ప్రధాన కంటెంట్‌కి దాటండి
OpenAI

25 మార్చి, 2025

ప్రోడక్ట్రిలీజ్

4o ఇమేజ్ జనరేషన్ని పరిచయం చేస్తున్నాము

ఖచ్చితమైన, సరిగ్గా, ఫోటోరియలిస్టిక్ అవుట్‌పుట్‌లను అందించగల స్వభావత మల్టీమోడల్ నమూనాతో ఉపయోగకరమైన, విలువైన చిత్రం జనరేషన్‌ను ఆవిష్కరిస్తోంది.

ChatGPT లో ప్రయత్నించండి (కొత్త విండోలో తెరుచుకుంటుంది)
లోడ్ అవుతోంది…

OpenAIలో, మా భాషా నమూనాల ప్రాథమిక సామర్థ్యం చిత్రం జనరేషన్ అని మేము చాలా కాలంగా విశ్వసిస్తున్నాము. అందుకే మేము మా అత్యంత అధునాతన చిత్రం జనరేటర్‌ను GPT‑4o లో నిర్మించాము. ఫలితం—అందమైనది మాత్రమే కాదు, ఉపయోగకరమైనది కూడా అయిన చిత్రం జనరేషన్.

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"

oai_image-generation_whiteboard1

Best of 8

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

oai_image-generation_whiteboard2

Best of 8

ఉపయోగకరమైన చిత్ర ఉత్పత్తి

తొలి గుహ చిత్రాల నుండి ఆధునిక ఇన్ఫోగ్రాఫిక్స్ వరకు, మానవులు దృశ్య చిత్రాలను సంభాషించడానికి, ఒప్పించడానికి మరియు విశ్లేషించడానికి ఉపయోగించారు—అలంకరించడానికి మాత్రమే కాదు. నేటి ఉత్పాదక నమూనాలు అవాస్తవికమైన, ఉత్కంఠభరితమైన దృశ్యాలను సృష్టించగలవు, కానీ ప్రజలు సమాచారాన్ని పంచుకోవడానికి మరియు సృష్టించడానికి ఉపయోగించే శ్రమతో కూడిన చిత్రాలతో ఇబ్బంది పడతాయి. లోగోల నుండి రేఖాచిత్రాల వరకు, చిత్రాలను పంచుకున్న భాష మరియు అనుభవాన్ని సూచించే చిహ్నాలతో పెంచినప్పుడు అవి ఖచ్చితమైన అర్థాన్ని తెలియజేస్తాయి.

GPT‑4o చిత్రం జనరేషన్ టెక్స్ట్‌ను ఖచ్చితంగా రెండరింగ్ చేయడం, ప్రాంప్ట్‌లను ఖచ్చితంగా అనుసరించడం మరియు 4o యొక్క స్వాభావిక జ్ఞానం బేస్ మరియు చాట్ సందర్భాన్ని ఉపయోగించడంలో అద్భుతంగా ఉంటుంది—అప్‌లోడ్ చేసిన చిత్రాలను మార్చడం లేదా వాటిని దృశ్య ప్రేరణగా ఉపయోగించడంతో సహా. ఈ సామర్థ్యాలు మీరు ఊహించిన చిత్రాన్ని సరిగ్గా సృష్టించడాన్ని సులభతరం చేస్తాయి, దృశ్యాల ద్వారా మరింత ప్రభావవంతంగా కమ్యూనికేట్ చేయడంలో మీకు సహాయపడతాయి మరియు చిత్ర ఉత్పత్తిని ఖచ్చితత్వం మరియు శక్తితో ఆచరణాత్మక సాధనంగా అభివృద్ధి చేస్తాయి.

