27 歲，沒拼爹媽、沒靠關係，靠自己搞定了人生第一張和世界首富的合照。
別誤會，這可不是偶遇馬斯克和黃仁勳，而是藉助 GPT-4o，基於一段 Reddit 上爆火的提示詞生成的。在這個「萬物皆可生成」的時代，合照的門檻早已不是物理距離，而可能是一段能騙過你眼睛的 Prompt。
你或許已經在社交平臺見過類似畫風：平日裡行蹤低調的周杰倫，在全國各大地標前拍照打卡；馬斯克、黃仁勳、奧特曼甚至愛因斯坦等人，也在國內各地景點「合影留念」。
甚至，你還能看到當下外賣大戰打得火熱的京東 CEO 劉強東和美團 CEO 王興，紛紛合體「現身」上海外灘、廣州塔等地，握手言和、笑容滿面。
當生成式 AI 橫掃社交平臺，「眼見為實」這句話，恐怕也該加個問號了。
無獎競猜，下圖中，一張照片是我上班途中用 iPhone 7 隨手拍攝的，另一張則是由 GPT-4o 根據同一段提示詞生成的。請你猜猜，哪一張是 AI 生成的作品？
答案將在評論區揭曉，你猜對了嗎？如果沒有，也不用介意。如今 AI 圖片的逼真程度，確實讓人防不勝防，所以也真不怪 OpenAI 嚷嚷著要給 ChatGPT 圖片要加水印了。
而這一切的起點，始於一位突發奇想的網友用一段極其「敷衍」的提示詞讓 GPT-4o 生成圖片，結果反而炸出了一組「堪稱真實攝影風格教程」的影像。
Prompt：An extremely unremarkable iPhone photo with no clear subject or framing—just a careless snapshot. It includes part of a sidewalk, the corner of a parked car, a hedge in the background or other misc elements. The photo has a touch of motion blur, and mildly overexposed from uneven sunlight. The angle is awkward, the composition nonexistent, and the overall effect is aggressively mediocre—like a photo taken by accident while pulling the phone out of a pocket.
（這是一張極其普通、毫無特色的 iPhone 照片，看不出明確的主題或構圖——就像是隨手一拍的快照。畫面中可能包含一段人行道、一輛停著的車的車角、背景裡的綠籬，或其他雜亂的元素。照片有些輕微的運動模糊，陽光不均導致曝光略微過度。拍攝角度顯得尷尬，幾乎沒有構圖可言，整體效果平平無奇——就像是不小心從口袋裡掏手機時誤按快門拍下的一張照片。）
刻意的不完美：模糊、過曝、角度尷尬、構圖混亂，反而更貼近真實世界的樣子，要是你物件給你拍成這樣，免不了一頓捱罵，但讓 GPT-4o 生成卻是剛剛好。
隨著這段提示詞開始在 Reddit、X 等平臺刷屏，腦洞大開的網友也在此基礎上不斷加料：比如加入人物、特定景點，自拍角度等等，最終形成一套「真實假照片」的製作公式。
請你畫一張極其平凡無奇的 iPhone 自拍照，沒有明確的主體或構圖感–就像是隨手一拍的快照。照片略帶運動模糊，燈光不均導致輕微曝光過度。角度尷尬、構圖混亂，整體呈現出一種刻意的平庸感-就像是從口袋裡拿手機時不小心拍到的一張自拍。主角是「人物」，晚上，旁邊是「景點」。
舉個例子，下面這張陽光灑進屋裡的照片，木地板的細節稍顯破綻，但灰塵、絨毛、陽光灑下的斑駁過曝感，都營造出一種真實的自然氛圍。
以至於用網友的調侃來說，「這張照片看起來像是我從我奶奶的老相機裡翻出來的。」
除了在模擬物體（如風景、靜物、街頭場景）方面的效果尤為驚豔，比如生成的影像細節豐富、質感自然，足以以假亂真，這類提示詞生成人像的水平也不容小覷。
再看這張女生躺在草地上閉目養神的照片，陽光溫柔灑在臉上，閉目養神，神態鬆弛。如果沒有前文的鋪墊，你很難不相信這是朋友剛在林間草地上隨手拍下的一張照片。
