoregressive prior with a powerful decoder"

On the bottom right of the board, she draws a diagram:
"tokens -> [transformer] -> [diffusion] -> pixels"

^{Best of 8}

selfie view of the photographer, as she turns around to high five him

^{Best of 8}

ഉപയോഗപ്രദമായ ചിത്രം സൃഷ്ടിക്കൽ

ആദ്യത്തെ ഗുഹാചിത്രങ്ങൾ മുതൽ ആധുനിക ഇൻഫോഗ്രാഫിക്സ് വരെ, മനുഷ്യർ ദൃശ്യ ഇമേജറി ആശയവിനിമയം നടത്താനും, ബോധ്യപ്പെടുത്താനും, വിശകലനം ചെയ്യാനും ഉപയോഗിച്ചു, അലങ്കരിക്കാൻ മാത്രമല്ല. ഇന്നത്തെ ജനറേറ്റീവ് മോഡലുകൾക്ക് അതിശയകരവും ശ്വസനീയവുമായ രംഗങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും, പക്ഷേ വിവരങ്ങൾ പങ്കിടാനും സൃഷ്ടിക്കാനും ആളുകൾ ഉപയോഗിക്കുന്ന വർക്ക്‌ഹോഴ്‌സ് ഇമേജറിയുമായി പോരാടുന്നു. ലോഗോകളിൽ നിന്ന് ഡയഗ്രാമുകളിലേക്ക്, പങ്കിട്ട ഭാഷയെയും അനുഭവത്തെയും സൂചിപ്പിക്കുന്ന ചിഹ്നങ്ങൾ ഉപയോഗിച്ച് വർദ്ധിപ്പിക്കുമ്പോൾ ചിത്രങ്ങൾ കൃത്യമായ അർത്ഥം നൽകുന്നു.

GPT‑4o ചിത്ര ജനറേഷൻ കൃത്യമായി ടെക്സ്റ്റ് റെൻഡർ ചെയ്യുന്നതിലും, പ്രോംപ്റ്റുകൾ കൃത്യമായി പിന്തുടരുന്നതിലും, 4o-യുടെ inherent അറിവും ചാറ്റ് സന്ദർഭവും പ്രയോജനപ്പെടുത്തുന്നതിലും മികവ് പുലർത്തുന്നു — അപ്‌ലോഡ് ചെയ്ത ചിത്രങ്ങൾ പരിവർത്തനം ചെയ്യുക അല്ലെങ്കിൽ അവ വിഷ്വൽ പ്രചോദനമായി ഉപയോഗിക്കുക എന്നിവ ഉൾപ്പെടെ. ഈ കഴിവുകൾ നിങ്ങൾ വിഭാവനം ചെയ്യുന്ന കൃത്യമായ ചിത്രം സൃഷ്ടിക്കുന്നത് എളുപ്പമാക്കുന്നു, ദൃശ്യങ്ങളിലൂടെ കൂടുതൽ ഫലപ്രദമായി ആശയവിനിമയം നടത്താൻ നിങ്ങളെ സഹായിക്കുകയും ചിത്ര നിർമ്മാണത്തെ കൃത്യതയോടും ശക്തിയോടും കൂടിയ ഒരു പ്രായോഗിക ഉപകരണമായി മാറ്റുകയും ചെയ്യുന്നു.

മികച്ച ശേഷികൾ

ഓൺലൈൻ ചിത്രങ്ങളുടെയും വാചകങ്ങളുടെയും സംയുക്ത വിതരണത്തിൽ ഞങ്ങൾ ഞങ്ങളുടെ മോഡലുകളെ പരിശീലിപ്പിച്ചു, ചിത്രങ്ങൾ ഭാഷയുമായി എങ്ങനെ ബന്ധപ്പെട്ടിരിക്കുന്നു എന്നതിലുപരി അവ പരസ്പരം എങ്ങനെ ബന്ധപ്പെട്ടിരിക്കുന്നു എന്നതും പഠിക്കുന്നു. ആക്രമണാത്മക പോസ്റ്റ്-പരിശീലനവുമായി സംയോജിപ്പിച്ചപ്പോൾ, ഫലമായി ലഭിക്കുന്ന മോഡലിന് അതിശയകരമായ ദൃശ്യപ്രവാഹം ഉണ്ട്, ഇത് ഉപയോഗപ്രദവും സ്ഥിരതയുള്ളതും സന്ദർഭ-അവബോധമുള്ളതുമായ ചിത്രങ്ങൾ സൃഷ്ടിക്കാൻ കഴിവുള്ളതാണ്.