మెరుగైన సామర్థ్యాలు

ఆన్‌లైన్ చిత్రాలు మరియు వచనం యొక్క ఉమ్మడి పంపిణీపై మేము మా నమూనాలకు శిక్షణ ఇచ్చాము, చిత్రాలు భాషకు ఎలా సంబంధం కలిగి ఉన్నాయో మాత్రమే కాకుండా, అవి ఒకదానికొకటి ఎలా సంబంధం కలిగి ఉన్నాయో నేర్చుకున్నాము. దూకుడుగా ఉండే పోస్ట్-శిక్షణతో కలిపి, ఫలిత నమూనా ఆశ్చర్యకరమైన దృశ్యమానతను కలిగి ఉంటుంది, ఉపయోగకరమైన, స్థిరమైన మరియు సందర్భోచితంగా అవగాహన ఉన్న చిత్రాలను రూపొందించగలదు.

టెక్స్ట్ రెండరింగ్

ఒక చిత్రం వెయ్యి పదాల విలువైనది, కానీ కొన్నిసార్లు సరైన స్థలంలో కొన్ని పదాలను ఉత్పత్తి చేయడం వలన చిత్రం యొక్క అర్థాన్ని పెంచుతుంది. ఖచ్చితమైన చిహ్నాలను చిత్రాలతో మిళితం చేసే 4o సామర్థ్యం చిత్ర ఉత్పత్తిని దృశ్య సంభాషణకు ఒక సాధనంగా మారుస్తుంది.

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

image-gen-4o-street-sign

Best of ~8

బహుళ-మలుపు జనరేషన్

చిత్రం జనరేషన్ ఇప్పుడు GPT‑4o కి చెందినది కాబట్టి, మీరు సహజ సంభాషణ ద్వారా చిత్రాలను మెరుగుపరచవచ్చు. GPT‑4o చాట్ సందర్భంలో చిత్రాలు మరియు వచనాలపై ఆధారపడి ఉంటుంది, అంతటా స్థిరత్వాన్ని నిర్ధారిస్తుంది. ఉదాహరణకు, మీరు ఒక వీడియో గేమ్ పాత్రను డిజైన్ చేస్తుంటే, మీరు మెరుగుపరచి, ప్రయోగాలు చేస్తున్నప్పుడు ఆ పాత్ర యొక్క రూపురేఖలు బహుళ పునరావృతాలలో స్థిరంగా ఉంటాయి.

minnias cat input

Give this cat a detective hat and a monocle

minnias-cat-2

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

minnias cat2

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

minnias cat3

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)

minnias cat4

Best of 8

credit creator: Manuel Sainsily

సూచనలను అనుసరించడం

GPT‑4o యొక్క చిత్రం జనరేషన్ వివరాలకు శ్రద్ధతో వివరణాత్మక ప్రాంప్ట్‌లను అనుసరిస్తుంది. ఇతర వ్యవస్థలు ~5-8 వస్తువులతో ఇబ్బంది పడుతుండగా, GPT‑4o 10-20 వేర్వేరు వస్తువులను నిర్వహించగలదు. వస్తువులను వాటి లక్షణాలు మరియు సంబంధాలకు గట్టిగా బంధించడం వల్ల మెరుగైన నియంత్రణ లభిస్తుంది.

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

Screenshot 2025-03-24 at 10.07.12 AM

Best of 5

సందర్భానుసారంగా నేర్చుకోవడం

GPT‑4o వినియోగదారు అప్‌లోడ్ చేసిన చిత్రాలను విశ్లేషించి నేర్చుకోగలదు, వాటి వివరాలను దాని సందర్భంలోకి సజావుగా అనుసంధానించి చిత్రం జనరేషన్‌కు తెలియజేస్తుంది.

in-context-learning-prompt
  • 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.
Screenshot 2025-03-24 at 10.41.56 AM

Best of ~16

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

Screenshot 2025-03-24 at 10.42.45 AM

Best of ~16

ప్రపంచ జ్ఞానం

నేటివ్ చిత్రం జనరేషన్ 4o తన జ్ఞానాన్ని టెక్స్ట్ మరియు చిత్రంల మధ్య లింక్ చేయడానికి వీలు కల్పిస్తుంది, ఫలితంగా నమూనా తెలివిగా మరియు మరింత సమర్థవంతంగా అనిపిస్తుంది.

