GPT-image-1 da OpenAI - 4o Image Gen 1

Originalmente detalhado em - https://openai.com/index/introducing-4o-image-generation/

Atualização 08/05: Lançamos um seletor de qualidade e ajustamos os preços! Agora imagens de qualidade Média custam 100 Buzz ⚡

Confira nosso Guia para usar o GPT Image 1!

Geração de imagem útil

Desde as primeiras pinturas rupestres até infográficos modernos, os humanos usam imagens visuais para comunicar, persuadir e analisar — não apenas para decorar. Os modelos generativos atuais podem criar cenas surreais e impressionantes, mas têm dificuldade com imagens básicas que as pessoas usam para compartilhar e criar informações. De logotipos a diagramas, as imagens podem transmitir significado preciso quando amplificadas com símbolos que se referem a uma linguagem e experiência compartilhadas.

A geração de imagem GPT‑4o se destaca na renderização exata de texto, seguimento preciso dos prompts e aproveitamento da base de conhecimento inerente ao 4o e do contexto do chat — incluindo transformação de imagens carregadas ou uso delas como inspiração visual. Essas capacidades facilitam a criação da imagem exatamente como você imagina, ajudando a comunicar mais efetivamente através de imagens e avançando a geração de imagens para uma ferramenta prática com precisão e potência.

Capacidades aprimoradas

Treinamos nossos modelos na distribuição conjunta de imagens e textos online, aprendendo não apenas como as imagens se relacionam com a linguagem, mas como se relacionam entre si. Combinado com pós-treinamento agressivo, o modelo resultante possui fluência visual surpreendente, capaz de gerar imagens úteis, consistentes e conscientes do contexto.

Renderização de texto

Uma imagem vale mais que mil palavras, mas às vezes gerar algumas palavras no lugar certo pode elevar o significado de uma imagem. A habilidade do 4o de mesclar símbolos precisos com imagens transforma a geração de imagem em uma ferramenta para comunicação visual.

Geração multi-turno

Como a geração de imagens é nativa do GPT‑4o, você pode refinar imagens através de conversas naturais. O GPT‑4o pode construir sobre imagens e texto no contexto do chat, garantindo consistência ao longo do processo. Por exemplo, se você estiver desenhando um personagem de videogame, a aparência do personagem permanece coerente em várias iterações enquanto você refina e experimenta.

Seguimento de instruções

A geração de imagens do GPT‑4o segue prompts detalhados com atenção cuidadosa. Enquanto outros sistemas têm dificuldades com cerca de 5-8 objetos, o GPT‑4o pode lidar com até 10-20 objetos diferentes. A ligação mais estreita dos objetos com seus traços e relações permite melhor controle.

Aprendizado em contexto

O GPT‑4o pode analisar e aprender a partir de imagens enviadas pelo usuário, integrando seus detalhes perfeitamente ao contexto para informar a geração de imagens.

Segurança

Em conformidade com nossa Especificação do Modelo, buscamos maximizar a liberdade criativa apoiando casos de uso valiosos como desenvolvimento de jogos, exploração histórica e educação — enquanto mantemos padrões rígidos de segurança. Ao mesmo tempo, é sempre crucial bloquear solicitações que violem esses padrões. Abaixo estão avaliações de áreas de risco adicionais onde trabalhamos para viabilizar conteúdo seguro e de alta utilidade e apoiar expressão criativa mais ampla para os usuários.

Proveniência via C2PA e busca reversível interna
Todas as imagens geradas possuem metadados C2PA⁠, que identificam a imagem como proveniente do GPT‑4o, para proporcionar transparência. Também criamos uma ferramenta de busca interna que usa atributos técnicos das gerações para ajudar a verificar se o conteúdo veio do nosso modelo.

Bloqueando conteúdos inadequados
Continuamos a bloquear solicitações de imagens geradas que possam violar nossas políticas de conteúdo, como materiais de abuso sexual infantil e deepfakes sexuais. Quando imagens de pessoas reais estão no contexto, temos restrições aumentadas sobre que tipo de imagens podem ser criadas, com salvaguardas particularmente robustas em torno de nudez e violência gráfica. Como em qualquer lançamento, a segurança é um trabalho contínuo e uma área constante de investimento. Conforme aprendemos mais sobre o uso real deste modelo, ajustaremos nossas políticas conforme necessário.

Para mais informações sobre nossa abordagem, visite o adendo para geração de imagem do GPT‑4o⁠.

Usando raciocínio para impulsionar a segurança
Semelhante ao nosso trabalho de alinhamento deliberativo⁠, treinamos um LLM de raciocínio para trabalhar diretamente com especificações de segurança humanas e interpretáveis. Usamos esse LLM de raciocínio durante o desenvolvimento para ajudar a identificar e resolver ambiguidades em nossas políticas. Juntamente com nossos avanços multimodais e técnicas de segurança já desenvolvidas para ChatGPT e Sora, isso nos permite moderar⁠ tanto o texto de entrada quanto imagens de saída segundo nossas políticas.