ടെക്സ്റ്റ് റെൻഡറിംഗ്

ഒരു ചിത്രം ആയിരം വാക്കുകളുടെ വിലയുള്ളതാണ്, പക്ഷേ ചിലപ്പോൾ ശരിയായ സ്ഥലത്ത് കുറച്ച് വാക്കുകൾ സൃഷ്ടിക്കുന്നത് ഒരു ചിത്രത്തിന്റെ അർത്ഥം ഉയർത്താൻ കഴിയും. കൃത്യമായ ചിഹ്നങ്ങളെ ചിത്രങ്ങളുമായി സംയോജിപ്പിക്കുന്ന 4o യുടെ കഴിവ് ചിത്ര നിർമ്മാണത്തെ ദൃശ്യ ആശയവിനിമയത്തിനുള്ള ഉപകരണമാക്കുന്നു.

Create a photorealistic image of two witches in their 20s (one ash balayage, one with long wavy auburn hair) reading a street sign.

Context:
a city street in a random street in Williamsburg, NY with a pole covered entirely by numerous detailed street signs (e.g., street sweeping hours, parking permits required, vehicle classifications, towing rules), including few ridiculous signs at the middle: (paraphrase it to make these legitimate street signs)"Broom Parking for Witches Not Permitted in Zone C" and "Magic Carpet Loading and Unloading Only (15-Minute Limit)" and "Reindeer Parking by Permit Only (Dec 24–25)
Violators will be placed on Naughty List." The signpost is on the right of a street. Do not repeat signs. Signs must be realistic.

Characters:
one witch is holding a broom and the other has a rolled-up magic carpet. They are in the foreground, back slightly turned towards the camera and head slightly tilted as they scrutinize the signs.

Composition from background to foreground:
streets + parked cars + buildings -> street sign -> witches. Characters must be closest to the camera taking the shot

^{Best of ~8}

മൾട്ടി-ടേൺ ജനറേഷൻ

ചിത്രം സൃഷ്ടിക്കൽ ഇപ്പോൾ GPT‑4o‑യിൽ നേറ്റീവ് ആയതിനാൽ, സ്വാഭാവിക സംഭാഷണത്തിലൂടെ നിങ്ങൾക്ക് ചിത്രങ്ങൾ മെച്ചപ്പെടുത്താൻ കഴിയും. ചാറ്റ് സന്ദർഭത്തിലെ ചിത്രങ്ങളെയും വാചകങ്ങളെയും അടിസ്ഥാനമാക്കി GPT‑4o നിർമ്മിക്കാൻ കഴിയും, ഇത് മുഴുവൻ സമയത്തും സ്ഥിരത ഉറപ്പാക്കുന്നു. ഉദാഹരണത്തിന്, നിങ്ങൾ ഒരു വീഡിയോ ഗെയിം കഥാപാത്രത്തെ രൂപകൽപ്പന ചെയ്യുകയാണെങ്കിൽ, നിങ്ങൾ പരിഷ്കരിക്കുകയും പരീക്ഷിക്കുകയും ചെയ്യുമ്പോൾ പല ആവർത്തനങ്ങളിലും കഥാപാത്രത്തിന്റെ രൂപം സുസ്ഥിരമായി നിലനിൽക്കും.

Give this cat a detective hat and a monocle

^{Best of 1}

turn this into a triple A video games made with a 4k game engine and add some User interface as overlay from a mystery RPG where we can see a health bar and a minimap at the top as well as spells at the bottom with consistent and iconography

^{Best of 1}

update to a landscape image 16:9 ratio, add more spells in the UI, and unzoom the visual so that we see the cat in a third person view walking through a steampunk manhattan creating beautiful contrast and lighting like in the best triple A game, with cool-toned colors

^{Best of 2}

create the interface when the player opens the menu and we see the cat's character profile with his equipment and another page showing active quests (and it should make sense in relationship with the universe worldbuilding we are describing in the image)

^{Best of 8}

credit creator: Manuel Sainsily

നിർദ്ദേശം പിന്തുടരൽ

GPT‑4o ന്റെ ചിത്രം ജനറേഷൻ വിശദാംശങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ച് വിശദമായ പ്രോംപ്റ്റുകൾ പിന്തുടരുന്നു. മറ്റ് സിസ്റ്റങ്ങൾ ഏകദേശം 5-8 വസ്തുക്കളുമായി ബുദ്ധിമുട്ടുമ്പോൾ, GPT‑4o 10-20 വ്യത്യസ്ത വസ്തുക്കൾ വരെ കൈകാര്യം ചെയ്യാൻ കഴിയും. വസ്തുക്കളുടെ സ്വഭാവസവിശേഷതകളോടും അവയുടെ ബന്ധങ്ങളോടും കൂടുതൽ ഉറച്ച ബന്ധം മെച്ചപ്പെട്ട നിയന്ത്രണം അനുവദിക്കുന്നു.

