Geração de imagens com GPT-4o da OpenAI
A OpenAI acabou de lançar (25/03/2025) o novo gerador de imagens com o modelo GPT-4o.
Se ele realmente fizer tudo o que mostraram, vai colocar no bolso todas as outras IAs de imagem (pelo menos por enquanto 😅).
A precisão de inclusão de texto e a consistência de elementos nas imagens é surpreendente.
Agora é esperar liberarem na API pra gente brincar por aqui e eu já gravar umas aulas pra comunidade 🙏🏻
Confira:
Gravação do evento ao vivo
Resumo da live
Resumo live evento OpenAI.pdfGeração de imagens
Texto em quadro branco
A wide image taken with a phone of a glass whiteboard, in a room overlooking the Bay Bridge. The field of view shows a woman writing, sporting a tshirt wiith a large OpenAI logo. The handwriting looks natural and a bit messy, and we see the photographer's reflection.
The text reads:
(left)
"Transfer between Modalities:
Suppose we directly model
p(text, pixels, sound) [equation]
with one big autoregressive transformer.
Pros:
* image generation augmented with vast world knowledge
* next-level text rendering
* native in-context learning
* unified post-training stack
Cons:
* varying bit-rate across modalities
* compute not adaptive"
(Right)
"Fixes:
* model compressed representations
* compose autoregressive prior with a powerful decoder"
On the bottom right of the board, she draws a diagram:
"tokens -> [transformer] -> [diffusion] -> pixels"
continuando na mesma imagem…
selfie view of the photographer, as she turns around to high five him
Palavras significativas
magnetic poetry on a fridge in a mid century home:
Line 1: "A picture"
Line 2: "is worth"
Line 3: "a thousand words,"
Line 4: "but sometimes"Large gapLine 5: "in the right place"
Line 6: "can elevate"
Line 7: "its meaning.
"The man is holding the words "a few" in his right hand and "words" in his left.
Quadrinhos
Make an image of a four‑panel strip, with some padding around the border:
A little snail is at the counter of a flashy car showroom. The salesman has leaned way over the desk to even see him.
Close‑up on the snail looking very serious. He says, “I want your fastest sports car… and I want you to paint big letter ‘S’s on the doors, the hood and the roof.”
The salesman is scratching his head. “Um… we can do that, but why the S’s?”
Smash cut to a red blur roaring down the highway. The sports car is covered in giant S’s. People on the sidewalk are pointing and laughing: “WOW! LOOK AT THAT S‑CAR GO!”
Experimento científico
an infographic explaining newton's prism experiment in great detail
… continuando na mesma imagem…
now generate a POV of a person drawing this diagram in their notebook, at a round cafe table in washington square park
de novo…
now show the same scene with a smug young Isaac Newton sitting at the table, with a prism, demonstrating the experiment, without the notebook in view
Geração de imagens úteis
A geração de imagens GPT-4o se destaca em renderizar textos com precisão, seguindo exatamente as instruções e aproveitando a base de conhecimento inerente do 4o e o contexto de conversa - incluindo a transformação de imagens enviadas ou o uso delas como inspiração visual.
Essas capacidades tornam mais fácil criar exatamente a imagem que você imagina, ajudando a comunicar de forma mais eficaz através de imagens e avançando a geração de imagens em uma ferramenta prática com precisão e poder.
Capacidades aprimoradas
Treinamos nossos modelos na distribuição conjunta de imagens e texto online, aprendendo não apenas como as imagens se relacionam com a linguagem, mas como elas se relacionam entre si. Combinado com um pós-treinamento agressivo, o modelo resultante possui uma fluência visual surpreendente, capaz de gerar imagens úteis, consistentes e contextualizadas.
Renderização de texto
Uma imagem vale mais que mil palavras, mas às vezes gerar algumas palavras no lugar certo pode elevar o significado de uma imagem. A habilidade do 4o de mesclar símbolos precisos com imagens transforma a geração de imagens em uma ferramenta para comunicação visual.
photo of a delightful wedding invitation on a tasteful wooden desk. The card is hefty, with eggshell textures, and beautiful embossings, with elegant decorations abstractly representing the couple tastefully integrated into the designs. Iconography is used, but sparingly and in a minimalist way. perfect typesetting.
