GPT-4o có thể tạo ra hình ảnh hoàn hảo chỉ với những từ ngữ mô tả

OpenAI vừa công bố bản nâng cấp lớn cho GPT-4o, một công cụ tạo hình ảnh được công ty ra mắt cách đây khoảng một năm.

Tính năng mới này cho phép người dùng tạo ra những hình ảnh chi tiết, chất lượng cao từ các mô tả ngôn ngữ, đồng thời chỉnh sửa chúng theo cách tương tác cho đến khi đạt được hình ảnh mong muốn. Điều này giúp khắc phục những hạn chế của các mô hình AI trước đây, như việc tạo ra các ký hiệu vô nghĩa hoặc chữ cái không rõ ràng.

Đáng chú ý, văn bản trong hình ảnh do OpenAI chia sẻ hoàn toàn có thể đọc được, điều này đánh dấu một bước tiến lớn so với các phương pháp tạo hình ảnh truyền thống. Thay vì chỉ tinh chỉnh một lời nhắc duy nhất, GPT-4o cho phép người dùng bắt đầu với một yêu cầu cơ bản, chẳng hạn như “một con mèo”, và sau đó tương tác để điều chỉnh hình ảnh theo ý muốn, như thêm một chiếc mũ thám tử hay một chiếc kính một mắt.

Các ví dụ từ OpenAI cho thấy người dùng có thể xây dựng và sửa đổi các cảnh một cách linh hoạt, kết hợp nhiều thành phần từ các hình ảnh khác nhau thành một kết quả thống nhất. Mô hình này nổi bật với khả năng hiển thị văn bản rõ ràng trên các biển báo hoặc vật thể, vượt trội hơn so với các mô hình tạo hình ảnh AI trước đó.

Mặc dù OpenAI thừa nhận rằng một số lựa chọn hình ảnh có thể không hoàn hảo, với nhiều hình ảnh chỉ đạt “tốt nhất trong 2” hoặc “tốt nhất trong 8”, nhưng kết quả vẫn rất ấn tượng, đặc biệt với giao diện người dùng đơn giản. GPT-4o còn có khả năng bắt đầu từ một bức ảnh có sẵn và thêm các lớp thay đổi, xử lý từ 10 đến 20 đối tượng trong một cảnh, trong khi các đối thủ thường chỉ xử lý được từ 5 đến 8.

Tuy nhiên, công cụ này vẫn còn một số hạn chế. OpenAI đã chỉ ra những vấn đề như cắt xén phần dưới, ảo giác kéo dài, khó khăn với văn bản không phải tiếng Latin và trục trặc khi xử lý quá nhiều đối tượng. Dù vậy, khả năng tạo ra hình ảnh phức tạp với nhiều văn bản tiếng Anh dễ đọc đã khiến GPT-4o trở thành một công cụ nổi bật. Đối với những ai đang thiết kế áp phích, công cụ này mang lại độ chính xác và tính linh hoạt mà các mô hình cũ chỉ có thể mơ ước.