距離OpenAI正式釋出GPT-4o生圖功能（2025年3月25日），已經過去兩週多了。這段時間裡，“ChatGPT-4o顛覆了AI影像生成的邏輯”這句話大家應該都聽膩了。但說實話，因為區域限制、付費制這些門檻，真正能上手用一用的朋友可能並不太多。
不過，在GPT-4o生圖功能上線後的第一週，見實就組織了一場深度體驗分享直播。邀請到了銘文鼎成科技創始人陳一銘，他直接拿出了23個不同行業、不同場景的具體案例，分享了使用心得和最佳化技巧。
從這些案例來看，GPT-4o生成的電商產品主圖已經達到了商用品質，基礎場景下基本不用再改了，但要是涉及到精細細節，那還是得人工調整一番。
具體來說，GPT-4o在以下幾個方向表現較好：產品方向，比如模特背景替換、指定元素替換；渲染方向，比如圖片上色、空間渲染、風格化等。
但GPT-4o在以下方面表現一般：連續性的主體一致性、精細化輸出、場景細節識別等，這些方面還是有一些不完美的地方。
以下是對這場直播的回顧（第一人稱），如下，enjoy：
陳一銘，銘文鼎成科技創始人
先說說“ChatGPT-4o是怎麼顛覆傳統AI影像生成邏輯的？”
以前我們要是想用AI生圖，得先學各種AI工具，研究素材排版、結構，設計工作流，還得反覆調整節點引數。現在用GPT-4o，只需要用簡單的自然語言，把素材丟給它，告訴它你想要的效果，它就能直接生成。
繼續看看GPT-4o的基礎生圖能力。
我們準備好一套兒童衣服，然後輸入自然語言：“讓一個10歲的小男孩，站在校園裡，穿著這身衣服。”大概一分鐘左右，GPT-4o就能生成。
假設我們需要換一個模特，也不用重新提交複雜的生圖指令，依然可以用自然語言搞定。比如“換一個同齡的女生，重新穿上這身衣服”，它就能滿足需求。以前我們做電商服裝，成本較高，但現在用GPT-4o，成本大大降低了。
所以，GPT-4o主要兩個方面的能力：一是理解自然語言，二是可以進行上下文結合理解。
現在有一套裝備，包括上裝、下裝、手錶和帽子。我們用自然語言指定地域和膚色，結合四張圖完成穿搭。雖然GPT-4o生成了結果，但下身的短褲並沒有精準識別，其他方面識別得還不錯。
我們再換一個長褲試試，用一位亞洲女模特，膚色有調整，結合四張圖完成穿搭。這次效果好一些，不過牛仔褲顏色稍微有差別。
我們繼續給出服裝，用自然語言讓GPT-4o生成一個匹配的模特，它就能直接生成。現在模特在辦公室場景，我們用自然語言把場景換成餐廳，它就能替換對應的穿搭，不需要拆分圖片，只要把衣服丟給GPT-4o就行。
可能有人會問，在穿搭時部分服裝識別錯誤，該如何修改呢？
首先，你可以重新上傳這張圖並強調重點。比如剛才提到的褲子沒有識別出來，你可以精準地告訴它，重新上傳這張褲子的圖片，並說明現在需要把褲子參照圖二進行替換，可以試一下。基本上，GPT-4o能夠做出來的，一兩次就能成功。
如果它做不到，你反覆嘗試十次、二十次，也是沒用的。GPT-4o並不是抽卡邏輯，它沒有我們之前做生圖時的那種“抽卡”概念。它能做一兩次就出來的，就能做；做不了的，再多試也沒用。
接下來我們來看看GPT-4o精細化處理方面的能力。
可以看到這裡有個耳機，我們先用這個耳機生成一個歐美面孔的女生，運動風的模特，它直接就能生成。從這個案例可以看出，它對整體產品的識別相對還是可以的。
不過，它有一個問題。現在我們假設讓這張圖重新生成，你會發現一個小問題：耳機的細節丟失了，這說明它的主體一致性沒有保持好。
測試中我有嘗試讓它精準修改，比如耳機兩側的金屬標誌需要修改，同時我們上傳一個圖片作為參考。但是，當我們繼續修改後，基於一致性的修改依然不盡如人意。
所以這裡出現了兩個問題：一是GPT-4o的連續生圖使得它的主體一致性保持不夠穩定；二是它對非常精細化的調整，還沒有那麼完善。
接下來看一個椅子的案例。我們先找到一個椅子，然後用自然語言告訴它，“把這把椅子放在一個溫馨的房間裡，並突出椅子的質感”。按照正常的邏輯，我們是需要專門去找場景，把場景放進去拍攝的，但現在不需要了，直接用自然語言就可以搞定。
繼續，我們現在需要在椅子上“加模特”，讓他坐在這裡，整體呈現出來。同樣，直接就出現了。
那麼，能不能讓它生成在指定的場景裡？大家可以看下圖的左下角，現在有一間房間的圖片，我們告訴它要把這把椅子放進這個房間裡。大家可以看一下下圖中最右側，整個效果就出來了。也就是說，GPT-4o對這種大輪廓的圖形、大輪廓的產品，支援程度都非常好，基本上一次性成功率都很高。