A square image containing a 4 row by 4 column grid containing 16 objects on a white background. Go from left to right, top to bottom. Here’s the list:
1. a blue star
2. red triangle
3. green square
4. pink circle
5. orange hourglass
6. purple infinity sign
7. black and white polka dot bowtie
8. tiedye "42"
9. an orange cat wearing a black baseball cap
10. a map with a treasure chest
11. a pair of googly eyes
12. a thumbs up emoji
13. a pair of scissors
14. a blue and white giraffe
15. the word "OpenAI" written in cursive
16. a rainbow-colored lightning bolt

^{Best of 5}

സന്ദർഭം പഠനം

ഉപയോക്താവ് അപ്‌ലോഡ് ചെയ്ത ചിത്രങ്ങളിൽ നിന്ന് GPT‑4o വിശകലനം ചെയ്യുകയും പഠിക്കുകയും ചെയ്യുന്നു, അവയുടെ വിശദാംശങ്ങൾ അതിന്റെ സന്ദർഭത്തിലേക്ക് തടസ്സമില്ലാതെ സംയോജിപ്പിച്ച് ചിത്ര സൃഷ്ടിയെ അറിയിക്കുന്നു.

draw a design for a vehicle with triangular wheels, using these images as reference.
label the front wheel, the back wheel, and at the of the diagram say (in small caps)
TRIANGLE WHEELED VEHICLE. English Patent. 2025. OPENAI.

^{Best of ~16}

now put this in a photo taken in new york city.

^{Best of ~16}

ലോകത്തെ അറിവ്

നേറ്റീവ് ഇമേജ് ജനറേഷൻ 4o-യെ അതിന്റെ അറിവ് ടെക്സ്റ്റും ചിത്രങ്ങളും തമ്മിൽ ലിങ്ക് പ്രവർത്തന സജ്ജമാക്കുന്നു, ഇതിന്റെ ഫലമായി കൂടുതൽ ബുദ്ധിയുള്ളതും കാര്യക്ഷമവുമായ ഒരു മോഡൽ അനുഭവപ്പെടുന്നു.

Code Example (Three.js)

HTML

1<!DOCTYPE html>
2<html lang="en">
3  <head>
4    <meta charset="UTF-8" />
5    <title>OpenAI Banner</title>
6    <style>
7      body { margin: 0; overflow: hidden; }
8      canvas { display: block; }
9    </style>
10  </head>
11  <body>
12    <script type="module">
13      import * as THREE from 'https://cdn.jsdelivr.net/npm/three@0.160.0/build/three.module.js';
14      import { OrbitControls } from 'https://cdn.jsdelivr.net/npm/three@0.160.0/examples/jsm/controls/OrbitControls.js';
15      import { FontLoader } from 'https://cdn.jsdelivr.net/npm/three@0.160.0/examples/jsm/loaders/FontLoader.js';
16      import { TextGeometry } from 'https://cdn.jsdelivr.net/npm/three@0.160.0/examples/jsm/geometries/TextGeometry.js';
17
18      const scene = new THREE.Scene();
19      const camera = new THREE.PerspectiveCamera(45, window.innerWidth / window.innerHeight, 0.1, 1000);
20      const renderer = new THREE.WebGLRenderer({ antialias: true });
21      renderer.setSize(window.innerWidth, window.innerHeight);
22      document.body.appendChild(renderer.domElement);
23
24      // Lighting
25      const light = new THREE.AmbientLight(0xffffff, 1);
26      scene.add(light);
27
28      const dirLight = new THREE.DirectionalLight(0xffffff, 1);
29      dirLight.position.set(0, 5, 10);
30      scene.add(dirLight);
31
32      // Camera position
33      camera.position.z = 20;
34
35      // Controls
36      const controls = new OrbitControls(camera, renderer.domElement);
37
38      // Banner background
39      const bannerGeometry = new THREE.PlaneGeometry(20, 10);
40      const bannerMaterial = new THREE.MeshStandardMaterial({ color: 0x1a1a1a });
41      const banner = new THREE.Mesh(bannerGeometry, bannerMaterial);
42      scene.add(banner);
43
44      // OpenAI Logo texture (placeholder)
45      const loader = new THREE.TextureLoader();
46      loader.load('https://upload.wikimedia.org/wikipedia/commons/4/4d/OpenAI_Logo.svg', texture => {
47        const logoGeometry = new THREE.PlaneGeometry(4, 4);
48        const logoMaterial = new THREE.MeshBasicMaterial({ map: texture, transparent: true });
49        const logo = new THREE.Mesh(logoGeometry, logoMaterial);
50        logo.position.set(-5, 0, 0.1); // Slightly in front of the banner
51        scene.add(logo);
52      });
53
54      // Load font and add text
55      const fontLoader = new FontLoader();
56      fontLoader.load('https://threejs.org/examples/fonts/helvetiker_regular.typeface.json', font => {
57        const textGeometry = new TextGeometry("I am 4-o", {
58          font: font,
59          size: 1,
60          height: 0.2,
61          curveSegments: 12,
62          bevelEnabled: true,
63          bevelThickness: 0.02,
64          bevelSize: 0.02,
65          bevelOffset: 0,
66          bevelSegments: 5
67        });
68
69        textGeometry.center();
70
71        const textMaterial = new THREE.MeshStandardMaterial({ color: 0x00ffcc });
72        const textMesh = new THREE.Mesh(textGeometry, textMaterial);
73        textMesh.position.set(5, -0.5, 0.1); // Opposite side of logo
74        scene.add(textMesh);
75      });
76
77      // Resize handler
78      window.addEventListener('resize', () => {
79        camera.aspect = window.innerWidth / window.innerHeight;
80        camera.updateProjectionMatrix();
81        renderer.setSize(window.innerWidth, window.innerHeight);
82      });
83
84      // Render loop
85      function animate() {
86        requestAnimationFrame(animate);
87        controls.update();
88        renderer.render(scene, camera);
89      }
90
91      animate();
92    </script>
93  </body>
94</html>