"You are cordially invited
to the long-awaited union of
Image
and
Text
After years of flirting and collaboration
they are finally becoming One.
Together at last, in GPT‑4o,
they now speak the same language —
where a whisper becomes a masterpiece,
and a prompt becomes a picture.
Please join us in celebrating
this magical multimodal matrimony
where imagination knows no bounds.
Date: March 25, 2025
Location: chatgpt.com
Dress Code: Pixels or Prose
With love,
OpenAI"
perfect typesetting.
Geração de “várias voltas”
Porque a geração de imagens agora é nativa do GPT‑4o, você pode refinar imagens através de conversas naturais. O GPT‑4o pode construir sobre imagens e texto no contexto do chat, garantindo consistência ao longo do tempo. Por exemplo, se você está projetando um personagem de videogame, a aparência do personagem permanece coerente em várias iterações enquanto você refina e experimenta.
Give this cat a detective hat and a monocle
turn this into a triple A video games made with a 4k game engine and add some User interface as overlay from a mystery RPG where we can see a health bar and a minimap at the top as well as spells at the bottom with consistent and iconography
update to a landscape image 16:9 ratio, add more spells in the UI, and unzoom the visual so that we see the cat in a third person view walking through a steampunk manhattan creating beautiful contrast and lighting like in the best triple A game, with cool-toned colors
create the interface when the player opens the menu and we see the cat's character profile with his equipment and another page showing active quests (and it should make sense in relationship with the universe worldbuilding we are describing in the image)
Instrução a seguir
A geração de imagens do GPT-4o segue instruções detalhadas com atenção aos detalhes. Enquanto outros sistemas lutam com ~5-8 objetos, o GPT-4o pode lidar com até 10-20 objetos diferentes. A ligação mais estreita dos objetos com seus traços e relações permite um melhor controle.
We need evidence there is a currently present invisible elephant. Consider what an elephant is and does in the environment, then show us that, perhaps mid-process - but the elephant itself is not shown at all
Aprendizagem em contexto
GPT-4o pode analisar e aprender com imagens enviadas pelo usuário, integrando perfeitamente seus detalhes em seu contexto para informar a geração de imagens.
an photorealistic image of a blue chainsaw
make an ad for this chainsaw, of a grandma carving turkey at thanksgiving dinner table. add a tag line
Conhecimento mundial
A geração de imagens nativas permite que o 4o vincule seu conhecimento entre texto e imagens, resultando em um modelo que parece mais inteligente e eficiente.
make a visual infographic describing why SF is so foggy
Fotorrealismo e estilo
Treinamento em imagens que refletem uma vasta variedade de estilos de imagem permite que o modelo crie ou transforme imagens de forma convincente.
A candid paparazzi-style photo of Karl Marx hurriedly walking through the parking lot of the Mall of America, glancing over his shoulder with a startled expression as he tries to avoid being photographed. He’s clutching multiple glossy shopping bags filled with luxury goods. His coat flutters behind him in the wind, and one of the bags is swinging as if he’s mid-stride. Blurred background with cars and a glowing mall entrance to emphasize motion. Flash glare from the camera partially overexposes the image, giving it a chaotic, tabloid feel.
Limitações
Nosso modelo não é perfeito. Estamos cientes de várias limitações no momento, as quais trabalharemos para resolver por meio de melhorias no modelo após o lançamento inicial.
Acesso e disponibilidade
A nova geração de imagens do ChatGPT no GPT‑4o será lançada a partir de hoje para usuários Plus, Pro, Team e Free como o gerador de imagens padrão no ChatGPT, com acesso em breve para Enterprise e Edu.
Para aqueles que têm um lugar especial em seus corações para o DALL·E, ainda é possível acessá-lo através de um GPT dedicado ao DALL·E.
Em breve, os desenvolvedores poderão gerar imagens com o GPT‑4o via API, com acesso sendo disponibilizado nas próximas semanas.
Criar e personalizar imagens é tão simples quanto conversar usando o GPT‑4o - basta descrever o que você precisa, incluindo quaisquer especificações como proporção de aspecto, cores exatas usando códigos hexadecimais ou um fundo transparente. Como este modelo cria imagens mais detalhadas, elas levam mais tempo para serem renderizadas, geralmente até um minuto.