OpenAI在5月13日凌晨重磅发布新一代多模态模型GPT-4o，全面升级AI交互体验。该模型突破性地整合文本、图像、音频的实时端到端处理能力，响应速度媲美人类对话，语音延迟仅232毫秒。尤为亮眼的是首次实现原生的"文生图+文本对话"多模态联动，用户可边画边聊进行创作。即日起免费用户可直接体验，付费用户仍享5倍高容量优先使用权。桌面版APP同步上线，支持截图提问等便捷功能。这一技术飞跃大幅降低AI使用门槛，或将重塑人机交互生态。
今日凌晨，OpenAI直播揭晓了GPT-4o的重大更新——集成了原生多模态文生图功能，这一突破意味着，用户无需再切换至Sora或Dall·e3，直接在聊天界面即可实现高质量的图像创作。
新模型的核心优势在于：
1、精准理解文本：能够准确捕捉提示细节，即使是复杂的符号融合也游刃有余，比如路标文字分毫不差；
2、多轮对话优化：通过自然语言交互，模型可动态调整图像设计，例如让游戏角色在多次迭代中保持风格统一；
3、超强对象处理能力：单张图可容纳10-20个关联对象，远超同类模型的极限；
4、情境学习：分析上传的参考图后，能主动提取元素融入新创作，实现个性化输出；
5、知识联动：结合庞大的知识库，生成更符合现实的画面（比如猫与老虎的创意倒影）；
6、多样化风格：从狗仔队偷拍到油画质感，轻松驾驭不同视觉语言，甚至能模拟光线、动态模糊等专业效果。
目前该功能已覆盖ChatGPT免费版及付费订阅用户，企业与教育版本也将陆续开放，这一升级或将彻底改变内容创作的工作流——从头脑风暴到视觉落地，只需持续对话即可完成。
示例展示
- 马克思“商场购物”的讽刺小报风格图（闪光灯、飘动衣角等细节逼真）
- 街头水洼中猫与老虎的虚实倒影（涟漪扭曲效果自然）
想体验？试试向GPT-4o描述你的奇思妙想吧！
*官方公告参考：OpenAI.com
网友评论