၂၀၂၅ မတ် ၂၅

4o ရုပ်ပုံ ထုတ်လုပ်မှု မိတ်ဆက်ခြင်း

တိကျမှန်ကန်ပြီး ဓာတ်ပုံနီးပါးအစစ်အမှန် ထွက်ပေါ်မှုများကို ပေးနိုင်သော မူလ multimodal မော်ဒယ်ဖြင့် အသုံးဝင်ပြီး တန်ဖိုးရှိသော ရုပ်ပုံ ထုတ်လုပ်မှုကို ဖွင့်လှစ်ပေးခြင်း။

ChatGPT တွင် စမ်းသုံးကြည့်ပါ

This post introduced 4o image generation.

For the current image experience:

ChatGPT Images 2.5

Create images in ChatGPT

ဖွင့်နေသည်…

OpenAI တွင် ကျွန်ုပ်တို့သည် ရုပ်ပုံ ထုတ်လုပ်မှုသည် ကျွန်ုပ်တို့၏ ဘာသာစကား မော်ဒယ်များ၏ အဓိကစွမ်းရည်တစ်ခု ဖြစ်သင့်သည်ဟု အချိန်ကြာမြင့်စွာ ယုံကြည်ထားခဲ့သည်။ ထို့ကြောင့် ကျွန်ုပ်တို့၏ အဆင့်အမြင့်ဆုံး ရုပ်ပုံဖန်တီးစက်ကို GPT‑4o ထဲတွင် တည်ဆောက်ထည့်သွင်းထားပါသည်။ ရလဒ်မှာ လှပရုံသာမက အသုံးဝင်လည်းဖြစ်သော ရုပ်ပုံ ထုတ်လုပ်မှုဖြစ်သည်။

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}

အသုံးဝင်သော ရုပ်ပုံ ထုတ်လုပ်မှု

ပထမဆုံး ဂူပန်းချီများမှ ယနေ့ခေတ် infographics များအထိ လူသားများသည် အမြင်ဆိုင်ရာ ရုပ်ပုံများကို အလှဆင်ရန်အတွက်သာမက ဆက်သွယ်ရန်၊ ယုံကြည်လက်ခံစေရန်နှင့် ခွဲခြမ်းစိတ်ဖြာရန်အတွက် အသုံးပြုလာခဲ့ကြသည်။ ယနေ့ခေတ် ထုတ်လုပ်ပေးနိုင်သော မော်ဒယ်များသည် ဆန်းကြယ်ပြီး အံ့ဩဖွယ်ကောင်းသော မြင်ကွင်းများကို ဖန်တီးနိုင်သော်လည်း လူများ အချက်အလက်များကို မျှဝေရန်နှင့် ဖန်တီးရန် အသုံးပြုသော အလုပ်တော်လှန်ရေးပုံရိပ်များတွင် အခက်အခဲရှိနေဆဲဖြစ်သည်။ Logo များမှ diagram များအထိ မျှဝေထားသော ဘာသာစကားနှင့် အတွေ့အကြုံကို ရည်ညွှန်းသော သင်္ကေတများဖြင့် ဖြည့်စွက်ထားပါက ရုပ်ပုံများသည် တိကျသော အဓိပ္ပါယ်ကို ပို့ဆောင်နိုင်သည်။

GPT‑4o ရုပ်ပုံ ထုတ်လုပ်မှုသည် စာသားများကို တိကျစွာ ပြသခြင်း၊ တုံ့ပြန်ညွှန်ကြားချက်များကို တိတိကျကျ လိုက်နာခြင်းနှင့် 4o ၏ ပင်ကိုအသိပညာအခြေခံနှင့် chat context ကို အသုံးချခြင်းတွင် ထူးချွန်သည် — upload လုပ်ထားသော ရုပ်ပုံများကို ပြောင်းလဲပေးခြင်း သို့မဟုတ် ၎င်းတို့ကို မြင်ကွင်းဆိုင်ရာ လှုံ့ဆော်မှုအဖြစ် အသုံးပြုခြင်းလည်း ပါဝင်သည်။ ဤစွမ်းရည်များက သင်မြင်ယောင်ထားသည့် ရုပ်ပုံကို တိတိကျကျ ဖန်တီးရန် ပိုမိုလွယ်ကူစေပြီး မြင်ကွင်းများမှတစ်ဆင့် ပိုမိုထိရောက်စွာ ဆက်သွယ်နိုင်ရန် ကူညီပေးကာ ရုပ်ပုံ ထုတ်လုပ်မှုကို တိကျမှုနှင့် အားကောင်းမှုရှိသော လက်တွေ့သုံးကိရိယာတစ်ခုအဖြစ် တိုးတက်စေသည်။

