在周二的一场直播中，OpenAI首席执行官Sam Altman宣布了对ChatGPT图像生成能力的首次重大升级，这也是一年多以来的首次。
ChatGPT现在可以利用公司的GPT-4o模型来原生创建和修改图像与照片。GPT-4o长期以来一直是该AI驱动聊天机器人平台的基础，但在此之前，该模型只能生成和编辑文本——无法处理图像。
Altman表示，GPT-4o的原生图像生成功能已于今日在ChatGPT和Sora（OpenAI的AI视频生成产品）中上线，面向订阅该公司每月200美元Pro计划的用户。OpenAI称，该功能即将向ChatGPT的Plus用户和免费用户以及使用该公司API服务的开发者开放。
带有图像输出的GPT-4o比它实际上取代的图像生成模型DALL-E 3“思考”时间稍长一些，从而能够生成OpenAI所称的更准确、更详细的图像。GPT-4o可以编辑现有图像，包括包含人物的图像——对其进行变换或“修复”前景和背景对象等细节。
为了支持这一新的图像功能，OpenAI告诉《华尔街日报》，其使用“公开可用的数据”以及来自与Shutterstock等公司合作获得的专有数据对GPT-4o进行了训练。
许多生成式AI供应商将训练数据视为竞争优势，因此他们对此保密。但训练数据的细节也可能成为引发知识产权相关诉讼的来源，这进一步促使企业不愿透露太多信息。
OpenAI首席运营官Brad Lightcap在向《华尔街日报》发表的声明中表示：“我们尊重艺术家的权利，特别是在输出方式方面，并且我们已制定相关政策，防止生成直接模仿任何在世艺术家作品的图像。”
OpenAI提供了一份退出申请表，允许创作者请求将其作品从其训练数据集中移除。该公司还表示，它尊重网站提出的要求，即禁止其网络爬虫收集用于训练的包括图像在内的数据。
ChatGPT升级后的图像生成功能紧随Google为Gemini 2.0 Flash（该公司旗舰模型之一）推出的实验性原生图像输出之后。这一强大功能在社交媒体上迅速走红——但并非总是出于最佳原因。Gemini 2.0 Flash的图像组件被发现缺乏几乎没有安全护栏，允许人们移除水印并创建包含受版权保护角色的图像。
本文于太平洋时间中午12点更新，补充了OpenAI就GPT-4o的训练数据向《华尔街日报》发表的声明。