GPT Image 2 擅長什麼

GPT Image 2 是罕見的 AI 圖像模型，你可以在提示詞中輸入文字並讓它們正確出現在圖像上。大多數基於擴散的模型——Stable Diffusion、Flux、Imagen——將文字視為視覺紋理並幻覺成亂碼。GPT Image 2 使用明確的文字渲染目標和字母感知分詞器訓練，所以提示詞如「復古旅行海報，頂部粗體襯線字 'Visit Patagonia'」會返回那些確切的文字。

這對任何製作需要圖像上標題的行銷海報、產品包裝、資訊圖表或故事板面板的人來說都改變了工作流。在 GPT Image 2 之前，你生成圖像，然後打開設計工具疊加文字。現在標題在同一個渲染中——包括字母間距、粗細和光線落在字母上的方式。

它擅長的第二件事是世界知識。要求 1985 年保時捷 911 Carrera，你會得到正確的車身線條、正確的輪轂、正確的後視鏡。要求廚師擺盤米其林風格的開胃菜，鑷子、擠壓瓶、盤子幾何形狀都以正確關係出現。這是因為底層模型與 GPT-4 級語言理解一起訓練——它知道物體是什麼，而不僅僅是照片中看起來怎樣。

GPT Image 2 的覆蓋範圍足夠廣，大多數工作直接從第一次渲染完成——寫實肖像、產品、建築、文字密集的海報和資訊圖表，任何主體必須看起來真實世界的東西。配合三個品質檔位，你可以匹配品質和提示詞複雜度：簡單場景用 Low 運行，更繁忙的多元素構圖升級到 Medium，只有最苛刻、對細節要求高的畫格需要 High。絕大多數工作落在 Low / Medium 區間——快速輕量。