တိုးတက်ကောင်းမွန်သော စွမ်းရည်များ

ကျွန်ုပ်တို့သည် အွန်လိုင်း ရုပ်ပုံများနှင့် စာသားများ၏ ပူးတွဲဖြန့်ဝေမှုအပေါ် ကျွန်ုပ်တို့၏ မော်ဒယ်များကို လေ့ကျင့်ခဲ့ပြီး ရုပ်ပုံများသည် ဘာသာစကားနှင့် မည်သို့ ဆက်စပ်သည်ကိုသာမက အချင်းချင်း မည်သို့ ဆက်စပ်သည်ကိုလည်း သင်ယူစေခဲ့ပါသည်။ ပြင်းထန်သော post-training နှင့် ပေါင်းစပ်လိုက်သောအခါ ရလဒ်ထွက်လာသော မော်ဒယ်သည် အံ့ဩဖွယ် မြင်ကွင်းဆိုင်ရာ ကျွမ်းကျင်မှုကို ပိုင်ဆိုင်လာပြီး အသုံးဝင်၍ ညီညွတ်ကာ context ကို နားလည်သော ရုပ်ပုံများကို ဖန်တီးနိုင်လာသည်။

စာသားပြသမှု

ပုံတစ်ပုံသည် စကားလုံးတစ်ထောင်တန်ဖိုးရှိသော်လည်း တစ်ခါတစ်ရံ မှန်ကန်သောနေရာတွင် စကားလုံးအနည်းငယ်ကို ဖန်တီးပေးခြင်းက ရုပ်ပုံ၏ အဓိပ္ပါယ်ကို ပိုမိုမြှင့်တင်ပေးနိုင်သည်။ 4o ၏ တိကျသော သင်္ကေတများကို ရုပ်ပုံများနှင့် ရောစပ်နိုင်စွမ်းက ရုပ်ပုံ ထုတ်လုပ်မှုကို မြင်ကွင်းဆိုင်ရာ ဆက်သွယ်ရေးကိရိယာတစ်ခုအဖြစ် ပြောင်းလဲပေးသည်။

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}

အကြိမ်များစွာ ဆက်တိုက်ဖန်တီးမှု

ရုပ်ပုံ ထုတ်လုပ်မှုသည် ယခု GPT‑4o တွင် မူလအနေဖြင့် ပါဝင်လာပြီဖြစ်သောကြောင့် သင်သည် သဘာဝကျသော စကားပြောဆိုမှုမှတစ်ဆင့် ရုပ်ပုံများကို ပိုမိုသန့်စင်ပြင်ဆင်နိုင်သည်။ GPT‑4o သည် chat context ထဲရှိ ရုပ်ပုံများနှင့် စာသားများပေါ်တွင် ဆက်လက်တည်ဆောက်နိုင်ပြီး တစ်လျှောက်လုံး ညီညွတ်မှုကို ထိန်းပေးသည်။ ဥပမာအားဖြင့် ဗီဒီယိုဂိမ်းဇာတ်ကောင်တစ်ကောင်ကို ဒီဇိုင်းဆွဲနေပါက ပြင်ဆင်စမ်းသပ်မှု အဆင့်များစွာတစ်လျှောက် ဇာတ်ကောင်၏ ရုပ်သွင်ပြင်သည် တစ်ညီတစ်ညွတ်တည်း ရှိနေမည်ဖြစ်သည်။

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

ညွှန်ကြားချက်လိုက်နာမှု

GPT‑4o ၏ ရုပ်ပုံ ထုတ်လုပ်မှုသည် အသေးစိတ်အချက်အလက်များကို အာရုံစိုက်ကာ အသေးစိတ် prompt များကို လိုက်နာသည်။ အခြားစနစ်များက အရာဝတ္ထု ~5-8 ခုတွင် အခက်အခဲရှိသော်လည်း GPT‑4o သည် မတူညီသော အရာဝတ္ထု 10-20 ခုအထိ ကိုင်တွယ်နိုင်သည်။ အရာဝတ္ထုများကို ၎င်းတို့၏ ဂုဏ်သတ္တိများနှင့် ဆက်နွယ်မှုများနှင့် ပိုမိုတင်းကျပ်စွာ ချိတ်ဆက်ပေးနိုင်ခြင်းက ပိုမိုကောင်းမွန်သော ထိန်းချုပ်မှုကို ပေးစွမ်းသည်။

