ChatGPT Images 文字处理能力显著提升[推荐]

当地时间4月21日，美国人工智能公司OpenAI正式推出ChatGPT Images 2.0模型，这是其ChatGPT平台内图像生成功能的最新升级。该模型旨在提升对图像生成指令的“听话”程度、细节保真度以及文本渲染质量，尤其在处理图像中的文字元素时表现出明显进步。

根据OpenAI的官方发布，本次更新的模型为所有ChatGPT用户提供基础访问权限，每天可以生成大约5张图片。付费用户则可以使用增强的“图片思考”模式，整合了推理能力、多输出生成以及网络搜索工具等功能。

无论是OpenAI官方还是用户评测，均认为ChatGPT Images 2.0的最大改进在于图像中文字的生成质量。长期以来，扩散模型在处理小尺寸文本时面临挑战，因为文字像素在整个图像中占比极小，模型往往优先重建更大区域，导致拼写错误或字体不自然。Images 2.0实现了“前所未有的特异性和保真度”，能够有效概念化复杂图像，并忠实呈现用户指定的细节，包括小文本、图标、用户界面元素、密集构图以及细微的风格约束，输出分辨率最高可达2K。

科技媒体Tech Crunch实际测试印证了这一进步。平台使用提示生成一份墨西哥餐厅菜单，结果显示菜单上的菜品名称和价格基本合理，整体效果足以在真实餐厅中使用，难以看出是AI生成。与之形成对比的是，该媒体两年前使用另一模型生成的类似菜单，其中则出现了多种明显拼写错误。