make an image of what this means to you

ഫോട്ടോറിയലിസവും ശൈലിയും

വൈവിധ്യമാർന്ന ചിത്രശൈലികളെ പ്രതിഫലിപ്പിക്കുന്ന ചിത്രങ്ങളിൽ പരിശീലനം മോഡലിന് വിശ്വസനീയമായ രീതിയിൽ ചിത്രങ്ങൾ സൃഷ്ടിക്കാനോ രൂപാന്തരപ്പെടുത്താനോ അനുവദിക്കുന്നു.

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 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 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 — 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 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 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.

പരിമിതികൾ

ഞങ്ങളുടെ മോഡൽ തികഞ്ഞതല്ല. നമ്മുടെ പ്രാരംഭ ലോഞ്ചിനുശേഷം മോഡൽ മെച്ചപ്പെടുത്തലുകളിലൂടെ പരിഹരിക്കാൻ ഞങ്ങൾ ശ്രമിക്കുന്ന നിരവധി പരിമിതികളെക്കുറിച്ച് ഇപ്പോൾ ഞങ്ങൾ ബോധവാന്മാരാണ്.

GPT‑4o ന് ഇടയ്ക്കിടെ പോസ്റ്ററുകൾ പോലുള്ള നീളമുള്ള ചിത്രങ്ങൾ വളരെ കർശനമായി ക്രോപ്പ് ചെയ്യാൻ കഴിയുമെന്ന് ഞങ്ങൾ ശ്രദ്ധിച്ചു, പ്രത്യേകിച്ച് താഴെ.

സുരക്ഷാ

ഞങ്ങളുടെ മോഡൽ സ്പെക്കിന് അനുസൃതമായി, ശക്തമായ സുരക്ഷാ മാനദണ്ഡങ്ങൾ നിലനിർത്തിക്കൊണ്ട് ഗെയിം വികസനം, ചരിത്ര പര്യവേക്ഷണം, വിദ്യാഭ്യാസം തുടങ്ങിയ വിലയേറിയ ഉപയോഗ സാഹചര്യങ്ങളെ പിന്തുണച്ച് സൃഷ്ടിപരമായ സ്വാതന്ത്ര്യം പരമാവധിയാക്കാൻ ഞങ്ങൾ ലക്ഷ്യമിടുന്നു. അതേ സമയം, ആ മാനദണ്ഡങ്ങൾ ലംഘിക്കുന്ന അഭ്യർത്ഥനകളെ തടയുന്നത് എന്നും അത്ര തന്നെ പ്രധാനമാണ്. ഉപയോക്താക്കൾക്ക് സുരക്ഷിതവും ഉയർന്ന പ്രയോജനമുള്ള ഉള്ളടക്കവും വിശാലമായ സൃഷ്ടിപരമായ പ്രകടനവും പിന്തുണയ്ക്കുന്നതിനായി ഞങ്ങൾ പ്രവർത്തന സജ്ജമാക്കാൻ ശ്രമിക്കുന്ന അധിക അപകട മേഖലകളുടെ വിലയിരുത്തലുകൾ ചുവടെ നൽകിയിരിക്കുന്നു.