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}

In-context learning

GPT‑4o သည် အသုံးပြုသူ upload လုပ်ထားသော ရုပ်ပုံများကို ခွဲခြမ်းစိတ်ဖြာကာ လေ့လာနိုင်ပြီး ၎င်းတို့၏ အသေးစိတ်အချက်အလက်များကို မိမိ၏ context ထဲသို့ ချောမွေ့စွာ ပေါင်းစည်းကာ ရုပ်ပုံ ထုတ်လုပ်မှုကို လမ်းညွှန်ပေးနိုင်သည်။

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}

ကမ္ဘာ့ဗဟုသုတ

မူလရုပ်ပုံ ထုတ်လုပ်မှုက 4o ကို စာသားနှင့် ရုပ်ပုံများကြားရှိ ၎င်း၏အသိပညာကို ချိတ်ဆက်အသုံးပြုနိုင်စေပြီး ပိုမိုစမတ်ကျကာ ပိုမိုထိရောက်သော မော်ဒယ်တစ်ခု ဖြစ်လာစေသည်။

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

ဓာတ်ပုံနီးပါးအစစ်နှင့် စတိုင်

ရုပ်ပုံစတိုင် မျိုးစုံကို ကျယ်ပြန့်စွာ ထင်ဟပ်စေသော ရုပ်ပုံများပေါ်တွင် လေ့ကျင့်ထားခြင်းက မော်ဒယ်အား ရုပ်ပုံများကို ယုံကြည်လောက်အောင် ဖန်တီးနိုင်ရန် သို့မဟုတ် ပြောင်းလဲနိုင်ရန် ကူညီပေးသည်။

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.

ကန့်သတ်ချက်များ

ကျွန်ုပ်တို့၏ မော်ဒယ်သည် ပြည့်စုံသောအရာမဟုတ်သေးပါ။ လက်ရှိအချိန်တွင် ကန့်သတ်ချက်များ များစွာ ရှိနေကြောင်း ကျွန်ုပ်တို့ သိရှိထားပြီး ကနဦး launch ပြီးနောက် မော်ဒယ် တိုးတက်ကောင်းမွန်မှုများမှတစ်ဆင့် ၎င်းတို့ကို ဖြေရှင်းသွားမည်ဖြစ်သည်။

GPT‑4o သည် ပိုစတာများကဲ့သို့ ရှည်လျားသော ရုပ်ပုံများကို တစ်ခါတစ်ရံ အထူးသဖြင့် အောက်ဘက်နားတွင် အလွန်ကျစ်လျစ်စွာ ဖြတ်တောက်တတ်ကြောင်း ကျွန်ုပ်တို့ သတိပြုမိထားသည်။

လုံခြုံရေး

ကျွန်ုပ်တို့၏ မော်ဒယ် သတ်မှတ်ချက်နှင့်အညီ ဂိမ်းဖွံ့ဖြိုးရေး၊ သမိုင်းဆိုင်ရာ လေ့လာရှာဖွေမှုနှင့် ပညာရေးကဲ့သို့ တန်ဖိုးရှိသော အသုံးပြုမှုများကို ပံ့ပိုးခြင်းဖြင့် ဖန်တီးမှုလွတ်လပ်ခွင့်ကို အများဆုံးရရှိစေရန် ရည်ရွယ်ထားသော်လည်း တစ်ချိန်တည်းမှာပင် ခိုင်မာသော လုံခြုံရေးစံနှုန်းများကို ထိန်းသိမ်းထားပါသည်။ ထိုစံနှုန်းများကို ချိုးဖောက်သော တောင်းဆိုမှုများကို ပိတ်ဆို့ထားရန်လည်း ယခင်ကထက် ပိုမိုအရေးကြီးနေဆဲဖြစ်သည်။ အောက်တွင် လုံခြုံပြီး အသုံးဝင်မှုမြင့်သော အကြောင်းအရာများကို ဖွင့်ပေးနိုင်ရန်နှင့် အသုံးပြုသူများအတွက် ပိုမိုကျယ်ပြန့်သော ဖန်တီးမှုဖော်ထုတ်မှုကို ပံ့ပိုးနိုင်ရန် ကျွန်ုပ်တို့ လုပ်ဆောင်နေသော ထပ်ဆောင်း အန္တရာယ်ဧရိယာများ၏ အကဲဖြတ်ချက်များကို ဖော်ပြထားပါသည်။