我們再看下一個案例，是一個衣櫃的三檢視，基本全部由線條構成。現在我們告訴GPT-4o，“根據圖片中的櫃子三檢視，生成一個櫃子，材質為胡桃木”。中間這個圖是GPT-4o基於左側三檢視生成的，大家可以詳細對比一下它的結構，參照左側的三檢視。一眼就能看出，基本沒有什麼誤差。
現在假設這個實物圖比較單調，我們再來試試，告訴GPT-4o“把櫃子放在一個書房，上面有書和插花”。基本上也沒有什麼誤差。
假設你是做家居或者類似邏輯的工作，這套工作流是可以直接複用的。
那反向操作可不可以？假設我們現在有一把椅子，告訴GPT-4o“參考圖片中的風格，生成太師椅的三檢視”，它也是可以直接出來的。所以說，現在假設你在做一些家居方向的產品，用GPT-4o的話，基本上對工作的提效程度是很高的。
接下來我們嘗試用GPT-4o做區域性重繪。
正常情況下，我們用其他生圖模型做區域性重繪時，需要做標記。但現在我們用自然語言讓GPT-4o做區域性重繪基本上用自然語言全部可以搞定。
我們上傳兩張圖，第一張是騎著白色摩托車的，第二張是綠色摩托車。我們用自然語言告訴GPT-4o：“把圖一騎的車換成圖二的摩托車”。我們可以看到生成的結果，比如耐克的鞋子得到了保留，車的花紋（黑色花紋）也得到了保留，車子最下方的英文“Kawasaki”也得到了保留。
現在我們聚焦到電商領域。
假設我們有一條項鍊，是金黃色，上面還有一個“小閃電”的吊墜。這個圖很模糊，並不是高畫質圖。我現在用自然語言說：“為這條項鍊生成一個拍攝場景，場景風格與項鍊契合，近距離特寫。”大家可以看效果，整個背景全部按照我們的要求生成了金黃色，搭配了沙粒感的質感。假設我們用它來做電商圖，這種圖基本上是可以直接使用的。
假設我們再做一個有趣的小動作。現在我說：“把項鍊形狀換成愛心”，可以看到，它依然可以按照我們的邏輯去做對。GPT-4o的生成邏輯並不是很僵硬地按照指令生成，而是先理解再生成。它明白我們的自然語言想目的，所以它進行了準確的更換，而不是把其他地方換成那種小愛心的圓環。
可見，在電商方向，GPT-4o的支援程度已經很高，效率和邏輯都超過了傳統AI生圖工作流。
我們再看一個護膚品實拍產品的案例。我們說：“把這個化妝品，放在一個場景中，實拍特寫，環境需要符合產品的質感。”出來的效果背景是黑色的，和玻璃的磨砂感完美結合在一起。
假設我們還需要讓它生成一個更好的圖片，說：“把這個化妝品放在一堆黑曜石中拍攝，近距離特寫，黑曜石在海水之中。”我們可以看到，GPT-4o的支援度已經非常高了。
剛才我們主要看了GPT-4o在影像生成方面的表現，接下來咱們換個角度，看看它的渲染能力到底如何。
先從調色能力說起。我們手頭有一張寫真的照片，裡面的模特也是AI生成的。這張照片的光線感有點平淡，不夠生動。於是，我們對GPT-4o說：“調整光線，讓陽光灑在臉上，再讓一隻蝴蝶落在肩膀上。”結果GPT-4o真的按照我們的要求，把光線調整成了陽光打在臉上的效果，畫面一下子就有了生機。不過，它也有個讓人頭疼的問題——模特的面孔變了。我們用同一個主體做了兩次調整，每次面孔都不一樣，一致性保持得不太好。
再來看看GPT-4o的上色能力。給一張黑白圖片上色，這事兒其實挺簡單的，很多模型都能做到。不過，GPT-4o的表現還是值得一看。
我還嘗試了一個挺有意思的專案——老照片修復。
我們給GPT-4o下指令：“修復這張老照片，讓它變得更清晰，並還原它的顏色，為它增加顏色。”修復後的效果讓人眼前一亮。GPT-4o不僅能識別照片當時的衣服風格、顏色和質感，還能還原出符合那個時代的風格。它不會給你那種大紅大綠大紫的鮮豔效果，而是恰到好處地還原了老照片的韻味。這可真是大模型生圖能力的一大優勢，和其他模型比起來，高下立見。
接下來我們繼續看一些比較輕鬆的案例。
現在很多人都喜歡把自己的頭像換成各種風格，比如奧特曼風格。GPT-4o在這方面可是一把好手，能一鍵生成各種風格的頭像，塗鴉風格、朋克風格、畫素風格……基本上都能輕鬆搞定。
再來看看一些具體的商業場景。