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

Screenshot 2025-03-18 at 11.46.24 AM

ఫోటోరియలిజం మరియు శైలి

వివిధ రకాల చిత్ర శైలులను ప్రతిబింబించే చిత్రాలపై శిక్షణ ఇవ్వడం వలన నమూనా చిత్రాలను నమ్మకంగా సృష్టించడానికి లేదా మార్చడానికి అనుమతిస్తుంది.

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.

పరిమితులు

మా నమూనా పరిపూర్ణంగా లేదు. ప్రస్తుతానికి మాకు బహుళ పరిమితుల గురించి తెలుసు, వాటిని ప్రారంభ ప్రయోగం తర్వాత నమూనా మెరుగుదలల ద్వారా పరిష్కరించడానికి మేము కృషి చేస్తాము.

కత్తిరించడం

GPT‑4o అప్పుడప్పుడు పోస్టర్ల వంటి పొడవైన చిత్రాలను చాలా గట్టిగా, ముఖ్యంగా దిగువన కత్తిరించగలదని మేము గమనించాము.

సేఫ్టీ

మా నమూనా స్పెక్‌కు అనుగుణంగా, బలమైన భద్రతా ప్రమాణాలను కొనసాగిస్తూనే, గేమ్ అభివృద్ధి, చారిత్రక అన్వేషణ మరియు విద్య వంటి విలువైన వినియోగ సందర్భాలకు మద్దతు ఇవ్వడం ద్వారా సృజనాత్మక స్వేచ్ఛను పెంచుకోవాలని మేము లక్ష్యంగా పెట్టుకున్నాము. అదే సమయంలో, ఆ ప్రమాణాలను ఉల్లంఘించే అభ్యర్థనలను బ్లాక్ చేయడం ఎప్పటిలాగే ముఖ్యమైనది. వినియోగదారులకు సురక్షితమైన, అధిక-ఉపయోగకరమైన కంటెంట్‌ను ప్రారంభించడానికి మరియు విస్తృత సృజనాత్మక వ్యక్తీకరణకు మద్దతు ఇవ్వడానికి మేము పనిచేస్తున్న అదనపు ప్రమాద ప్రాంతాల మూల్యాంకనాలు క్రింద ఉన్నాయి.

C2PA ద్వారా మూలం మరియు అంతర్గత రివర్సిబుల్ శోధన
అన్ని జనరేట్ చేయబడిన చిత్రాలు C2PA⁠ మెటాడేటాతో వస్తాయి, ఇది పారదర్శకతను అందించడానికి GPT‑4o నుండి వస్తున్న చిత్రాన్ని గుర్తిస్తుంది. కంటెంట్ మా నమూనా నుండి వచ్చిందో లేదో ధృవీకరించడంలో సహాయపడటానికి తరాల సాంకేతిక లక్షణాలను ఉపయోగించే అంతర్గత శోధన సాధనాన్ని కూడా మేము నిర్మించాము.

చెడు విషయాలను బ్లాక్ చేయడం
పిల్లల లైంగిక వేధింపుల మెటీరియల్‌లు మరియు లైంగిక డీప్‌ఫేక్‌లు వంటి మా కంటెంట్ పాలసీలను ఉల్లంఘించే అవకాశం ఉన్న జనరేట్ చేయబడిన చిత్రాల కోసం అభ్యర్థనలను మేము బ్లాక్ చేస్తూనే ఉన్నాము. నిజమైన వ్యక్తుల చిత్రాలు సందర్భోచితంగా ఉన్నప్పుడు, ఏ రకమైన చిత్రాలను సృష్టించవచ్చనే దానిపై మేము పరిమితులను పెంచాము, ముఖ్యంగా నగ్నత్వం మరియు గ్రాఫిక్ హింస చుట్టూ బలమైన రక్షణలు ఉన్నాయి. ఏదైనా ప్రయోగం లాగానే, భద్రత ఎప్పటికీ పూర్తి కాదు మరియు ఇది పెట్టుబడి యొక్క నిరంతర రంగం. ఈ నమూనా యొక్క వాస్తవ ప్రపంచ వినియోగం గురించి మనం మరింత తెలుసుకున్న కొద్దీ, మన విధానాలను తదనుగుణంగా సర్దుబాటు చేసుకుంటాము.

