Новая модель OpenAI GPT-4o для ChatGPT наконец исправляет один из самых больших недостатков AI: текст на изображениях, сгенерированных AI.

Ключевые выводы
<ул>
<п>ChatGPT может выдавать текст и, благодаря интеграции DALL-E, генерировать изображения, но попросите платформу искусственного интеллекта объединить эти два понятия, и в результате обычно получается нечитаемый, беспорядочный беспорядок. Однако ситуация меняется с переходом на ChatGPT GPT-4o или Omni. Хотя демонстрация OpenAI 13 мая была сосредоточена на использовании сквозных возможностей текста, изображения и звука для общения в реальном времени, обновление может добавить в ChatGPT ключевые возможности графического дизайна. Ранние демонстрации показывают, что ИИ не просто генерирует изображения с разборчивым, правильно написанным текстом, но и использует существующее изображение человека для воспроизведения его лица на новом изображении.

Закрыть
- GPT-4o имеет сквозной подход к тексту, визуальные эффекты и звук ч2> Все интегрировано в одну модель <п>Ключевое изменение, произошедшее с запуском GPT-4o, — это возможность вводить и генерировать любое сочетание текста, аудио и изображений. Это потому, что OpenAI обучила новую сквозную модель, которая работает с текстом, изображением и звуком. Раньше GPT-4 использовал отдельные модели для звука, текста и изображений. OpenAI объясняет, что, поскольку все интегрировано в единую модель, ChatGPT не теряет информацию между моделями, что открывает ряд новых возможностей. В нескольких образцах будущих возможностей GPT-40 ИИ смог разместить надпись на изображении пишущей машинки, создать графику со стихотворением и создать постер к фильму. В ходе демонстраций формулировка передавалась ИИ, при этом орфографические ошибки в сгенерированном тексте не были явно прописаны. Но ChatGPT смог генерировать изображения с разборчивым, правильно написанным текстом, взятым из подсказки. п> Также возможно использовать реальные лица в сгенерированное изображение
- Все интегрировано в одну модель
- Представьте себе, что вы делаете постер фильма с актерами' лица
GPT-4o имеет сквозной подход к тексту, визуальные эффекты и звук ч2>
Все интегрировано в одну модель
<п>Ключевое изменение, произошедшее с запуском GPT-4o, — это возможность вводить и генерировать любое сочетание текста, аудио и изображений. Это потому, что OpenAI обучила новую сквозную модель, которая работает с текстом, изображением и звуком. Раньше GPT-4 использовал отдельные модели для звука, текста и изображений. OpenAI объясняет, что, поскольку все интегрировано в единую модель, ChatGPT не теряет информацию между моделями, что открывает ряд новых возможностей.

В нескольких образцах будущих возможностей GPT-40 ИИ смог разместить надпись на изображении пишущей машинки, создать графику со стихотворением и создать постер к фильму. В ходе демонстраций формулировка передавалась ИИ, при этом орфографические ошибки в сгенерированном тексте не были явно прописаны. Но ChatGPT смог генерировать изображения с разборчивым, правильно написанным текстом, взятым из подсказки. п>

Также возможно использовать реальные лица в сгенерированное изображение
Представьте себе, что вы делаете постер фильма с актерами' лица
<п>В ходе одной из демонстраций ChatGPT создал постер фильма с участием актеров. лица на нем вместе с правильно написанным текстом. Это стало возможным благодаря загрузке фотографий актеров и написанию текста для включения. Хотя некоторые платформы искусственного интеллекта могут создавать новую фотографию с лицом реального человека, ChatGPT ранее не мог создать фотографию, которая имела бы большое сходство с оригиналом. п>
ChatGPT создал постер фильма с актерами’ лица на нем вместе с правильно написанным текстом. п> <п>В другом примере чат-бот смог разместить логотип OpenAI на изображении. Другой поручил боту создать конкретное стихотворение, в котором слово Omni появилось в форме логотипа OpenAI. п>
Сгенерированные изображения в демонстрациях OpenAI не идеальны — Когда его просят перевести одно правильно написанное изображение стихотворения в темный режим, программа выдает несколько орфографических ошибок. Но демонстрация показывает гораздо более разборчивый и разумный результат, чем бессмысленный способ, которым GPT-4 генерирует текст на изображениях.

Новые возможности программного обеспечения по обработке сочетания текста, фотографий и речи также позволяют ему отвечать на вопросы о фотографии и извлекать текст из изображений. п>
Демонстрации показывают, что ChatGPT может иметь больше возможностей в графическом дизайне с запуском GPT-4o в течение следующих нескольких недель. Однако эти возможности могут иметь некоторые последствия. Один из самых простых способов определить, было ли изображение создано искусственным интеллектом, — это посмотреть на уличные знаки или экраны ноутбуков, где текст выглядит беспорядочным. Если ИИ научится писать на изображениях, это будет на одну функцию меньше, сигнализирующую о подлинности изображения, плавающего в сети. п>
Комплексная модель интеграции текстового изображения и звука также отличается более высокой скоростью, большим количеством функций без платной подписки и настольным приложением для Mac. OpenAI сообщает, что GPT-4o будет запущен в течение следующих нескольких недель. п>