OpenAI 总裁兼联合创始人 Greg 再次大秀 GPT-4o 操作,结果网友直接缅怀 DALL-E。
直接看效果。
文本拼写达到惊人的一致!手部细节、光照全都有,甚至后背上的 Logo 也完全正确。
有网友表示:恍惚间还以为真的是本人在讲课。
也有人感叹图像生成技术发展的飞跃:Holy Cow!
从完全破碎的文本到风格一致、拼写正确的写作,只用了一次迭代。
GPT-4o 让网友直接缅怀 DALL-E
GPT-4o 发布以来,简直就被玩儿疯了,尤其是图像生成这块。
比如有网友发现,GPT-4o 在组合任意图像上面就像是打通了任督二脉。
给它两张完全不相干的图。
结果摇身一变,“悲伤蛙版的麦片”,这不广告设计公司直接可以用了。
不过像生成统计图,就有点子翻车… 比如这个,将正态分布的前 10% 染成红色,就没有完成。
还有更翻车的效果……
于是乎,就有人认为这应该是 DALL-E,GPT-4o 现在还没办法生成图像。
如今 Greg 亲自下场展现 GPT-4o 的图像生成效果,应该也算是一种回应。
当然在评论区有网友质疑:这确定是同一个版本吗?能不能给完整的提示?
但不管怎么说,OpenAI 这次免费大开放,让更多的人探索到 GPT-4o 的能力。
比如在上下文能力上面,有网友发现它就比 GPT-4-Turbo 好太多。
而在从情景对话这个场景中,GPT-4o 也比 ChatGPT 更乐意谈论自己的感受和意识。
Omni 团队大揭秘
Omni 团队负责人 Prafulla Dhariwal 也在社交网络上表达了自己团队成员的感谢,并坦言这项工作是从一年前开始的。
Prafulla Dhariwal 本科毕业于 MIT,随后就前往 OpenAI 已经待了 7 个年头。
他首先表示 GPT-4o 是他们团队推出的第一个模型,也是 OpenAI 首个原生多模态大模型。
随后就来了一个团队大点名。
James Betker,负责图像和音频生成、数据准备、集成以及后续训练。
Jamie Kiros:负责 GPT-4o 的视觉感知。
Rowan Zellers:让模型 / 产品能够像人类一样自然地观看视频。
Alexis Conneau:首个在 OpenAI 提出 Her 愿景的人。他在个人简介中提到是音频 AGI 主管。
Gabriel Goh、Ishaan Gulrajani:负责 Scaling Law 相关的工作。
Alex Nichol、Heewoo Jun、Li JING,保障 GPT-4o 的图像生成、3D 生成的能力。
……
随后阿尔特曼也随手一个转发评价,并表示这项工作引发了一场革命,它能改变我们使用计算机的方式。
所以,有使用过 GPT-4o 的朋友吗?欢迎在评论区分享你们的体验。
参考链接:
[1]https://twitter.com/gdb/status/1790869434174746805
[2]https://twitter.com/sama/status/1790816449180876804
本文来自微信公众号:量子位 (ID:QbitAI),作者:白交
这是一个从 https://www.ithome.com/0/768/429.htm 下的原始话题分离的讨论话题