మా విధానం గురించి మరింత తెలుసుకోవడానికి, GPT‑4o సిస్టమ్ కార్డ్‌కు చిత్రం జనరేషన్ అనుబంధాన్ని⁠ సందర్శించండి.

భద్రతకు శక్తినివ్వడానికి తార్కికతను ఉపయోగించడం
మా ఉద్దేశపూర్వక అమరిక⁠ పని మాదిరిగానే, మానవ-వ్రాతపూర్వక మరియు అర్థమయ్యే భద్రతా నిర్దేశాల నుండి నేరుగా పనిచేయడానికి మేము ఒక తార్కిక LLM కు శిక్షణ ఇచ్చాము. మా విధానాలలో అస్పష్టతలను గుర్తించడంలో మరియు పరిష్కరించడంలో మాకు సహాయపడటానికి అభివృద్ధి సమయంలో మేము ఈ తార్కిక LLMని ఉపయోగించాము. మా మల్టీమోడల్ పురోగతులు మరియు ChatGPT మరియు Sora కోసం అభివృద్ధి చేయబడిన ప్రస్తుత భద్రతా పద్ధతులతో కలిపి, ఇది మా విధానాలకు అనుగుణంగా ఇన్‌పుట్ టెక్స్ట్ మరియు అవుట్‌పుట్ చిత్రాలను మోడరేట్⁠ చేయడానికి అనుమతిస్తుంది.

ప్రాప్యత మరియు లభ్యత

4o చిత్రం జనరేషన్ నేటి నుండి ChatGPTలో డిఫాల్ట్ చిత్రం జనరేటర్‌గా Plus, Pro, Team మరియు Free వినియోగదారులకు అందుబాటులోకి వస్తుంది, త్వరలో Enterprise మరియు Edu లకు ప్రాప్యత లభిస్తుంది. ఇది Soraలో కూడా ఉపయోగించడానికి అందుబాటులో ఉంది. DALL·E కి తమ హృదయాలలో ప్రత్యేక స్థానాన్ని కలిగి ఉన్నవారు, దీనిని ఇప్పటికీ అంకితమైన DALL·E GPT ద్వారా ప్రాప్యత చేయవచ్చు.

డెవలపర్లు త్వరలో API ద్వారా GPT‑4o తో చిత్రాలను రూపొందించగలరు, రాబోయే కొన్ని వారాల్లో ప్రాప్యత అందుబాటులోకి వస్తుంది.

చిత్రాలను సృష్టించడం మరియు అనుకూలీకరించడం GPT‑4o ని ఉపయోగించి చాట్ చేసినంత సులభం - కారక నిష్పత్తి, హెక్స్ కోడ్‌లను ఉపయోగించి ఖచ్చితమైన రంగులు లేదా పారదర్శక నేపథ్యం వంటి ఏవైనా ప్రత్యేకతలతో సహా మీకు ఏమి అవసరమో వివరించండి. ఈ నమూనా మరింత వివరణాత్మక చిత్రాలను సృష్టిస్తుంది కాబట్టి, చిత్రాలను రెండర్ చేయడానికి ఎక్కువ సమయం పడుతుంది, తరచుగా ఒక నిమిషం వరకు పడుతుంది.

