Sam Altman 反擊谷歌，OpenAI新旗艦圖像模型來(lái)了

就在剛剛，OpenAI正式發(fā)布了新版ChatGPT Images，由全新的旗艦圖像生成模型GPT Image 1.5驅(qū)動(dòng)

這一次，無(wú)論是從零開(kāi)始生成圖像，還是編輯現(xiàn)有照片，新模型都能實(shí)現(xiàn)“所想即所得”

核心升級(jí)主要體現(xiàn)在三個(gè)方面：精準(zhǔn)修圖且保留細(xì)節(jié)、指令遵循能力更強(qiáng)，以及生成速度提升了4倍

我立馬就測(cè)試了兩個(gè)手頭的case：ChatGPT Images vs Nano Banana Pro

提示詞

這是一張室內(nèi)人像寫(xiě)真風(fēng)格的照片，整體偏向干凈、柔和、略帶時(shí)尚感與親密氛圍，下面我從構(gòu)圖、人物、服裝、姿態(tài)、光線與整體氣質(zhì)幾個(gè)層面來(lái)忠實(shí)、細(xì)致地描述：

一、整體構(gòu)圖與環(huán)境

?豎幅構(gòu)圖，人物幾乎占據(jù)畫(huà)面主體，視覺(jué)重心集中在人物的上半身與面部。

?場(chǎng)景是一個(gè)簡(jiǎn)約現(xiàn)代的室內(nèi)空間，背景為大面積純白色墻面，干凈、無(wú)雜物，刻意弱化環(huán)境存在感。

?人物坐在一張黑色皮質(zhì)沙發(fā)上，沙發(fā)表面線條硬朗，與人物柔和的膚色形成對(duì)比。

?沙發(fā)上鋪著一塊黑白相間的長(zhǎng)毛絨毯，毛感明顯，增加了畫(huà)面的層次與觸感?

二、人物外貌與面部特征

?人物為一位年輕女性，整體氣質(zhì)偏清秀、柔和。

?膚色白皙均勻，質(zhì)感細(xì)膩，幾乎看不到明顯瑕疵。

?臉型偏鵝蛋臉，下頜線柔和，沒(méi)有明顯棱角。

?五官比例協(xié)調(diào)：

?眼睛偏大，雙眼皮清晰，眼神平靜、直視鏡頭，帶有一點(diǎn)若有若無(wú)的疏離感。

?鼻梁挺直但不夸張。

?嘴唇偏小，唇色自然，表情克制，沒(méi)有明顯微笑。

?整體妝容為清淡自然妝：

?底妝輕薄

?眼妝干凈，沒(méi)有明顯煙熏或夸張色彩

?唇妝偏裸色或淡粉色

三、發(fā)型與發(fā)質(zhì)

?長(zhǎng)直發(fā)，發(fā)色為偏暖的深棕色。

?中分發(fā)型，分縫筆直，左右對(duì)稱。

?頭發(fā)順直、貼合，發(fā)尾自然垂落至腰部附近，整體顯得柔順、有光澤。

?發(fā)量看起來(lái)較多，線條干凈，沒(méi)有明顯卷度。

四、服裝細(xì)節(jié)

?穿著一件白色蕾絲連衣裙：

?無(wú)袖設(shè)計(jì)，露出肩部與手臂

?V 領(lǐng)或淺領(lǐng)口，領(lǐng)口處有精細(xì)的蕾絲花紋

?裙身貼合身體曲線，但并不夸張

?裙擺長(zhǎng)度偏短，停留在大腿中上部

?面料為蕾絲+內(nèi)襯結(jié)構(gòu)，蕾絲紋理清晰，風(fēng)格偏女性化、柔美。

五、姿態(tài)與肢體語(yǔ)言

?人物以側(cè)坐姿坐在沙發(fā)上：

?上半身微微前傾

?一只手自然搭在沙發(fā)或毛毯上

?另一只手輕放在腿部

?雙腿彎曲收攏，姿態(tài)顯得放松而內(nèi)斂。

?整體肢體語(yǔ)言偏安靜、克制、略帶親密但不過(guò)分張揚(yáng)。

六、光線與攝影風(fēng)格

?使用的是柔和的棚拍或自然補(bǔ)光：

?光線均勻，沒(méi)有強(qiáng)烈陰影

?面部和身體輪廓被柔化

?色溫偏中性或微暖，突出膚色的細(xì)膩感。

?背景虛化不明顯，但因背景簡(jiǎn)潔，人物自然突出。

?整體風(fēng)格接近商業(yè)人像 / 時(shí)尚寫(xiě)真 / AI 或高精修風(fēng)格。

七、整體氣質(zhì)總結(jié)

這張照片給人的感覺(jué)是：

?干凈

?精致

?柔和

?帶一點(diǎn)冷靜與疏離

?偏“被觀看”的人像美學(xué)，而非抓拍或紀(jì)實(shí)

2k分辨率

這是生成的效果：

第二個(gè)case：

提示詞：

{

描述：一幅超逼真的 3D 等距視角杰作，描繪了一幅展開(kāi)在光滑深色木桌上的魔法地圖。地圖繪制在一張古老而飽經(jīng)風(fēng)霜的羊皮紙卷軸上，但畫(huà)面中的景色以立體模型的形式躍然紙上。巍峨的巖石山脈，白雪皚皚的山峰，穿透縷縷白云；一條蜿蜒的碧綠河流從中心流過(guò)；山麓覆蓋著茂密蔥郁的松林。羊皮紙邊緣呈鋸齒狀，左側(cè)飾有精美的復(fù)古書(shū)法，角落則繪有羅盤(pán)玫瑰圖案。畫(huà)面采用溫暖的電影級(jí)光照，焦點(diǎn)清晰，紋理細(xì)節(jié)豐富，2K 分辨率，以奇幻冒險(xiǎn)為主題。

