声明:本文来自于微信公众号 量子位(ID:QbitAI),白交 发自 凹非寺,授权站长之家转载发布。
再见了,DALL-E!
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。
……
随后奥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
—完—
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】