GPT-4o怎么抢了Midjourney的饭碗

  

  2025年3月26日，OpenAI破晓官宣，GPT-4o的原生多模态图像生乐成能正式上线。用户不再必要登录OpenAI的文生图模子DALL-E，可以直接在ChatGPT应用里调用4o生成、修改图片。
  一夜之间，AI生成的吉卜力图像在X等交际媒体上疯传，互联网被一场温柔的二次元画风海潮淹没。人们上传自照相，输入“吉卜力风格”，几秒后，宫崎骏动画中的唯美与梦幻便流淌在发丝衣角间，乃至连OpenAI首创人奥特曼也晒出本身的吉卜力头像，为这场高潮添了一把火。
  

  不过，吉卜力的火爆只是其一，更关键的是，GPT-4o的画图能力出圈打破了文生图范畴的固有格局，以Midjourney等垂类应用为首的赛道第一次遭到了大模子的挑战。
  原来，人们用Midjourney生图时，仍面临着一个致命题目：随机性太强，在提示词过于复杂的时间，细节还原度就会显著降低，而GPT-4o控图能力的跃升，让人类第一次感受到了与AI艺术家在多轮对话中精准改图的魅力。
  那么，一个人类印象里只会聊天的通用大模子GPT-4o，是怎样赶超文生图范畴专业选手Midjourney的呢？
  

  实际上，类似Midjourney一样的应用早在一年前就能生成吉卜力、赛博朋克、超现实等多种风格的图像，乃至在画面风雅感、剖析力上略胜于GPT-4o。但GPT-4o的聪明之处在于，它没有选择正面硬刚其艺术范畴的生图质量，而是在应用门槛、修图改图、跨学科能力等细分赛道弯道超车。
  一是自然语言对话能力的提升大大降低了使用门槛。传统文生图范畴，用户必须掌握一套复杂的布局化提示指令，比如风格、镜头、色彩、角度、背景、主体等，差之毫厘、谬以千里。而GPT-4o可以精准明白自然语言命令，只必要像跟好友一样交流，张嘴画图成为现实。
  自然语言就是明确话，日常生存中的口头语。比如，如果你必要一张瀑布图，只必要告诉GPT-4o，“帮我生成一幅清早茂密丛林里的彩虹瀑布”就可以了。但面对Midjourney就必要像下图一样平常，用高度布局化的prompt指令告诉它：这个图像的主体有什么，背景是什么颜色，仰角、俯角照旧平视，风格是油画、古典大概赛博朋克，必要细分到这种水平才大概到达理想效果，但就算分得这么细了，依然会有一些无关紧要的画面元素跳出来画蛇添足。
  

  二是多模态能力带来的图生图、图改图功能的上线。类似Midjourney一样的应用只能发笔墨指令，不支持上传一张图片再做修改，大概说不支持AI生图后，再调整图像的分辨率、色彩、背景。如果成图效果不理想，只能回到第一步重写提示词碰运气，之宿世成的图像等同作废。
  GPT-4o的刁悍就在于用户可以随便上传一张图片多次修改，可以是AI生成的，也可以是本身拍的。比如，你可以上传一张满身照，把头型换成大波浪，把衣服换成购物车里的裙子看上身效果。它支持在现有的图片上去p图去修改，相称于我们不消学习PS这种具有高壁垒性质的修图技术。
  更牛的是它还可以多轮对话，支持在原图上不限次数地不停改，直到满足为止。你可以一会儿改一个头发，一会儿把背景换成戈壁，大概一会儿调整滤镜风格。只要你想，它便满足。
  

  图源：小红书@Mr.汤先森
  除了交互门槛的降低和控图能力的提升，GPT-4o的跨学科知识储备也让人惊艳。集成了大语言模子原有知识库的GPT-4o相称于一个知天文、晓地理的画家，不但能解高数、做物理题，还原建筑草图也不在话下。相比之下，Midjourney作为垂类应用始终范围在艺术范畴里，为电影宣发、广告等文娱财产服务。
  GPT-4o有多牛？给一个标题就可以生成函数图像，相称于一款画图指导版的照相搜题应用。乃至于你给他一个没有任何色彩的铅笔画建筑草图，它都能生成出施工后的房屋实景，完全超过了学科的界限，是一个文理双全的全能型选手。
  

  图源：小红书@云安
  既然GPT-4o生图改图功能如此惊艳，我们就要发问了，在其火爆出圈背后，能够为平凡人带来什么实际价值呢？
  

  就在其上线一周内，Midjourney CEO大卫·霍尔兹坐不住了，发文称：GPT-4o只是花架子，Midjourney-v7下周上线。
  

  GPT-4o和Midjourney孰优孰劣，现在还难以定论。但能够肯定的是，GPT-4o火出圈了，它冲出了计划师这个小众的圈子，走入了大多数人的工作场景里，就算完全不知道AI生图是什么，但肯定也知道交际媒体上突然冒出一个能用嘴P图的网络工具。
  那么，GPT-4o为什么这么火，给我们带来的一个最实际的价值点在哪里？
  首先，它真的做到了应用零门槛，用户乃至不必要任何艺术功底和AI基础，毫无基础的平凡人也能直接上手。用Midjourney，你必须知道一些基本的流派、色彩、光学、框架等绘画知识以及/imagine（生成图像）、--ar（图像宽高比）等基础英文提示指令。但用GPT-4o，你也可以不懂透视、框架、光线，也不必要知道什么是布局化提示词，完全不消任何专业基础，就像跟朋友对话一样平常交流就可以修图。
  