"negative_prompt": "扁平的，2D 的，簡(jiǎn)單的圖畫(huà)，模糊的，低質(zhì)量的，扭曲的，有水印的，糟糕的人體結(jié)構(gòu)，文字疊加，顆粒感強(qiáng)的",

“參數(shù)”： {

"aspect_ratio": "2:3",

"風(fēng)格": "電影級(jí) 3D 渲染",

"視圖": "等距"

}

}

生成的效果：

看起來(lái)ChatGPT Images指令遵循的要比NBR要強(qiáng)（人像），審美能力還不好說(shuō)

目前ChatGPT Images 在 大模型競(jìng)技場(chǎng)圖像排名第一

接下來(lái)幾天我會(huì)大量測(cè)試，看看實(shí)際表現(xiàn)

與此同時(shí)，GPT Image 1.5 API也已同步上線，價(jià)格相比上一代直降20%

下面我們一起來(lái)看ChatGPT Images具體細(xì)節(jié)

精準(zhǔn)修圖：指哪打哪，細(xì)節(jié)不丟

新版模型最大的亮點(diǎn)在于對(duì)用戶意圖的精準(zhǔn)還原

當(dāng)用戶要求對(duì)上傳的圖片進(jìn)行編輯時(shí)，模型能夠更可靠地遵循指令，僅改變用戶要求的部分。

而在這一過(guò)程中，原圖中光線、構(gòu)圖以及人物外觀等關(guān)鍵要素，都能在輸入、輸出及后續(xù)的連續(xù)編輯中保持一致

這就意味著，ChatGPT現(xiàn)在不僅能完成更實(shí)用的照片修飾，還能實(shí)現(xiàn)更逼真的服裝和發(fā)型試穿。同時(shí)，它支持在保留原圖精髓的基礎(chǔ)上，進(jìn)行風(fēng)格化濾鏡和概念轉(zhuǎn)換

具體到編輯操作上，模型擅長(zhǎng)多種類型，包括：

? 添加（Adding）

? 刪減（Subtracting）

? 組合（Combining）

? 混合（Blending）

? 移位（Transposing）

簡(jiǎn)而言之，用戶可以在得到想要的改變的同時(shí)，不丟失讓圖片顯得特別的那些原始細(xì)節(jié)。OpenAI稱其為“口袋里的創(chuàng)意工作室”

創(chuàng)意與能力的全面進(jìn)化

除了修圖，GPT Image 1.5在創(chuàng)意生成和基礎(chǔ)能力上也有顯著提升：

創(chuàng)意變換：模型可以通過(guò)改變和添加元素（如文本和布局）來(lái)實(shí)現(xiàn)創(chuàng)意轉(zhuǎn)化，同時(shí)保留重要細(xì)節(jié)，這個(gè)和Nano Banana Pro表現(xiàn)感覺(jué)差不多

更強(qiáng)的指令遵循：相比初代版本，新模型能更可靠地執(zhí)行指令。這不僅利于精準(zhǔn)修圖，也能在生成復(fù)雜的原創(chuàng)構(gòu)圖時(shí)，按預(yù)期保留元素間的關(guān)系

文本渲染能力強(qiáng)悍升級(jí)：在處理更密集、更小的文本時(shí)，模型表現(xiàn)強(qiáng)悍

畫(huà)質(zhì)提升：在渲染許多小人臉以及整體輸出的自然度等方面，質(zhì)量均有改進(jìn)

全新交互：無(wú)需提示詞也能玩

為了讓圖像探索更快捷，OpenAI在ChatGPT中推出了專門的Images主頁(yè)

用戶可以通過(guò)移動(dòng)應(yīng)用的側(cè)邊欄或chatgpt.com訪問(wèn)該頁(yè)面。這里不再?gòu)?qiáng)制要求用戶編寫(xiě)提示詞，而是內(nèi)置了數(shù)十種預(yù)設(shè)的濾鏡和提示，幫助用戶快速啟動(dòng)靈感

這些預(yù)設(shè)內(nèi)容會(huì)定期更新，以反映當(dāng)下的流行趨勢(shì)

API上線：更便宜，更適合企業(yè)

對(duì)于開(kāi)發(fā)者和企業(yè)用戶，GPT Image 1.5 API也已同步開(kāi)放。

相比GPT Image 1，新版API在圖像輸入和輸出的價(jià)格上便宜了20%，這意味著在相同預(yù)算下可以進(jìn)行更多的生成和迭代。

在能力上，API版本繼承了ChatGPT Images的所有改進(jìn)，特別是在圖像一致性方面表現(xiàn)更強(qiáng)：

能夠跨編輯保持品牌Logo和關(guān)鍵視覺(jué)元素的一致性

非常適合營(yíng)銷材料制作（如圖形和Logo創(chuàng)作）

適用于電商團(tuán)隊(duì)，可基于單一源圖像生成完整的產(chǎn)品目錄（包括不同變體、場(chǎng)景和角度）

目前，已有創(chuàng)意工具、電商、營(yíng)銷軟件等領(lǐng)域的企業(yè)開(kāi)始使用GPT Image 1.5。

最后

ChatGPT Images的新版本即日起向全球所有ChatGPT用戶和API用戶推送。

該功能跨模型工作，用戶在使用時(shí)無(wú)需進(jìn)行額外選擇

至于今年早些時(shí)候推出的舊版ChatGPT Images，將作為一個(gè)自定義GPT（Custom GPT）保留，供有需要的用戶繼續(xù)使用