C2PA နှင့် အတွင်းပိုင်း reversible search မှတစ်ဆင့် provenance
ဖန်တီးထားသော ရုပ်ပုံအားလုံးတွင် GPT‑4o မှ လာကြောင်း သတ်မှတ်ပေးမည့် C2PA⁠ metadata ပါဝင်ပြီး ပိုမိုပွင့်လင်းမြင်သာမှုကို ပေးစွမ်းမည်ဖြစ်သည်။ ထို့အပြင် အကြောင်းအရာတစ်ခုသည် ကျွန်ုပ်တို့၏ မော်ဒယ်မှ လာမလာကို စိစစ်အတည်ပြုရန် generation များ၏ နည်းပညာဆိုင်ရာ လက္ခဏာများကို အသုံးပြုသော အတွင်းပိုင်း search tool တစ်ခုကိုလည်း တည်ဆောက်ထားပါသည်။

မကောင်းတဲ့အရာတွေကို ပိတ်ဆို့ခြင်း
ကလေးသူငယ် လိင်ပိုင်းဆိုင်ရာ အလွဲသုံးစားပြုမှုအကြောင်းအရာများနှင့် sexual deepfake များကဲ့သို့ ကျွန်ုပ်တို့၏ အကြောင်းအရာမူဝါဒများကို ချိုးဖောက်နိုင်သော ဖန်တီးထားသည့် ရုပ်ပုံတောင်းဆိုမှုများကို ဆက်လက်ပိတ်ဆို့နေပါသည်။ အမှန်တကယ် လူပုဂ္ဂိုလ်များ၏ ရုပ်ပုံများ ပါဝင်နေသော context တွင် မည်သည့် ပုံရိပ်မျိုးများကို ဖန်တီးနိုင်သည်ဆိုသည်အပေါ် ကန့်သတ်ချက်များ ပိုမိုတင်းကျပ်စေထားပြီး အထူးသဖြင့် ကိုယ်လုံးတီးပုံများနှင့် ပြင်းထန်သော အကြမ်းဖက်ပုံများအတွက် အကာအကွယ်များကို အလွန်ခိုင်မာစွာ ထားရှိထားပါသည်။ Launch တိုင်းကဲ့သို့ပင် လုံခြုံရေးလုပ်ငန်းစဉ်မှာ ဘယ်တော့မှ မပြီးဆုံးဘဲ ဆက်လက်ရင်းနှီးမြှုပ်နှံရမည့် နယ်ပယ်တစ်ခု ဖြစ်နေဆဲဖြစ်သည်။ ဤမော်ဒယ်၏ လက်တွေ့ကမ္ဘာ အသုံးပြုမှုအကြောင်း ပိုမိုလေ့လာသိရှိလာသည်နှင့်အမျှ ကျွန်ုပ်တို့၏ မူဝါဒများကိုလည်း ထိုအတိုင်း ချိန်ညှိသွားမည်ဖြစ်သည်။

ကျွန်ုပ်တို့၏ လုပ်ဆောင်ပုံအကြောင်း ပိုမိုသိရှိလိုပါက image generation GPT‑4o စနစ်ကဒ် addendum⁠ ကို ဝင်ရောက်ကြည့်ရှုပါ။

လုံခြုံရေးအား မြှင့်တင်ရန် reasoning ကို အသုံးပြုခြင်း
ကျွန်ုပ်တို့၏ စဉ်းစားဆုံးဖြတ်ပြီး ကိုက်ညီစေမှု⁠ လုပ်ငန်းနှင့် ဆင်တူစွာပင် လူများက ရေးသားထားပြီး နားလည်လွယ်သော လုံခြုံရေး သတ်မှတ်ချက်များမှ တိုက်ရိုက် အလုပ်လုပ်နိုင်ရန် reasoning LLM တစ်ခုကို လေ့ကျင့်ပေးထားပါသည်။ ဖွံ့ဖြိုးတိုးတက်ရေးကာလအတွင်း ကျွန်ုပ်တို့၏ မူဝါဒများရှိ မရှင်းလင်းချက်များကို ဖော်ထုတ်ဖြေရှင်းရာတွင် ဤ reasoning LLM ကို အသုံးပြုခဲ့ပါသည်။ ကျွန်ုပ်တို့၏ multimodal တိုးတက်မှုများနှင့် ChatGPT နှင့် Sora အတွက် ဖန်တီးထားပြီးသား လုံခြုံရေးနည်းလမ်းများနှင့် ပေါင်းစပ်လိုက်သောအခါ ၎င်းက input text နှင့် output image နှစ်မျိုးစလုံးကို ကျွန်ုပ်တို့၏ မူဝါဒများနှင့်အညီ moderate⁠ လုပ်နိုင်စေပါသည်။