C2PA വഴിയും ആന്തരിക റിവേഴ്‌സിബിൾ തിരയലും വഴി ഉറവിടം
സൃഷ്ടിച്ച എല്ലാ ചിത്രങ്ങളും C2PA മെറ്റാഡാറ്റയോടുകൂടി വരുന്നു, ഇത് ഒരു ചിത്രം GPT‑4o‑ൽ നിന്നുള്ളതാണെന്ന് തിരിച്ചറിയുകയും സുതാര്യത നൽകുകയും ചെയ്യുന്നു. ഉള്ളടക്കം ഞങ്ങളുടെ മോഡലിൽ നിന്നാണോ എന്ന് സ്ഥിരീകരിക്കാൻ തലമുറകളുടെ സാങ്കേതിക ഗുണങ്ങൾ ഉപയോഗിക്കുന്ന ഒരു ആന്തരിക തിരയൽ ഉപകരണം ഞങ്ങൾ നിർമ്മിച്ചിട്ടുണ്ട്.

മോശം കാര്യങ്ങൾ തടയൽ
ഞങ്ങൾ ഉള്ളടക്ക നയങ്ങൾ ലംഘിക്കുന്ന, കുട്ടികളുടെ ലൈംഗിക ദുരുപയോഗ വസ്തുക്കൾ, ലൈംഗിക ഡീപ്ഫേക്ക്‌കൾ എന്നിവ പോലുള്ള സൃഷ്ടിച്ച ചിത്രങ്ങൾക്കായുള്ള അഭ്യർത്ഥനകൾ തുടർന്നും തടയും. യഥാർത്ഥ ആളുകളുടെ ചിത്രങ്ങൾ ഒരു പ്രത്യേക സന്ദർഭത്തിൽ വരുമ്പോൾ, ഏതുതരം ചിത്രങ്ങൾ സൃഷ്ടിക്കാവുന്നതാണ് എന്നതിനെക്കുറിച്ച് ഞങ്ങൾ കൂടുതൽ നിയന്ത്രണങ്ങൾ ഏർപ്പെടുത്തിയിട്ടുണ്ട്, പ്രത്യേകിച്ച് നഗ്നതയും ഗ്രാഫിക് അക്രമവും പ്രതിരോധിക്കുന്ന ശക്തമായ സുരക്ഷാ നടപടികൾ. ഏതൊരു ലോഞ്ചിലെയും പോലെ, സുരക്ഷ ഒരിക്കലും പൂർത്തിയാകുന്നില്ല, മറിച്ച് അത് തുടർച്ചയായ നിക്ഷേപ മേഖലയാണ്. ഈ മോഡലിന്റെ യഥാർത്ഥ ലോക ഉപയോഗത്തെക്കുറിച്ച് ഞങ്ങൾ കൂടുതൽ പഠിക്കുമ്പോൾ, അതിനനുസരിച്ച് ഞങ്ങൾ ഞങ്ങളുടെ നയങ്ങൾ ക്രമീകരിക്കും.

ഞങ്ങളുടെ സമീപനത്തെക്കുറിച്ച് കൂടുതലറിയാൻ, ചിത്രം ജനറേഷൻ GPT‑4o സിസ്റ്റം കാർഡിന്റെ അനുബന്ധം⁠ സന്ദർശിക്കുക.

സുരക്ഷയെ ശക്തിപ്പെടുത്താൻ യുക്തി ഉപയോഗിക്കുന്നു
ഞങ്ങളുടെ ഡെലിബറേറ്റീവ് അലൈൻമെന്റ്⁠ പ്രവർത്തനത്തെപ്പോലെ, മനുഷ്യർ എഴുതിയതും വ്യാഖ്യാനിക്കാവുന്നതുമായ സുരക്ഷാ നിർദ്ദേശങ്ങളിൽ നിന്ന് നേരിട്ട് പ്രവർത്തിക്കാൻ ഒരു യുക്തിസഹമായ LLM-നെ ഞങ്ങൾ പരിശീലിപ്പിച്ചിട്ടുണ്ട്. വികസന സമയത്ത് ഞങ്ങളുടെ നയങ്ങളിലെ അവ്യക്തതകൾ തിരിച്ചറിയാനും പരിഹരിക്കാനും സഹായിക്കുന്നതിന് ഞങ്ങൾ ഈ യുക്തിപരമായ LLM ഉപയോഗിച്ചു. ഞങ്ങളുടെ മൾട്ടിമോഡൽ പുരോഗതികളും ChatGPT, Sora എന്നിവയ്‌ക്കായി വികസിപ്പിച്ച നിലവിലുള്ള സുരക്ഷാ സാങ്കേതിക വിദ്യകളും ചേർന്ന്, ഞങ്ങളുടെ നയങ്ങൾക്കനുസൃതമായി ഇൻപുട്ട് ടെക്‌സ്‌റ്റും ഔട്ട്പുട്ട് ചിത്രങ്ങളും മിതമായി⁠ ചെയ്യാൻ ഇത് ഞങ്ങളെ അനുവദിക്കുന്നു.

