OpenAI integrira inteligentno generiranje slik, podprto z GPT-4o, v ChatGPT

OpenAI je zdaj integriral močno orodje za generiranje slik neposredno v ChatGPT. Od danes naprej lahko uporabniki ustvarjajo podrobne vizualne vsebine z uporabo posodobljenega modela GPT-4o, ki odlično razume kontekst, obravnava zapletene zahteve in celo generira popoln besedilo znotraj slik.

Prejšnje različice ChatGPT so se zanašale na nevronsko omrežje DALL-E 3, vendar nov sistem — poimenovan Slikovni v ChatGPT — deluje na multimodalnem “univerzalnem” GPT-4o. To pomeni, da model hkrati obdeluje besedilo, zvok, video in slike, kar dramatično povečuje natančnost. Zdaj lahko AI natančno poveže do 15–20 predmetov v eni sami sliki, pri čemer se izogiba napakam, ki so se prej pojavljale pri le 5–8 elementih.

Ena od ključnih izboljšav je sposobnost ustvarjanja slik s popolnoma berljivim besedilom — izziv, ki je dolgo časa predstavljal Ahilovo peto generativnih modelov. ChatGPT zdaj lahko generira menije restavracij, logotipe s podpisi ali infografike brez kakršnih koli tipkarskih napak. Poleg tega imajo uporabniki zdaj funkcijo urejanja: katero koli naloženo sliko je mogoče spremeniti preprosto z dodajanjem ali odstranjevanjem elementov preko besedilnega poziva.

Ta nova funkcija je na voljo vsem naročnikom ChatGPT, vključno z brezplačno različico, čeprav še vedno veljajo podobne omejitve kot pri DALL-E 3. Medtem bo DALL-E še naprej na voljo preko prilagojenih GPT modulov. OpenAI je prav tako namenil posebno pozornost varnosti: vse slike so označene z metapodatki C2PA za identifikacijo AI-generirane vsebine, sistem pa blokira zahteve, povezane z nasiljem, globokimi ponaredki in drugimi potencialnimi zlorabami.