甚至在 GPT-4o 的加持下，你只需一句話，就能對圖片「後期魔改」。原圖上一秒只有一個女人，下一秒就能在她的身旁憑空出現一位穿著印有「我的妻子不知道我在這裡」T 恤的丈夫。
模型傾向於生成訓練資料中最常見、最「安全」的變體，自然而然就會導致某種程度的視覺同質化。網友發現用這段提示詞生成汽車時，不指明品牌的情況下，生成的車幾乎都長一個樣，一眼看去毫無個性。
生成自拍女性影像時，如果沒有設定特定身份、五官、服裝，面部五官也常常「撞臉」。
只需這份提示詞模板，GPT-4o 也能生成「拍不出來」的故事感？
細看上面這些照片，不難發現它們幾乎擁有一種「修不出來」的故事感。而沒有引數加持，也不靠後期修圖，CCD 相機同樣藉此翻紅。
前不久，「iPhone 5s 是 CCD 平替」的話題登上了熱搜，也讓這類審美趨勢再次走進了大眾視野。那麼能否用 GPT-4o 生成更具 CCD 風格的照片？我們做了一些嘗試，並總結出幾條實用的小技巧：
使用名人形象，模型訓練資料更豐富，還原度更高，更有真實感。
素人形象的一致性較弱，屬於「像又不像」，細看總有點違和。
調整圖片過程中，容易出現面部細節或背景元素的變形。
提示詞中加入 CCD 相機型號，能增強影像對應的氛圍與復古感。
[人物描述]，穿著[服裝描述]，[姿勢/動作]，[場景位置]，[光線描述]，[背景元素]，使用[CCD 相機型號]拍攝，開啟閃光燈，人物[清晰/明亮]，背景[昏暗/模糊]，顆粒感，[色調描述]，[懷舊感/年代感]，[風格型別]
年輕女孩，長直髮自然蓬鬆，穿淺灰色修身長袖T恤和深藍色牛仔褲，坐在木質桌前，手持金屬杯子用吸管喝飲料，佩戴銀色戒指，姿勢慵懶自然，眼神直視鏡頭，表情輕鬆，背景是簡約暖色牆面和木質靠背，牆上有照片裝飾，室內昏暗光線，使用 CCD 相機（Sony DSC-W630）拍攝，開啟閃光燈，人物明亮，背景微暗，顆粒感，真實自然，生活化，復古隨拍風格
圖片人物，黑色蓬鬆短髮，戴黑框圓眼鏡，穿灰色連帽衛衣搭配紅白格子襯衫和白色T 恤，背米色黑色拼接雙肩包，站在城市街道邊，輕鬆自然微笑，背景是黃昏時分的街道、行駛的車輛和高樓建築，天空漸變為藍色，環境偏暗，使用 CCD 相機（佳能 A650 IS）拍攝，閃光燈補光，人物明亮，背景自然昏暗，顆粒感，懷舊生活感，自然抓拍風格
圖片人物，穿著白色短袖 T 恤和牛仔褲，揹著黑色雙肩揹包，站在城市街道上，身體微微前傾，單手插兜，自然看向鏡頭，背景是車流和樹蔭大道，陽光透過樹葉灑下，街道乾淨寬闊，使用佳能 ixus6 相機拍攝，開啟閃光燈，人物明亮突出，背景動態模糊，顆粒感，真實自然，陽光少年感，日常街拍風
圖片人物，身穿白色 T 恤和牛仔褲，在街頭吹泡泡，泡泡在陽光下閃爍出彩虹光，表情專注又自然，街景模糊作為背景，CCD 風格（由 koda z700 拍攝），顆粒感，色調柔和偏暖，自然光
穿著校服的馬斯克站在操場邊，陽光斜照在臉上，頭髮隨風微微飄起，CCD 風格（由 koda z700 拍攝），色調偏暖，顆粒感，膠片質感，像是 2005 年拍的校園照片
圖片人物，身穿寬鬆毛衣站在岸邊，背對鏡頭望向遠方，身後是海上剛升起的太陽，整個畫面被金色晨光包裹，CCD 風格（由佳能 A650 IS 拍攝），輕微過曝，高對比光影，復古顆粒感，情緒感強烈
圖片人物，黃色連衣裙，白色長襪，草地野餐，陽光明媚，夏日氛圍，毛絨玩具熊，森林背景，CCD 風格（由 Sony DSC-W630 拍攝），高曝光，自然光感，清新懷舊，復古顆粒感
年輕男孩，黑色短髮，穿著深色毛衣，面朝鏡頭，站在湖邊，夕陽西下，金橘色天空，平靜水面和遠山背景，溫暖色調，使用 koda z700 拍攝，開啟閃光燈，人物清晰明亮，背景昏暗，顆粒感，懷舊感，清新少年風，真實自然，隨性抓拍
圖片人物，背景是海灘和海面，停泊著小船，天空多雲，戶外露臺場景，桌上有玻璃杯，傍晚光線昏暗，使用 CCD 相機（佳能 A650 IS）拍攝，開啟閃光燈補光，人物明亮，背景自然，顆粒感，懷舊真實風格
