Openai于2025年3月25日正式宣布在GPT-4o模型中集成圖像編輯和視覺生成功能，用戶可以通過對話式來生成圖像、修改現有視覺內容，甚至設計復雜的材料，如圖表、菜單和地圖等。

功能特點：

• 實時迭代：用戶可以實時迭代圖像請求，例如要求生成“城市中的蝸牛”，然后通過改變背景或添加配飾來細化場景。

• 復雜指令處理：該系統能夠處理更復雜的圖像構圖指令。

• 文本渲染改進：GPT-4o在圖像中渲染清晰且結構化的文本方面有了顯著提升，使其能夠更好地生成信息圖表、圖表、標志等專業視覺內容。

• “修復”功能：用戶可以對現有圖像進行“修復”，編輯前景和背景元素，即使照片中有人物也適用。

性能與速度

雖然GPT-4o處理圖像請求的速度比其前身DALL·E 3慢，但生成的圖像更準確、更詳細。圖像生成可能需要長達一分鐘的時間。

數據訓練

OpenAI表示，GPT-4o的圖像能力訓練使用了“公開可用的數據”，以及來自合作伙伴（如Shutterstock）的專有內容。

技術改進

• 多模態生成：GPT-4o的圖像生成器與文本生成器集成在同一模型中，能夠更好地結合文本和圖像。

• 自回歸生成方式：與DALL-E 3等擴散模型不同，GPT-4o采用自回歸方式，從左到右、從上到下逐步生成圖像，這可能是其文本渲染和對象綁定能力更強的原因。

這個功能更新現在對OpenAI每月200美元的Pro計劃訂閱用戶開放，然后擴展到免費和Plus層級用戶，還有就是通過OpenAI API的開發者。

詳細情況：https://openai.com/index/introducing-4o-image-generation/