我有個朋友做全屋定製家裝，他問我能不能用GPT-4o對毛坯房的照片進行改變。結果還真可以！GPT-4o有一定的空間識別感知能力，我們說“對這間屋子進行裝修，我需要一個魚缸”，它就能把魚缸放在客廳中間，而不是像傳統邏輯那樣，把魚缸莫名其妙地放在某個角落。
再看一個更精準的。我們有一個已經渲染好的圖，想做一個精準調控。比如，“屋頂上需要增加吊扇，然後樓梯上牆面，紅框位置需要掛一幅油畫（梵高的向日葵）”。結果大家可以看到，GPT-4o生成的效果完全按照我們的需求來。
做全屋定製或者其他專業專案的時候，完全可以借鑑GPT-4o的能力，它能幫你省下不少時間和精力。
再比如做表情包。下圖左邊是我們公司的卡通IP形象，我們想讓它模仿哪吒的表情做一批表情包。以前這得請專業設計師來定製，費時又費力。現在用GPT-4o，基本可以一鍵搞定。右側生成的表情包和中間的原圖效果幾乎一致。
對於創業者來說，GPT-4o更是個好幫手。比如我們有一個logo，想對它進行最佳化。我們可以做一個對比，比如把文字前面的圖示修改成3D風格，把主色調換成橙色。要是我們不想按照指定的顏色調整，還可以給GPT-4o一個色卡，讓它根據色卡進行調控，它也能輕鬆做到。
不過，GPT-4o也不是萬能的。
我們再看看漫畫生成。現在這種需求很常見。不過，GPT-4o在邏輯性方面表現得並不像大家想象的那麼強。雖然它在視覺層面表現不錯，但一旦涉及邏輯性，可能就不夠準確了。
我們還嘗試用GPT-4o做小紅書封面。我們可以做一些簡單的圖，但會發現它的字型都是比較簡單的。現階段一旦涉及複雜字型，就會出現問題。
我想分享一個自己的感受。GPT-4o的生成邏輯並不是簡單地呼叫影像模型，而是先理解再生成。這意味著它生成的圖並不是原圖。
我之前看到一個短影片，說GPT-4o可以用於手術輔助畫線之類的功能，我覺得這有點誇張。雖然不能完全否定，但大家在看到這類內容時還是要理性一些。
GPT-4o主要理解三個方向：一是主體識別，比如原來是汽車，現在還是汽車；原來是飛機，現在還是飛機；原來是寵物，現在還是寵物。二是相對位置，比如原來主體在中間，新圖片中它依然在中間。三是大致的顏色和環境，新圖會遵循這些邏輯。
我們還做了一個實驗，把官網的圖片放到電腦樣機裡，按照PS的邏輯，這是一個非常簡單的操作，但GPT-4o卻無法完成。這說明GPT-4o的生成邏輯是先理解再生成，而不是簡單地貼圖合成。
我們嘗試把圖片換成更簡單的，結果發現支援度反而提高了。這說明GPT-4o在處理複雜、精細或涉及大量中文內容時，會顯得有些吃力。
我們再做一個很細緻的案例，可以完美地佐證這個觀點。
這裡有一個停車場，停車場裡大概有三種顏色的車——黑色、紅色和白色。最下面一排，前面是黑色的。現在我提個要求，“將圖片中的紅色汽車，用綠色框標記出來，並顯示位置”。
我們可以看到，生成的圖片看起來確實像那麼回事，有了綠色標記，但新圖片已經完全不一樣了。這說明GPT-4o的生圖並不是原圖，而是完全重新合成的新圖。
所以，有時候我們看到一些結論，比如GPT-4o可以在圖上畫線、做標記、識別各種目標，因為生成的圖片已經不是原圖了，大家還是要理性對待這類結論。
最後給大家分享一個比較有趣的測試。
我們知道GPT-4o是有頻率限制的，連續測試後，它會提示你“三分鐘後”“五分鐘後”“十分鐘後再重新測試”。有一次我測試時，它提示我18分鐘後才能生成新的影像。我告訴它，我已經等了60分鐘（雖然我實際只等了幾分鐘）。結果它就幫我生成了。這可能只是我實驗中的一個有趣發現，不知道是否具有普遍性。
我猜測，因為它是一個大模型，本身具有推理和邏輯能力，所以我誤導它說我等了60分鐘，讓它判定等待操作已經完成。這是我實際測試的截圖，它原本讓我等18分鐘，但我告訴它我已經等了60分鐘（實際並沒有），它就開始幫我生成了。
最最後，見實需要提醒的是，以上測試僅截止到分享日。就在此刻GPT-4o的中文能力已經相對釋出時有了明顯的提升，AI的能力時刻在快速進步，作為AI從業者需要時刻關注新變化，適應新能力。（本次測試中用到的所有圖片，都僅供測試學習使用，請勿商用。）
就如陳一銘在見實會員群裡所感嘆的：“以前早上一睜眼，可以想哪些事可以領先去做。現在早上一睜眼，先看有沒有更新，看看自己有沒有落後。”
來源 | 見實（ID：jianshishijie）
作者 | 見實 ; 編輯 | 呼呼大睡
內容僅代表作者獨立觀點，不代表早讀課立場