OpenAI近期发布的两项重要进展——GPT-4o与Sora，展现了生成式AI在多模态领域的飞跃。GPT-4o作为全新旗舰模型，实现了文本、语音、图像的全方位交互，重点优化了实时对话能力，响应延迟达到人类水平（平均320毫秒），并能通过语音语调变化传递情绪。而视频生成模型Sora则突破了动态内容创作限制，可根据文本指令生成60秒高清连贯视频，精准模拟物理世界规律，支持多镜头切换和复杂场景渲染。两项技术在上下文理解（分别支持128K tokens和长视频生成）与多模态协同上形成互补，标志着AI向更自然的拟人交互与高保真内容生成迈进。目前GPT-4o已免费开放，Sora仍处安全测试阶段。
大家好呀～今天跟你们分享一个AI圈的炸裂新闻：OpenAI前两天整了个大活儿！CEO山姆·奥特曼亲自下场，展示了GPT-4o和Sora合体后的逆天画图能力～🤯
先吐槽个痛点：以前用AI画图最让人崩溃的就是——永远写不对字！想让AI画个星巴克？它能把"Starbucks"拼成"Starbcuks"（别笑，真发生过），但这次发布会直接上演了"精准印刷术"！
看这个案例👇
[插入图片：包含完整提示词的生成示例]
嚯！这纸上密密麻麻的文字，愣是一个字母都没错！这放在以前的AI绘画界，简直就像让五岁小朋友突然写出博士论文好吧～✍️
更绝的是这货还能"看图说话"！比如给它一张照片：
[插入参考照片]
然后让转成动画风：
[插入动画风格生成图]
最后还能加标题！于是诞生了：
[插入带"FEEL THE AGI"标题的图片]
党AI实锤了！）
专业领域也玩儿得转！比如让它用漫画解释相对论：
[插入相对论漫画]
这理解力和执行力，爱因斯坦看了都想点赞👍
最骚的操作来了——当你给它两张素材图：
[插入两张参考图片]
让它融合风格生成新图：
[插入带文字说明的滑雪狗卡片]
成品简直像是专业设计师熬了三个通宵的成果！
压轴彩蛋：把前面所有作品融合成纪念币：
[插入四张素材图]
最终效果：
[插入纪念币生成图]
甚至还能一键去背景：
[插入透明背景版本]
✨ 干货总结 ✨
1️⃣ 文字精准度爆表：终于不用忍受错别字logo了！
2️⃣ 真正听懂人话：告别玄学咒语般的提示词
3️⃣ 自带PS技能：风格转换/元素融合/去背景一条龙
不得不说，这次更新的AI画图能力，已经让"甲方爸爸再改一版"的噩梦变得触手可及了（不是）！你们觉得AI设计师取代人类还需要多久？评论区唠唠～ 💬
[注：本文所有图片来自OpenAI官方发布会演示]
网友评论