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](https://every.to/@AlxAi)

లైవ్‌స్ట్రీమ్ రీప్లే

రచయిత

OpenAI

నాయకత్వం

గాబ్రియేల్ గో: చిత్రం జనరేషన్

జాకీ షానన్: ChatGPT ఉత్పత్తి

మెంగ్‌చావో జాంగ్, వేన్ చాంగ్: ChatGPT ఇంజనీరింగ్

రోహన్ సహాయ్: Sora ఉత్పత్తి మరియు ఇంజనీరింగ్

బ్రెండన్ క్విన్, టోమర్ కాఫ్తాన్: తీర్మానం

ప్రఫుల్ల ధరివాల్: మల్టీమోడల్ ఆర్గనైజేషన్

రీసెర్చ్

పునాది పరిశోధన

అలన్ జాబ్రీ, డేవిడ్ మదీనా, గాబ్రియేల్ గోహ్, కెంజి హటా, లు లియు, ప్రఫుల్ల ధరివాల్

కోర్ పరిశోధన

ఆదిత్య రమేష్, అలెక్స్ నికోల్, కేసీ చు, చెంగ్ లు, డయాన్ ఆంగ్ యాప్, హీవూ జున్, జేమ్స్ బెట్కర్, జియాన్‌ఫెంగ్ వాంగ్, లాంగ్ ఓయాంగ్, లి జింగ్, వెసమ్ మనస్రా

పరిశోధన సహాయకులు

ఐడెన్ లో, బ్రాండన్ మెకింజీ, చార్లీ నాష్, హుయివెన్ చాంగ్, ఇషాన్ గుల్రాజని, జామీ కిరోస్, జి లిన్, క్షితిజ్ గుప్తా, యాంగ్ సాంగ్

నమూనా ప్రవర్తన

లారెంటియా రొమానిక్

మల్టీమోడల్ ఆర్గనైజేషన్

ఆండ్రూ గిబియన్‌స్కీ, యాంగ్ లు

డేటా

డేటా లీడ్‌లు

గిల్డాస్ చాబోట్, జేమ్స్ పార్క్ లెన్నాన్

డేటా

అర్షి భట్నాగర్, డ్రాగోస్ ఒప్రికా, రోహన్ క్షీర్సాగర్, స్పెన్సర్ పాపాయి, స్జి-చీ యు, వెసమ్ మనస్స్రా, యిలీ కియాన్

మోడరేటర్స్

హాజెల్ బైర్నే, జెన్నిఫర్ లకెన్‌బిల్, మరియానో లోపెజ్

మానవ డేటా సలహాదారులు

లాంగ్ ఔయాంగ్

స్కేలింగ్

తీర్మానం లీడ్‌లు

బ్రెండన్ క్విన్, టోమర్ కాఫ్తాన్

తీర్మానం

అలిస్సా హువాంగ్, జాకబ్ మెనిక్, నిక్ స్టాథాస్, రుస్లాన్ వాసిలేవ్, స్టాన్లీ హ్సీహ్

దరఖాస్తు చేయబడింది

ChatGPT ఉత్పత్తి లీడ్

జాకీ షానన్

ChatGPT ఇంజనీరింగ్ లీడ్స్

మెంగ్చావ్ జాంగ్, వేన్ చాంగ్

ఉత్పత్తి రూపకల్పన లీడ్

మాట్ చాన్

డేటా సైన్స్

జియోలిన్ హావో

ChatGPT

ఆండ్రూ సిమా, అన్నీ చెంగ్, బెంజమిన్ గోహ్, బోయాంగ్ నియు, డయాన్ ఆంగ్ యాప్, డక్ ట్రాన్, ఎడెడ్ ఓయివో, ఎరిక్ జాంగ్, ఏతాన్ చాంగ్, జెఫ్రీ డన్హామ్, జే చెన్, కాన్ వు, కరెన్ లి, కెల్లీ స్టిర్మాన్, మెంగ్యువాన్ జు, మిచెల్ క్విన్, ఓలా ఒకెలోలా, పెడ్రో అగ్యిలర్, రాకీ స్మిత్, రోహిత్ రామ్‌చందాని, సారా కల్వర్, సీన్ ఫిట్జ్‌గెరాల్డ్, వ్లాడ్ ఫోమెన్కో, వానింగ్ జియాంగ్, వెసం మనస్రా, జియావోలిన్ హావో, యిలీ క్వియాన్

