
编辑 | 佳琪
不会 PS 也能赢麻了!
这句话我们已经在各种各样的 AI 生图工具那里听了太多遍,不过,这次 GPT-4o 好像玩的是真的。
打开社交媒体,无论是 X 还是小红书,都被 GPT-4o 生成的图片刷了屏。上次 AI 产品能让全网这么嗨玩,可能还是 DeepSeek R1。
随机掉落几个案例,震撼一下还没刷到的朋友,比如下面这张论文插图,就是 GPT-4o 做的。
来源:小红书 @陆导
宫崎骏画风的特朗普「积极坦诚对话」泽连斯基,GPT-4o 做的。
约稿一张 5 块的日本小人,GPT-4o 做的。
排版精良的长图海报,GPT-4o 做的。
来源:小红书 @张一凡
3D 深度图,GPT-4o 做的。
来源:小红书 @小崔大口吃汤圆🍡,原博主评论:「虽然现在图像还有些瑕疵,但是这空间能力和 affordance 推测能力提升有点太大了。」
各种风格的头像随心切换,还是 GPT-4o 做的。
最左为原图,分别改为迪士尼、吉卜力、史努比和星露谷风格
最重要的是,以上这些操作,GPT-4o 几乎都是一次成功,无需多轮对话修改。
再加上 AI 视频的魔法,一部宫崎骏风格的《星际穿越》就这么水灵灵地做出来了。
制作步骤其实只有两大步:第一,用 GPT-4o 生成首尾帧;第二,把这些图片放到 Morphic 等视频生成平台输入想要的动作效果,再剪辑拼合。
那么问题来了,AI 绘图工具明明多如过江之鲫,为什么是 GPT-4o 破圈?
答案也很直观,首先是好看。AI 生图,颜值即正义,效果如何一眼就能看出来。
就拿生成微信公众号封面来说,同一段提示词,即梦和 GPT-4o 端出来的作品,不需要投票,从构图到配色,相信大家心中也有判断。
提示词:A pair of pastel-colored headphones with a gradient from blue to purple, floating in a soft pink background. In the center of the headphones, there is a small ball with the word "mureka" written on it in a playful font. The image should have a 3D, cartoonish style.colorful background.
图左来自即梦,图右来自 GPT-4o
其次是足够简单,能达到这么好的效果的,操作比对话复杂得多,特别是 Stable Diffusion 和 Midjourney,至今仍需要复杂咒语。至于还想更精细,就只能自己微调 lora 或者训练模型了。
而风格化、抠图、带文字排版,在其他平台要手动框选,在页面之中跳转的功能,GPT-4o 都包揽在一个对话框里,效果还更强。
综合来看,结合了「能打」和「好用」的 GPT-4o 这次主要带来了几大杀手锏:
高保真真实照片
有审美的文字排版:从海报到梗图,不仅准确,字在哪里都听你指挥
各种风格、滤镜随心切换
P 图全家桶:抠图、换脸、扩图样样行,还能结合不同图片中的元素「炖」出一张新图来
听起来很厉害?让我们一项一项地来看,GPT-4o 是不是真的这么神。
真实感
这居然是 AI 生成的吗?摄影师看了沉默,平台审核看了流泪,以后我们还看得出照片里的 AI 味吗?
提示词:帮我生成一张身着白裙的女生,比着剪刀手,在佛罗伦萨的旧宫门口拍的照片。
不过,GPT-4o 偶尔也会翻车,不仅没画出小米 su7 的「樱花」轮胎,还把雷总生生卡在了车外。
提示词:雷军从小米 su7 里探头比耶,背景是武大樱花,照片尽可能接近真实。
文字排版
无论是菜单、婚礼请柬、漫画、科研插图,只要是需要排版的图片,GPT-4o 真的带来了一种「aha moment」的感觉。
除了字体边缘稍为有些模糊之外,这个菜单似乎可以直接放在餐厅用了。
图源微信公众号:赛博禅心
不过,虽然排版够用了,GPT-4o 的汉字写得还不太好。
以后直接把论文方法扔给 ChatGPT,配图就可以出来了:
图源:小红书 @云安
提示词写得稍微简单一些,这个配图也是 next level 了:
想要更复杂的设计,网易云听歌年度报告也能安排。当然,相比英文的准确度,GPT-4o 的汉字还亟待进步。
图源 X@歸藏 @op7418
最重要的是,GPT-4o 多模态能力是原生的,它可以理解你的需求,在不提供文案的情况下,它也能续上画面中的主体和对话。
要知道,主体一致性至今也是视觉生成的难题。在 GPT-4o 出现之前,大家一般会用 Stable Diffusion 和 ControlNet 来治疗生图模型「选择性失忆」的问题。
但是现在在 GPT-4o 里,主题一致性已经完全不再是问题。
图源: X@emollick
不仅完全告别即使是输入图像主题参考,每次抽卡的人物也都各有各的抽象。现在根据上下对话中的结果,GPT-4o 就能稳定输出,角色特征分毫不差。
图源: X@zhansheng
风格化
都说 GPT4o 一出,宫崎骏的天塌了一半。
现在 X 上最火的,就是把各种各样的名场面让 GPT-4o 用宫崎骏的风格再画一遍。无论娱乐圈,还是科技圈,哪怕已退生物圈,都逃不掉。
OpenAI CEO Sam Altman 把自己的头像改成了吉卜力风格的自己
虽然换了画风,但是画面中人物本来的面部特征,都得以保留,不一一标出这些图片中的人物,相信大家都认得出来它本来的面目。
当然,除了吉卜力风格,任何画风它也能 hold 得住。
比如梵高风格的李逵,就连文字都能完美融入其中:
再比如,皮克斯 CG 3D 风格的伊利亚和奥特曼吵架神图:
还有泽连斯基和特朗普在白宫吵架的经典一幕,也被网友用 GPT-4o 转成了蜡笔小新风格:
图源:小红书 @AI 学习笔记
看来以后,网友的整活又多了一款神器。
满足基础设计功能
2023 年底,美图秀秀和剪映曾推出了扩图功能,但画风相当癫狂,不是男女不分,就是人面兽身。
而 GPT-4o 也被网友开发出了相同的功能,效果相当惊艳,不仅能扩出小狗的全身,还能让它跑起来。
一键换衣,不用再提供 10 张全身照片:
仅需两张图片外加一句简单的提示词,就能让图一的人物跑到图二中的手机样机里:
图源:小红书 @AIGC 魔法学院
此外,GPT-4o 还能直接生成带通道的照片,图中的人物、和背景都是分开生成的,不需要后期抠图,编辑起来方便了不少:
动图来源:X 博主歸藏
看完了这些 case,学绘画的朋友们,学 comfyui 的朋友们,你们还好吗?
当然,除了一片叫好声外,也有质疑声。据说今早,Midjourney 的 CEO 就在内网大大嘲讽了 GPT-4o 一通:
GPT-4o 生成图像又慢,质量又差。
他们发这个功能只是为了筹集资金用的。
GPT-4o 不是一款创意工具。
一周后(Midjourney v7 即将发布),就没人会在讨论 GPT-4o 了。
至于 Midjourney v7 发布后,GPT-4o 是不是还是这么火,我们无从得知,但 AI 好好用将持续关注,想要收看更多 Midjourney 和 ChatGPT 的爱恨情仇,请多多关注,转发,点赞~
