OpenAI 發(fā)布 GPT Image 1.5：全面升級

剛剛，OpenAI 今天發(fā)布了新的圖像模型：GPT Image 1.5
核心變化一句話：精準(zhǔn)編輯，不崩全圖

讓它改哪，他就改哪，其他地方不亂動(dòng)

同時(shí)，對比上一代模型GPT Image 1.0：

• ? 更強(qiáng)的指令遵循

• ? 更好的細(xì)節(jié)保持

• ? 速度比上一代快4倍

• ? API 價(jià)格降了 20% 以上

今天開始，向所有 ChatGPT 用戶推出。

另外經(jīng)實(shí)測，這個(gè)模型在中文處理上比 NanoBanana 還是差了不少，本文也會(huì)詳細(xì)說說

精準(zhǔn)編輯

這是本次升級的核心
當(dāng)你上傳一張圖片要求修改時(shí)，模型只改你要改的地方，光線、構(gòu)圖、人物外貌這些元素在多輪編輯中都能保持一致

看官方給的例子，這個(gè)模型擅長各種編輯操作：添加、刪除、合成、混合、移植

三張輸入圖：兩個(gè)男人、一只狗

輸入圖1輸入圖2輸入圖3

第一步 把這兩個(gè)男人和這只狗合成一張 2000 年代膠片相機(jī)風(fēng)格的照片，他們在一個(gè)小孩的生日派對上，看起來很無聊

第二步 在背景加一群瘋狂的小孩，到處扔?xùn)|西、尖叫

前景的兩個(gè)人和狗，基本沒變

第三步 把左邊的男人改成手繪復(fù)古動(dòng)漫風(fēng)格，狗改成毛絨玩具風(fēng)格，右邊的男人和背景保持不變

同一張圖里，三種風(fēng)格共存
左邊是動(dòng)漫，中間是毛絨玩具，右邊是真人
這在之前幾乎做不到

第四步 給他們都穿上 OpenAI 衛(wèi)衣（參考另一張圖的樣式）

第五步
把兩個(gè)男人去掉，只留下狗，放進(jìn)一個(gè) OpenAI 直播畫面里

最終結(jié)果

五輪編輯下來，狗的形象始終保持一致

實(shí)測

我先上傳了山姆奧特曼的照片

Sam然后說「把背景換成成都街頭的夜景實(shí)景，保持人物的姿勢、表情不變，但人物的風(fēng)格變成毛絨玩具」 創(chuàng)意轉(zhuǎn)換

在 ChatGPT 里使用這個(gè)模型，可以看到新增了預(yù)設(shè)風(fēng)格和創(chuàng)意模板，不用寫提示詞也能玩：電影海報(bào)、80 年代健身教練、魅力娃娃、裝飾品、時(shí)尚廣告、換裝角色、油畫、飲料廣告....

https://chatgpt.com/images

看這個(gè)電影海報(bào)的例子

電影海報(bào)輸入

提示詞：用這兩個(gè)男人的照片，做一張老派好萊塢黃金時(shí)代風(fēng)格的電影海報(bào)，電影叫「codex」。把他們的服裝改成那個(gè)年代的風(fēng)格。演員名字改成 Wojciech Zaremba（左）和 Greg Brockman（右），導(dǎo)演 Sam Altman，制片人 Fidji Simo，F(xiàn)eel the AGI Pictures 出品

電影海報(bào)結(jié)果

人物面部特征保留了，服裝、排版、文字都按要求生成

實(shí)測

實(shí)測「把這只貓做成一張 1960 年代法國新浪潮電影海報(bào)風(fēng)格的圖，電影名叫 "Le Chat Noir"，導(dǎo)演 Jean-Luc Godard，加上法語字幕和膠片顆粒質(zhì)感」 指令遵循

相比舊版，新模型對指令的遵循更加可靠

看這個(gè)測試：畫一個(gè) 6x6 的網(wǎng)格，每個(gè)格子里放不同的物品

提示詞 做一個(gè) 6 列 x 6 行的網(wǎng)格： ? 第 1 行：希臘字母 beta、沙灘球、檸檬、機(jī)器人、魚缸、青蛙 ? 第 2 行：螳螂、名貴手表、浴缸、太陽鏡、彩色蝴蝶、信封 ? 第 3 行：郵票、相框、冒熱氣的餃子、「miracle」這個(gè)詞、滑雪板、字母 Z ? 第 4 行：馬桶、地鐵代幣、靜音圖標(biāo)、香水瓶、蜻蜓、滑板頭盔 ? 第 5 行：藍(lán)牙圖標(biāo)、數(shù)字 13、綠色愛心、魔方、加拿大鵝、士兵頭盔 ? 第 6 行：白色狗、救生衣、繩結(jié)、鍵盤、紙巾盒、數(shù)字 14