圖片人物，黑色短髮，穿著深色毛衣，面朝鏡頭，站在湖邊，夕陽西下，金橘色天空，平靜水面和遠山背景，溫暖色調，使用 koda z700 拍攝，開啟閃光燈，人物清晰明亮，背景昏暗，顆粒感，懷舊感，清新少年風，真實自然，隨性抓拍
圖片人物，黑色自然凌亂長髮，穿淺灰色寬鬆T恤和深色短褲，坐在室內地板上，手持一瓶酒，神情放鬆，微微側頭，眼神自然，背景是堆滿玩具、書籍、模型和音響的櫃子，室內暖色光，使用富士 F710 拍攝，閃光燈直打，人物明亮清晰，背景微暗，顆粒感，自然色調，懷舊生活感，自然抓拍風格
早在 GPT-4o 用吉卜力風格刷屏那會兒，就有人發現它的另一種能力：生成假髮票。
創投人士 Deedy Das 就演示了一套流程：用模型生成賬單、發票，再疊加「汙漬」「褶皺」等細節，最終生成效果堪比復古做舊工藝。
除了相簿的引數可以作為真實圖片的佐證，作為廠商的 OpenAI 也會為 GPT-4o 所生成的圖片自動新增一種名為 C2PA 的元資料標準，雖然嵌入在影像畫素層中，不會被肉眼察覺，但可以透過特定演算法檢測。
即便影像被截圖、壓縮或改變尺寸，水印依然可以被追蹤識別。
諸如 Google、Adobe 也在積極推廣數字水印技術，用於標記和驗證 AI 生成內容。其目標是透過統一的水印和元資料標準，幫助使用者區分 AI 生成內容與非 AI 生成內容。
或許，在未來，我們更該警惕的不是那些看起來「像 AI」的圖片，而是那些看起來過於真實的瞬間。
而 GPT-4o 圖片的這種「真實」，其實也源自於人類創作本身的「瑕疵」。
OpenAI 等公司在訓練影像生成模型時，所依賴的資料大多采集自社交媒體、雲相簿或網路公開資源。這些影像原本就是我們日常生活的記錄，光線、構圖、裝置參差不齊，失誤和瑕疵也自然少不了。
透過學習這些「不完美」的樣本，AI 也就掌握瞭如何模模擬實世界中常見的攝影瑕疵。比如動態模糊模擬了手抖或物體移動，過曝光則還原了常見的翻車名場面。
OpenAI 官方並沒有公開 GPT-4o 生圖的具體原理，只是淡淡提了一嘴「不同於基於擴散模型的 DALL・E，4o 影像生成是一個嵌入在 ChatGPT 中的自迴歸模型。」
相比傳統「先模糊再去噪」的擴散模型，自迴歸模型的學習方式就像是「按順序拼圖」：它需要逐步地預測每一個影像片段，也就是一格畫素、一塊特徵地猜接下來該是什麼。
這種逐格構建的方式，使它非常依賴於區域性上下文之間的合理性。
換句話說，如果模型看到「模糊+角度別 + 光線過曝」，它會自然聯想到這可能是一次手抖的抓拍。於是它在接下來的區域裡，也會接著模擬出相應的細節。
不是因為它「想畫得逼真」，而是因為它學會了這類圖通常就長這樣。
我們要求 AI 模擬這些「缺陷」時，實際上也是在啟用模型最熟悉、資料量最豐富的模式，最終，這種「真實感」就從語言層的描述，一筆一劃、逐步落實到畫素層的表達。
當然，具體實現的底層細節，還有待 OpenAI 進一步公開。
日本機器人專家森政弘（Masahiro Mori）在 1970 年提出了著名的「恐怖谷」理論：
當人造物（如機器人或 AI 影像）與人類的相似度接近某個臨界點時，那些微妙的「不協調」會引發觀者的生理不適與心理排斥感——它看起來「差不多像人」，卻不夠自然，從而讓人覺得怪異。
而一旦這種相似度跨越「谷底」，達到幾乎無法與真人區分的地步，觀者的好感才會再次回升。
AI 影像的典型「破綻」（如奇怪的六根手指、不合邏輯的光影、重複的紋理）往往都是 AI 在生成影像時經常露餡的地方，一旦被看出來，就會讓人瞬間出戲。
而反其道而行之，適當引入一些「人類特有的笨拙」，反而避開了早期生成影像常有的過於完美的違和感，也讓 AI 圖片顯得更真實、更親切。
或許，這也是 GPT-4o 在影像生成方面的一個轉折點：它不再執著於技術意義上的「完美」，而是試圖回到生活本真的模樣，學會用一點點「出戲」，換來一種「入戲」的真實。
而技術越發達，我們也似乎越懷念那些帶著瑕疵、卻更真實的瞬間。
習慣了手機/相機拍出高畫質大片，像廣告、像模板，但在影像無限趨於清晰的同時，是否那些不那麼清楚、不那麼完美的瞬間，才更接近生活本來的模樣？
我們正在招募夥伴
✉️ 郵件標題「姓名+崗位名稱」（請隨簡歷附上專案/作品或相關連結）