ആക്‌സസും ലഭ്യതയും

4o ചിത്രം ജനറേഷൻ ഇന്ന് മുതൽ Plus, Pro, Team, Free ഉപയോക്താക്കൾക്ക് ChatGPT‑യിലെ ഡിഫോൾട്ട് ചിത്രം ജനറേറ്ററായി ലഭ്യമാകും, Enterprise, Edu ഉപയോക്താക്കൾക്ക് ഉടൻ ആക്സസ് ലഭിക്കും. ഇത് Sora-യിലും ഉപയോഗിക്കാൻ ലഭ്യമാണ്. DALL·E യ്ക്ക് ഹൃദയത്തിൽ പ്രത്യേക സ്ഥാനം നൽകുന്നവർക്ക്, ഒരു സമർപ്പിത DALL·E GPT വഴി ഇപ്പോഴും അതിനെ ആക്‌സസ് ചെയ്യാൻ കഴിയും.

ഡെവലപ്പർമാർക്ക് ഉടൻ API വഴി GPT‑4o ഉപയോഗിച്ച് ചിത്രങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും, അടുത്തത് ഏതാനും ആഴ്ചകളിൽ ആക്സസ് ലഭ്യമാകും.

ചിത്രങ്ങൾ സൃഷ്ടിക്കുകയും ഇച്ഛാനുസൃതമാക്കുകയും ചെയ്യുന്നത് GPT‑4o ഉപയോഗിച്ച് ചാറ്റ് ചെയ്യുന്നതുപോലെ ലളിതമാണ് - ആസ്പെക്ട് റേഷ്യോ, ഹെക്സ് കോഡുകൾ ഉപയോഗിച്ച് കൃത്യമായ നിറങ്ങൾ, അല്ലെങ്കിൽ സുതാര്യമായ പശ്ചാത്തലം പോലുള്ള പ്രത്യേകതകൾ ഉൾപ്പെടെ നിങ്ങൾക്ക് ആവശ്യമുള്ളത് വിശദീകരിക്കുക. ഈ മോഡൽ കൂടുതൽ വിശദമായ ചിത്രങ്ങൾ സൃഷ്ടിക്കുന്നതിനാൽ, ചിത്രങ്ങൾ റെൻഡർ ചെയ്യാൻ കൂടുതൽ സമയം എടുക്കും, പലപ്പോഴും ഒരു മിനിറ്റ് വരെ.

credit creator: [Alex Duffy](https://every.to/@AlxAi) — credit creator: Alex Duffy
credit creator: Alex Duffy
credit creator: Alex Duffy

credit creator: [August Kamp](https://www.instagram.com/august.kamp/?igsh=MTRpeG9xd3F2MzEyeg#) — credit creator: Alex Duffy
credit creator: Alex Duffy
credit creator: Alex Duffy

ലൈവ്സ്ട്രീം റീപ്ലേ

രചയിതാവ്

OpenAI

നേതൃത്വം

ഗബ്രിയേൽ ഗോ: ചിത്രം ജനറേഷൻ

ജാക്കി ഷാനൻ: ChatGPT ഉൽപ്പന്നം

Mengchao Zhong, Wayne Chang: ChatGPT എഞ്ചിനീയറിംഗ്

രോഹൻ സഹായ്: Sora പ്രൊഡക്റ്റ് ആൻഡ് എഞ്ചിനീയറിംഗ്

ബ്രണ്ടൻ ക്വിൻ, ടോമർ കാഫ്റ്റാൻ: അനുമാനം

പ്രഫുല്ല ധാരിവാൾ: മൾട്ടിമോഡൽ ഓർഗനൈസേഷൻ

ഗവേഷണം

അടിസ്ഥാന ഗവേഷണം

അലൻ ജാബ്രി, ഡേവിഡ് മദീന, ഗബ്രിയേൽ ഗോ, കെൻജി ഹത, ലു ലിയു, പ്രഫുല്ല ധാരിവാൾ

കോർ ഗവേഷണം

ആദിത്യ രമേഷ്, അലക്‌സ് നിക്കോൾ, കേസി ചു, ചെങ് ലു, ഡിയാൻ ആങ് യാപ്, ഹീവൂ ജുൻ, ജെയിംസ് ബെറ്റ്‌കർ, ജിയാൻഫെങ് വാങ്, ലോംഗ് ഔയാങ്, ലി ജിംഗ്, വെസം മനസ്‌സ്ര

ഗവേഷണ സംഭാവകർ

ഐഡൻ ലോ, ബ്രാൻഡൻ മക്കിൻസി, ചാർലി നാഷ്, ഹുയിവെൻ ചാങ്, ഇഷാൻ ഗുൽരാജനി, ജാമി കിറോസ്, ജി ലിൻ, ക്ഷിതിജ് ഗുപ്ത, യാങ് സോംഗ്

