OpenAI впроваджує нову можливість генерації зображень прямо в ChatGPT. Ця функція працює на базі моделі GPT-4o і буде доступна усім найближчим часом.
Ліміт безплатного використання залишається таким самим, як у DALL-E, але компанія не вказала конкретну кількість, оскільки вона може змінюватися залежно від попиту. Згідно з FAQ ChatGPT, безплатні користувачі раніше могли генерувати “три зображення на день за допомогою DALL-E 3”. Генерація через DALL-E також залишиться доступною через відповідний GPT.
Оскільки GPT-4o є “омніомодальною” моделлю, що працює з текстом, зображенням, аудіо та відео, вона здатна краще розуміти промпти користувачів, коли потрібно створити кілька об’єктів на зображенні.
Користувачі також помітять покращення в генерації тексту на зображеннях. Система використовує авторегресійний підхід, створюючи зображення поступово, зліва направо і зверху вниз, як написання тексту. На відміну від цього, більшість моделей, зокрема DALL-E, використовують дифузійну техніку, генеруючи все зображення одразу. Нова система генерує зображення довше, але OpenAI вважає це виправданим компромісом.
Команда OpenAI наголосила, що система має надійні засоби захисту для запобігання зловживанням: інструмент перешкоджає видаленню водяних знаків, блокує створення сексуальних підробок і відхиляє запити на генерацію CSAM.
Нова система генерації зображень OpenAI не містить візуальних водяних знаків або індикаторів, що вказують на те, що зображення створені штучним інтелектом. Однак усі згенеровані зображення матимуть стандартні метадані C2PA, що позначатимуть їх як створені OpenAI.