အသုံးပြုခွင့်နှင့် ရရှိနိုင်မှု

4o ရုပ်ပုံ ထုတ်လုပ်မှုကို ယနေ့မှစတင်၍ Plus၊ Pro၊ Team နှင့် Free အသုံးပြုသူများအတွက် ChatGPT ထဲရှိ မူလရုပ်ပုံဖန်တီးစက်အဖြစ် ဖြန့်ချိနေပြီး Enterprise နှင့် Edu အတွက်လည်း မကြာမီ အသုံးပြုနိုင်မည်ဖြစ်သည်။ ၎င်းကို Sora တွင်လည်း အသုံးပြုနိုင်သည်။ DALL·E ကို အထူးနှစ်သက်သူများအတွက် သီးသန့် DALL·E GPT မှတစ်ဆင့်လည်း ဆက်လက်အသုံးပြုနိုင်သေးသည်။

ဖွံ့ဖြိုးရေးသားသူများသည် မကြာမီ API မှတစ်ဆင့် GPT‑4o ဖြင့် ရုပ်ပုံများ ဖန်တီးနိုင်တော့မည်ဖြစ်ပြီး လာမည့် အပတ်အနည်းငယ်အတွင်း အသုံးပြုခွင့်ကို ဖြန့်ချိသွားမည်ဖြစ်သည်။

ရုပ်ပုံများ ဖန်တီးခြင်းနှင့် စိတ်ကြိုက်ပြင်ဆင်ခြင်းသည် GPT‑4o ကိုသုံးပြီး စကားပြောသလိုပင် လွယ်ကူသည် — လိုအပ်တာကိုသာ ဖော်ပြပါ၊ aspect ratio၊ hex code များဖြင့် အတိအကျအရောင်များ သို့မဟုတ် transparent background ကဲ့သို့ အသေးစိတ်ချက်များလည်း ထည့်ပြောနိုင်သည်။ ဤမော်ဒယ်သည် ပိုမိုအသေးစိတ်သော ပုံများကို ဖန်တီးသောကြောင့် ရုပ်ပုံများ render လုပ်ရန် ပိုကြာပြီး မကြာခဏ တစ်မိနစ်အထိ ကြာနိုင်သည်။

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

Livestream ပြန်လည်ပြသမှု

စာရေးသူ

OpenAI

ခေါင်းဆောင်မှု

Gabriel Goh: ရုပ်ပုံ ထုတ်လုပ်မှု

Jackie Shannon: ChatGPT ထုတ်ကုန်

Mengchao Zhong, Wayne Chang: ChatGPT အင်ဂျင်နီယာပိုင်း

Rohan Sahai: Sora ထုတ်ကုန်နှင့် အင်ဂျင်နီယာပိုင်း

Brendan Quinn, Tomer Kaftan: Inference

Prafulla Dhariwal: Multimodal Organization

သုတေသန

အခြေခံ သုတေသန

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

အဓိက သုတေသန

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

သုတေသန ပူးပေါင်းပါဝင်သူများ

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

မော်ဒယ် အပြုအမူ

Laurentia Romaniuk

Multimodal Organization

Andrew Gibiansky, Yang Lu

ဒေတာ

ဒေတာ ခေါင်းဆောင်များ

Gildas Chabot, James Park Lennon

ဒေတာ

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

Moderators

Hazel Byrne, Jennifer Luckenbill, Mariano López

Human Data Advisors

Long Ouyang

ချဲ့ထွင်မှု

Inference ခေါင်းဆောင်များ

Brendan Quinn, Tomer Kaftan

Inference

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

အသုံးချမှု

ChatGPT ထုတ်ကုန်ခေါင်းဆောင်

Jackie Shannon

ChatGPT အင်ဂျင်နီယာပိုင်း ခေါင်းဆောင်များ

Mengchao Zhong, Wayne Chang

ထုတ်ကုန်ဒီဇိုင်း ခေါင်းဆောင်

Matt Chan

ဒေတာသိပ္ပံ

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

Sora ထုတ်ကုန်ခေါင်းဆောင်များ

Rohan Sahai, Wesam Manassra

Sora ထုတ်ကုန်နှင့် အင်ဂျင်နီယာပိုင်း

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

လုံခြုံရေး

လုံခြုံရေး ခေါင်းဆောင်

Somay Jain

လုံခြုံရေး

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

မဟာဗျူဟာ

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

မားကက်တင်း နှင့် ဆက်သွယ်ရေး

ဆက်သွယ်ရေးနှင့် မားကက်တင်း ခေါင်းဆောင်များ

Minnia Feng, Natalie Summers, Taya Christianson

ဆက်သွယ်ရေး

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

ဒီဇိုင်း နှင့် ဖန်တီးမှု

ခေါင်းဆောင်များ

Kendra Rimbach, Veit Moeller

ဒီဇိုင်း

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

အထူးကျေးဇူးတင်ရှိပါသည်

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