  图源：小红书@Geek4Fun
  除了使用门槛降低，模子产物的质量和效能也大幅提升。一是生图更快，以前用Midjourney剖析复杂指令必要1min左右，GPT-4o在20s内就可以还原。
  第二，生图和改图的控制性进步了，GPT-4o能够完全还原你给它的指令。比犹如样的一个指令“给我生成一个猫猫和狗狗在草地里玩耍的场景”，GPT-4o生成的就是一只猫和一只狗在草地上玩，没有任何其他会突然冒出的元素，但Midjourney大概在草坪上多一个公园或建筑，不会完全按指令来。通俗地讲，就是GPT-4o更能听你的人话了，它就像你的电子西崽一样，你让他干嘛，他就干嘛，多余的事一件不做，该做的事也绝不少干，准确度更强了。
  由此，GPT-4o打开全民赛道，进入到我们工作场景里。之前，平凡用户用Midjourney更多照旧出于爱好，娱乐属性强、工具属性弱。生成的油画、动漫等各种风格的图像虽好看，但既不能提升工作效率，也不能赚钱，重要起到了一个造型上的作用。
  

  而GPT-4o的用嘴P图让AI画图能够落地的行业增多，从娱乐化与艺术性走向了专业化与生产力，可以应用到电商、教育、建筑、计划等各行各业。比如你的小孩不会做题，以前必要讨教课老师大概下载作业帮，辅导费用贵而作业帮的讲解只有干巴巴的一段笔墨，令人费解。但是GPT-4o完全可以生成一张讲解草稿图，函数怎么生成的，答案怎么得来的，推导过程流通自然。
  再比如电商行业的宣传海报，甲方必要你生成一个针对西欧市场的英语海报，其中计划元素和语言都必要做本地化润色。之前的流程是对接计划师修改元素、去翻译软件润色，再导入PS软件修改，费时费力。但现在GPT-4o只必要一句话，“把这张海报改成西欧风，语言变成英语”，它就很快就能计划一张符合要求的海报，跨范畴跨学科的集成能力非常刁悍。
  

  聊完GPT-4o的画图出圈，不如再聊聊，GPT-4o作为一种底层模子另有什么可发掘的地方。
  我们都知道，Midjourney是一个架构在模子上的应用，但GPT-4o本身就是一个模子，生图是它的能力之一。2022年刚出道的ChatGPT只是一个能够笔墨交流的对话助手，后来可以语音打电话，现在又能画图，不停不停在不同维度上迭代升级。
  

  而此次GPT-4o能画图赛道突出重围，真要感谢其原生多模态模子能力的大幅涌现。跟Midjourney不一样，GPT-4o有更多技术路径可走。现在文生图范畴应用普遍用的底层模子叫扩散模子diffusion model，原理是先生成一个大概的图像，再消除噪点，就像雪中作画、雾里看花，还原能力不强。而GPT-4o沿用文生图自回归模子，相称于把之前猜测token的逻辑推理能力进一步延伸到了文生图范畴，通过逐帧绘制的方式，从已生成的像素推测下一个像素，本质是模仿人类画画。这意味着，与垂类应用不同，大模子可以从底层架构上选择不同的技术路径，而架构的升级通常会带来性能的跃升，基于GPT-4o等原生模子的功能有更多的生长空间。
  

  第二个是，多模态融合会带来跨范畴的融会贯通，GPT-4o作为一种通用大模子，拥有整合笔墨、音频、图像等不同格式信息的能力，现阶段已经可以打电话、生图改图了。而在未来，是不是可以直接生成音乐和视频，也值得期待。实际上，GPT-4o本次上线的生图功能就脱胎于OpenAI的文生图模子DALL-E。或许，OpenAI旗下的文生视频模子Sora也大概通过某种技术被整合到GPT模子里。届时，在一个模子里交叉处理多种模态的信息将不再迢遥。
  而多模态创新也进一步阐明，模子走向多功能后，处理各种使命的能力越来越强，带来的总AI使用成本降低。一个可以预见的趋势是，大模子正在试图成为一个一站式打包站点，将代码、计划、音乐、数据处理等多种使命集成在一起。大概在未来某一天，类似于ChatGPT一样的模子刁悍到在任何范畴都能做到前三，我们也不再必要下载画图的Midjourney、写代码的coze、做音乐的suno等垂类应用，直接下载类似于ChatGPT一样的模子，就能解决所有的事情。这样一来，手机的内存更大了，运行效率也快了。每个月还可以省下了垂类应用一百块左右的会员定制费，性价比更高了。
  

  简言之，GPT-4o画图能力的出圈让我们看到了底层大模子集成多应用的能力。而从这个能力衍生出的愿景是，我们未来可以在一个一站式的模子内里同时使用绘画、音乐、代码等多维能力。而且，它的使用门槛是非常低的，低到任何一个毫无技术基础，乃至连AI都不了解的人都能用。
  而这或许才是人类发明AI的终极目的——让技术普惠到每一个角落。
  

  ·
  ·
  ·

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

继续阅读请点击广告