Sora

Sora ఉత్పత్తి నాయకులు

రోహన్ సహాయ్, వెసం మనస్రా

Sora ఉత్పత్తి మరియు ఇంజనీరింగ్

బోయాంగ్ నియు, డేవిడ్ ష్నూర్, గిల్మాన్ టోల్లె, జో టేలర్, జోయ్ ఫ్లిన్, మైక్ స్టార్, రాజీవ్ నాయక్, రోహన్ సహాయ్, వెసం మనస్రా

సేఫ్టీ

భద్రతా మార్గదర్శకం

సోమయ్ జైన్

సేఫ్టీ

అలెక్స్ బ్యూటెల్, ఆండ్రియా వల్లోన్, బొటావో హావో, బ్రెండన్ క్విన్, కామెరాన్ రేమండ్, చోంగ్ జాంగ్, డేవిడ్ రాబిన్సన్, ఎరిక్ వాలెస్, ఫిలిప్పో రాసో, హుయివెన్ చాంగ్, ఇయాన్ కివ్లిచాన్, ఇరినా కోఫ్‌మన్, కెరెన్ గు-లెంబెర్గ్, క్రిస్టెన్ షాహన్ యింగ్, ఓచైన్ యింగ్, ఓచైన్ యింగ్, మేల్‌వేన్ యింగ్, కాంప్‌బెల్-మూర్, రోహన్ సహాయ్, రోడ్రిగో రియాజా పెరెజ్, సామ్ టోయిజర్, సంధిని అగర్వాల్, ట్రాయ్ పీటర్సన్

వ్యూహం

ఆడమ్ కోహెన్, ఆడమ్ వెల్స్, అల్లీ బెన్నెట్, ఆష్లే పంతులియానో, కరోలినా పాజ్, క్లాడియా ఫిషర్, డెక్లాన్ గ్రాబ్, గాబీ సాక్రమోన్-లుట్జ్, లారెన్ జోనాస్, ర్యాన్ బీర్‌మెయిస్టర్, షియావో లీ, టామ్ స్టాసి, టైస్ వాల్టర్స్, జియాద్ రెస్లాన్, జో స్టోల్

మార్కెటింగ్ &amp; కమ్యూనికేషన్

స్కమ్యూనికేషన్స్ మరియు మార్కెటింగ్ లీడ్స్

మిన్నియా ఫెంగ్, నటాలీ సమ్మర్స్, తయా క్రిస్టియన్సన్

కమ్స్

అలెక్స్ బేకర్-విట్‌కాంబ్, ఆష్లే టైరా, బెయిలీ రిచర్డ్‌సన్, గాబీ రైలా, మార్సెలస్ కేటన్, స్కాట్ ఎథర్‌స్మిత్, సౌకి మన్సూర్

డిజైన్ &amp; సృజనాత్మకత

లీడ్స్

కేంద్ర రింబాచ్, వీట్ మోయెల్లర్

రూపకల్పన

ఆడమ్ బ్రాండన్, ఆడమ్ కొప్పెల్, ఏంజెలా బేక్, క్యారీ హడ్సన్, డానా పాల్మీ, ఫ్రెడ్డీ సులిట్, జెఫ్రీ సబిన్ మాట్సుమోటో, లేయాన్ లో, మాట్ నికోల్స్, థామస్ డెగ్రీ, వెనెస్సా ఆంటోనియా షెఫ్కే, యారా ఖక్బాజ్

ప్రత్యేక ధన్యవాదాలు

ఆదిత్య రమేష్, ఐడాన్ క్లార్క్, అలెక్స్ బ్యూటెల్, బెన్ న్యూహౌస్, బెన్ రోసెన్, చే చాంగ్, గ్రెగ్ బ్రోక్‌మన్, హన్నా వాంగ్, ఇషాన్ సింగల్, జాసన్ క్వాన్, జియాచెంగ్ ఫెంగ్, జియాహుయ్ యు, జోవాన్ జాంగ్, జోహన్నెస్ హైడెకే, కెవిన్ రూలీ వెయిల్, మార్క్‌లా చెన్, నైక్, జిక్లా చెన్, ఎమ్‌టి పర్లీ షుచావో బి, విన్నీ మ్యూనిచ్