GPT Image 2 擅长什么

GPT Image 2 是罕见的 AI 图像模型，你可以在提示词中输入文字并让它们正确出现在图像上。大多数基于扩散的模型——Stable Diffusion、Flux、Imagen——将文字视为视觉纹理并幻觉成乱码。GPT Image 2 使用明确的文字渲染目标和字母感知分词器训练，所以提示词如"复古旅行海报，顶部粗体衬线字'Visit Patagonia'"会返回那些确切的文字。

这对任何制作需要图像上标题的营销海报、产品包装、信息图表或故事板面板的人来说都改变了工作流。在 GPT Image 2 之前，你生成图像，然后打开设计工具叠加文字。现在标题在同一个渲染中——包括字母间距、粗细和光线落在字母上的方式。

它擅长的第二件事是世界知识。要求 1985 年保时捷 911 Carrera，你会得到正确的车身线条、正确的轮毂、正确的后视镜。要求厨师摆盘米其林风格的开胃菜，镊子、挤压瓶、盘子几何形状都以正确关系出现。这是因为底层模型与 GPT-4 级语言理解一起训练——它知道物体是什么，而不仅仅是照片中看起来怎样。

GPT Image 2 的覆盖范围足够广，大多数工作直接从第一次渲染完成——写实肖像、产品、建筑、文字密集的海报和信息图表，任何主体必须看起来真实世界的东西。配合三个质量档位，你可以匹配质量和提示词复杂度：简单场景用 Low 运行，更繁忙的多元素构图升级到 Medium，只有最苛刻、对细节要求高的帧需要 High。绝大多数工作落在 Low / Medium 区间——快速轻量。