Стартап OpenAI улучшила нейросеть GPT-4o, добавив расширенные возможности генерации изображений. Теперь ИИ не только создает высококачественные визуальные объекты, но и точно передаёт текст, чего не могли добиться предыдущие модели.
Главная особенность обновления — динамическое редактирование изображений. Вместо создания с нуля при каждом новом запросе GPT-4o позволяет вносить пошаговые изменения, следуя инструкциям пользователя. Модель может манипулировать 10-20 объектами в сцене, интегрировать элементы из нескольких изображений и изменять загруженные фото.
Хотя GPT-4o ещё не идеален и сталкивается с проблемами, такими как неправильное отображение текста и возможные артефакты, OpenAI уверена в его потенциале. Новый инструмент обещает стать ещё одним шагом к универсальной генерации изображений с детальной кастомизацией.
25 марта OpenAI представила GPT-4o, мультимодальную модель, которая заменяет Dall-E 3 в ChatGPT. Модель, хотя и генерирует изображения дольше, делает это намного качественнее и лучше понимает сложные инструкции. GPT-4o успешно справляется с запросами, содержащими 10–20 различных объектов, что значительно превышает предыдущие ограничения в 5–8 объектов.
К тому же, новая модель учится правильно отображать текст на изображениях и сохраняет последовательность между кадрами. Это указывает на то, что ИИ существенно приблизился к человеческому восприятию мира, демонстрируя понимание абстракций. Однако с этим прогрессом возникает и скрытая угроза: многие художники и дизайнеры могут столкнуться с безработицей.
В то же время, GPT-4o пока доступна только по платной подписке, хотя первые несколько часов она была бесплатной для всех пользователей. Интересно, что новый инструмент стал настолько внушительным, что пользователи сразу начали использовать его для перерисовки мемов, фотографий и даже трейлеров к фильмам. Многие из таких творений уже активно обсуждаются в социальных сетях.