മോഡൽ പെരുമാറ്റം

Laurentia Romaniuk

മൾട്ടിമോഡൽ ഓർഗനൈസേഷൻ

Andrew Gibiansky, Yang Lu

ഡാറ്റ

ഡാറ്റ ലീഡ്സ്

ഗിൽഡാസ് ചാബോട്ട്, ജെയിംസ് പാർക്ക് ലെനൻ

ഡാറ്റ

അർഷി ഭട്‌നാഗർ, ഡ്രാഗോസ് ഒപ്രിക്ക, രോഹൻ ക്ഷീർസാഗർ, സ്പെൻസർ പപ്പേ, സ്ജി-ചീ യു, വെസാം മനസ്ര, യിലെയ് ക്യാൻ

മോഡറേറ്റർമാർ

ഹേസൽ ബൈർൺ, ജെന്നിഫർ ലക്കൻബിൽ, മരിയാനോ ലോപ്പസ്

Human Data Advisors

Long Ouyang

സ്കെയിലിംഗ്

ഇൻഫറൻസ് ലീഡുകൾ

Brendan Quinn, Tomer Kaftan

അനുമാനം

അലിസ ഹുവാങ്, ജേക്കബ് മെനിക്ക്, നിക്ക് സ്റ്റാതാസ്, റുസ്ലാൻ വാസിലേവ്, സ്റ്റാൻലി ഹ്സീഹ്

പ്രയോഗിച്ചു

ChatGPT ഉൽപ്പന്ന ലീഡ്

Jackie Shannon

ChatGPT എഞ്ചിനീയറിംഗ് ലീഡുകൾ

Mengchao Zhong, Wayne Chang

പ്രോഡക്റ്റ് ഡിസൈൻ ലീഡ്

Matt Chan

ഡാറ്റാ സയൻസ്

Xiaolin Hao

ChatGPT

ആൻഡ്രൂ സിമ, ആനി ചെങ്, ബെഞ്ചമിൻ ഗോ, ബോയാങ് ന്യൂ, ഡയാൻ ആങ് യാപ്, ഡക് ട്രാൻ, എഡെഡെ ഓവോ, എറിക് ഷാങ്, ഏഥാൻ ചാങ്, ജെഫ്രി ഡൻഹാം, ജയ് ചെൻ, കാൻ വു, കാരെൻ ലി, കെല്ലി സ്റ്റിർമാൻ, മെങ്യുവാൻ സൂ, മിഷേൽ ക്വിൻ, ഒല ഒകെലോല, പെഡ്രോ അഗ്യുലർ, റോക്കി സ്മിത്ത്, രോഹിത് രാംചന്ദാനി, സാറാ കൽവർ, സീൻ ഫിറ്റ്സ്ജെറാൾഡ്, വ്ലാഡ് ഫോമെൻകോ, വാനിംഗ് ജിയാങ്, വെസാം മനസ്ര, സിയാവോലിൻ ഹാവോ, യിലി ക്വിയാൻ

Sora

Sora ഉൽപ്പന്ന ലീഡുകൾ

Rohan Sahai, Wesam Manassra

Sora പ്രൊഡക്ട് ആൻഡ് എഞ്ചിനീയറിംഗ്

ബോയാങ് നിയു, ഡേവിഡ് ഷ്‌നൂർ, ഗിൽമാൻ ടോൾ, ജോ ടെയ്‌ലർ, ജോയി ഫ്ലിൻ, മൈക്ക് സ്റ്റാർ, രാജീവ് നായക്, രോഹൻ സഹായ്, വെസം മനസ്ര

സുരക്ഷാ

സേഫ്റ്റി ലീഡ്

Somay Jain

സുരക്ഷാ

അലക്സ് ബ്യൂട്ടൽ, ആൻഡ്രിയ വല്ലോൺ, ബൊട്ടാവോ ഹാവോ, ബ്രണ്ടൻ ക്വിൻ, കാമറൂൺ റെയ്മണ്ട്, ചോങ് ഷാങ്, ഡേവിഡ് റോബിൻസൺ, എറിക് വാലസ്, ഫിലിപ്പോ റാസോ, ഹുയിവെൻ ചാങ്, ഇയാൻ കിവ്ലിച്ചൻ, ഐറിന കോഫ്മാൻ, കെറൻ ഗു ലെംബെർഗ്, ക്രിസ്റ്റൻ യിങ്, മഡലെയ്ൻ ബോയ്ഡ്, മേഗൻ ഷാ, മൈക്കൽ ലാംപെ, ഓവൻ കാംപ്ബെൽ-മൂർ, രോഹൻ സഹായ്, റോഡ്രിഗോ റിയാസ പെരസ്, സാം ടോയിസർ, സന്ധിനി അഗർവാൾ, ട്രോയ് പീറ്റേഴ്സൺ