新版結(jié)果：

新版6x6網(wǎng)格

舊版結(jié)果：

舊版6x6網(wǎng)格

新版基本都對了，舊版數(shù)錯(cuò)格子、放錯(cuò)物品

這種「精確執(zhí)行復(fù)雜指令」的能力，對做信息圖、產(chǎn)品目錄、教學(xué)材料這類場景很重要

實(shí)測

實(shí)測提示詞：生成一個(gè) 4x3 的網(wǎng)格，第一行放 4 種不同系列的 iPhone（第4、5、13、15代），第二行放 4 種不同款式的蘋果表帶，第三行放 4 種不同顏色的蘋果顯示器，每個(gè)產(chǎn)品下方標(biāo)注顏色名稱 文字渲染

這個(gè)版本的模型，在文字渲染方面又進(jìn)了一步，能夠處理更密集、更小的文字

看這個(gè)測試：把一段 Markdown 渲染成報(bào)紙版面

Markdown渲染成報(bào)紙

表格、標(biāo)題、正文都有，字還挺清楚的

然后讓它換成另一篇文章的內(nèi)容：

換成另一篇文章

之前的圖像模型，文字一多就糊成一團(tuán)

實(shí)測

實(shí)測提示詞： Generate a product rendering of Six God Florida Water, classic green glass bottle, front of bottle with large text "Six God", below it "Florida Water", middle section text "Cooling & Refreshing · Anti-itch Formula", smaller text below "Main Ingredients: Six God Herbal Essence, Borneol, Menthol, Honeysuckle Extract, Wild Chrysanthemum Extract", below that "Benefits: Cooling Relief, Refreshing Sensation, Odor Elimination, Mosquito Repellent", bottom text "Net Content: 195ml" "Shanghai Jahwa United Co., Ltd." "Address: No. 527 Baoding Road, Shanghai" "Production License: HMPC20160012", white background, product photography style, soft studio lighting中文一團(tuán)糊 其他質(zhì)量提升

模型在其他維度上也有改進(jìn)，讓輸出更加即拿即用，比如渲染大量小臉時(shí)的效果，以及整體畫面的自然程度

1970 年代倫敦街景

提示詞 做一個(gè) 1970 年代倫敦切爾西區(qū)的街景，照片級真實(shí)感，全部對焦清晰，有很多很多人，還有一輛公交車，上面有「ImageGen 1.5」的廣告，帶 OpenAI logo，副標(biāo)題是「Create what you imagine」。超寫實(shí)的業(yè)余攝影風(fēng)格，iPhone 隨手拍的質(zhì)感

新版：

新版1970年代倫敦

舊版：

舊版1970年代倫敦

新版的人臉更自然，整體畫面的年代感也更到位

實(shí)測

果然...還是不能有漢字

實(shí)測提示詞：生成一張 1980 年代香港街頭的照片，九龍城寨附近，霓虹燈招牌密集，街上有很多行人和小販，一輛紅色出租車停在路邊，整體是柯達(dá)膠片的色調(diào)，帶輕微的噪點(diǎn)和過曝感 進(jìn)步與局限

OpenAI 用最初發(fā)布時(shí)的很多案例重新測試了新模型。結(jié)果顯示在各種場景下都有明顯進(jìn)步，但效果仍不完美

深海海報(bào)（進(jìn)步明顯）

提示詞：創(chuàng)作一張深海生物海報(bào)，展示不同深度的生物，縱向海洋剖面圖，精美的日本細(xì)膩動(dòng)漫風(fēng)格

新版：

新版深海海報(bào)

舊版：

舊版深海海報(bào)

科學(xué)準(zhǔn)確性上還有一些問題，但大約 70% 是正確的，畫面更加生動(dòng)，避免了過早裁切

仍有局限的地方

• ? 風(fēng)格一致性：某些風(fēng)格轉(zhuǎn)換還不夠穩(wěn)定

• ? 多張臉：同時(shí)生成多個(gè)人臉時(shí)偶爾會(huì)出問題

• ? 多語言：非英語文字的渲染質(zhì)量還有提升空間

API 版本擁有與 ChatGPT Images 完全相同的能力，相關(guān)的模型信息，可以在這里查看到
https://platform.openai.com/docs/models/gpt-image-1.5

Model Card

同時(shí)，GPT Image 1.5 的圖像輸入和輸出成本比上一代降低了 20%

GPT Image 1.5 定價(jià)

質(zhì)量

1024×1024

1024×1536

1536×1024

Low

$0.009

$0.013

$0.013

Medium

$0.034

$0.051

$0.05

High

$0.133

$0.199

對比 NanoBanana Pro，GPT Image 1.5 的 High 模式和 Google 2K 價(jià)格差不多

• ? 2K（2048×2048）：$0.139

• ? 4K（4096×4096）：$0.24

GPT Image 1.5 的 High 模式和 Google 2K 價(jià)格差不多，但還有 Low 和 Medium 兩檔可選

最后

今天開始，這個(gè)模型會(huì)向全球所有 ChatGPT 用戶和 API 用戶推出，不需要特別勾選

舊版 ChatGPT Images 可以在這個(gè)地方使用：
https://chatgpt.com/g/g-6940a876d5f4819186b4668deabcd580-4o-imagegen

GPTs

可以在 OpenAI Playground 試用：
https://platform.openai.com/playground/images

Playground

提示詞指南：
https://cookbook.openai.com/examples/multimodal/image-gen-1.5-prompting_guide

指南