തന്ത്രം

ആദം കോഹൻ, ആദം വെൽസ്, ആലി ബെന്നറ്റ്, ആഷ്‌ലി പാന്റുലിയാനോ, കരോലിന പാസ്, ക്ലോഡിയ ഫിഷർ, ഡെക്ലാൻ ഗ്രാബ്, ഗാബി സാക്രമോൺ-ലൂട്സ്, ലോറൻ ജോനാസ്, റയാൻ ബെയർമിസ്റ്റർ, ഷിയാവോ ലീ, ടോം സ്റ്റാസി, ടൈസ് വാൾട്ടേഴ്‌സ്, സിയാദ് റെസ്‌ലാൻ, സോയ് സ്റ്റോൾ

മാർക്കറ്റിംഗ് & കമ്മ്യൂണിക്കേഷനുകൾ

ആശയവിനിമയ, മാർക്കറ്റിംഗ് ലീഡുകൾ

മിന്നിയ ഫെങ്, നതാലി സമ്മേഴ്സ്, തയ ക്രിസ്റ്റ്യൻസൺ

കോംസ്

അലക്സ് ബേക്കർ-വിറ്റ്കോംബ്, ആഷ്ലി ടൈറ, ബെയ്‌ലി റിച്ചാർഡ്‌സൺ, ഗാബി റെയ്‌ല, മാർസെലസ് കെയ്റ്റൺ, സ്കോട്ട് എതർസ്മിത്ത്, സൗകി മൻസൂർ

ഡിസൈൻ & ക്രിയേറ്റീവ്

ലീഡുകൾ

കെന്ദ്ര റിംബാച്ച്, വീറ്റ് മോല്ലർ

ഡിസൈൻ

ആദം ബ്രാൻഡൻ, ആദം കോപ്പൽ, ഏഞ്ചല ബെയ്ക്ക്, കാരി ഹഡ്‌സൺ, ഡാന പാൽമി, ഫ്രെഡി സുലിറ്റ്, ജെഫ്രി സാബിൻ മാറ്റ്‌സുമോട്ടോ, ലിയാൻ ലോ, മാറ്റ് നിക്കോൾസ്, തോമസ് ഡെഗ്രി, വനേസ അൻ്റോണിയ ഷെഫ്‌കെ, യാര ഖക്‌ബാസ്

പ്രത്യേക നന്ദി

ആദിത്യ രമേഷ്, എയ്ഡൻ ക്ലാർക്ക്, അലക്‌സ് ബ്യൂട്ടൽ, ബെൻ ന്യൂഹൗസ്, ബെൻ റോസൻ, ചെ ചാങ്, ഗ്രെഗ് ബ്രോക്ക്മാൻ, ഹന്ന വോങ്, ഇഷാൻ സിംഗൽ, ജേസൺ ക്വോൺ, ജിയാചെങ് ഫെങ്, ജിയാഹുയി യു, ജോവാൻ ജാങ്, ജോഹന്നാസ് ഹൈഡെക്കെ, കെവിൻ വെയിൽ, മാർക്ക് ചെൻ, മിയ ഗ്ലേസെ, നിക്ക് ടർലി, റൗൽ പുരി, റെയ്‌ചിറോ നകാനോ, റൂയി ഷു, സാം ആൾട്ട്മാൻ, ഷുച്ചാവോ ബി, വിന്നി മൊണാക്കോ

4o ചിത്രം ജനറേഷൻ അവതരിപ്പിക്കുന്നു

This post introduced 4o image generation.

ഉപയോഗപ്രദമായ ചിത്രം സൃഷ്ടിക്കൽ

മികച്ച ശേഷികൾ

ടെക്സ്റ്റ് റെൻഡറിംഗ്

മൾട്ടി-ടേൺ ജനറേഷൻ

നിർദ്ദേശം പിന്തുടരൽ

സന്ദർഭം പഠനം

ലോകത്തെ അറിവ്

HTML

ഫോട്ടോറിയലിസവും ശൈലിയും

പരിമിതികൾ

സുരക്ഷാ

ആക്‌സസും ലഭ്യതയും

ലൈവ്സ്ട്രീം റീപ്ലേ

രചയിതാവ്

നേതൃത്വം

ഗവേഷണം

ഡാറ്റ

സ്കെയിലിംഗ്

പ്രയോഗിച്ചു

Sora

സുരക്ഷാ

തന്ത്രം

മാർക്കറ്റിംഗ് &amp; കമ്മ്യൂണിക്കേഷനുകൾ

ഡിസൈൻ &amp; ക്രിയേറ്റീവ്

പ്രത്യേക നന്ദി

HTML

മാർക്കറ്റിംഗ് & കമ്മ്യൂണിക്കേഷനുകൾ

ഡിസൈൻ & ക്രിയേറ്റീവ്