外观
OpenAI 4o 图像生成指南
这是一份使用 4o 图像生成模型的实用指南，介绍原文发布时的功能、操作方式和局限。
什么是 4o 图像生成模型？
4o 图像生成是集成在 ChatGPT 中的 OpenAI 图像模型。它能生成写实图像、接收图片并进行变换，也能遵循详细指令，在图像中生成文字。
原文说明，OpenAI 确认该模型采用自回归方式，与 GPT-4o 大语言模型使用相同架构，生成图像的方式类似语言模型生成文本。这让图中文字渲染、精细编辑和基于参考图的编辑得到改善。
如何访问
在 ChatGPT 网页或移动应用中，可以直接输入图像生成请求，也可以在工具菜单中选择“创建图片”。原文还介绍了通过 Sora 或 OpenAI API 的 gpt-image-1 使用该模型的方式。
直接输入文字，例如“生成一张……的图片”：
在工具菜单中选择“创建图片”：
也可以使用 OpenAI API：
原文列出的可配合该图像生成能力使用的模型包括：gpt-4o、gpt-4o-mini、gpt-4.1、gpt-4.1-mini、gpt-4.1-nano 和 o3。这些是历史版本资料，当前支持情况请查对应文档。
图像生成模型能做什么？
支持的画面尺寸与比例：
- 正方形 1:1，1024 × 1024，原文中的默认尺寸。
- 横向 3:2，1536 × 1024。
- 纵向 2:3，1024 × 1536。
**参考图格式：**PNG、JPEG、WEBP 和非动画 GIF。
**局部重绘。**原文说明，这一操作适用于同一聊天中生成的图片。
**通过提示词编辑。**例如询问“如果变成冬天，会是什么样？”
**参考图与风格迁移。**提供参考图后，模型可以更换纹理或图像风格。模型发布时，将照片转换为吉卜力风格的玩法曾广泛传播。
**透明背景 PNG。**需要在提示词中明确写出“透明 PNG”或“透明背景”。
在图像中生成文字。
将同一主题生成不同风格。
组合图像。
提示词技巧
详细描述带来更多控制
如果提示词描述不足，ChatGPT 往往会自行补充细节。这适合快速尝试或探索，但如果你已经有明确想法，应写出具体、详细的描述。
提示
如果不知道如何描述，可以让 o3 根据你的想法编写三个适合 4o 图像生成的不同提示词，并补齐细节，再从中选择喜欢的部分组合使用。
指定光线、构图和风格
有明确目标时，应在提示词中说明光线、构图和风格。模型能够根据一般信息推测这些要素，但若追求特定效果，就需要准确描述。希望画面像由某种相机或镜头拍摄，也可以写入提示词。
其他需要考虑的要素包括主体、表现媒介、环境、颜色和情绪。
根据任务选择模型
原作者认为，4o 适合快速完成单次编辑或简单生成。
如果预计需要多个步骤，可以使用推理模型。反复增加、删除元素时，推理模型更有利于保持风格、字体和颜色等一致要素。可参考这个缩略图制作过程。
明确画面比例
即使使用参考图，也最好说明所需比例。模型可能根据提示词中的线索选择比例，例如火箭画面常采用 2:3；如果没有明确要求，则可能默认 1:1。
原文测试提示词：
A high-resolution photograph of a majestic Art Deco-style rocket inspired by the scale and grandeur of the SpaceX Starship, standing on a realistic launch pad during golden hour. The rocket has monumental vertical lines, stepped geometric ridges like the American Radiator Building, and a mirror-polished metallic surface reflecting a vivid sunset sky. The rocket is photorealistic, awe-inspiring, and elegant, bathed in cinematic warm light with strong shadows and a vast landscape stretching to the horizon.
注意同一对话中的图像一致性
模型会参考同一聊天里已经生成的图片。这有利于修改小细节，但也可能限制创意变化。对于相互独立的图像任务，最好每次开启新聊天。
提示
如果前几次生成都偏离目标，可以要求模型说明用于生成图片的提示词，检查描述重点是否错位，再开新聊天使用修改后的提示词。
一个提示词生成多张图片
原文介绍，o3、o4-mini 等推理模型可以在一个提示词下生成多张图片，但必须明确提出，而且并非每次都成功。查看示例对话。
原文测试提示词：
Generate an image of [decide this yourself], in the style of an oil painting by Van Gogh. Use a 3:2 aspect ratio. Before you generate the image, recite the rules of this image generation task. Then send the prompt to the 4o Image Generation model. Do not use DALL-E 3. If the 4o Image Generation model is timed out, tell me how much time is left until you can queue the next prompt to the model.
Rules:
- Use only the aspect ratio mentioned earlier.
- Output the prompt you sent to the image generation model exactly as you sent it, do this every time in between image generations
- Create three variations with a different subject, but the same rules. After an image is generated, immediately start creating the next one, without ending your turn or asking me for confirmation for moving forward.严格遵循提示词仍然困难
包含多个要求的提示词，可能在聊天模型传递给图像模型的过程中发生变化。同一聊天里先前生成的图片，也可能继续影响后续结果，即使你已经修改了提示词。
局限
以下是原文记录的局限，并不代表所有问题在当前版本中仍相同：
- ChatGPT 可能在发送到图像模型前修改最初提示词，尤其在多轮生成、描述不足或提示词过长时。
- 不同用户或订阅的生成额度不明确。OpenAI 表示配额是动态的，可能与订阅及地区服务器负载有关。
- 免费方案的请求可能排队，生成耗时较长。
- 图像可能偏黄；如果提示词或参考图较暗，结果可能过暗。
- 图像生成受 OpenAI 的使用政策约束。如果提示词、参考图或输出触发限制，生成可能被拒绝，已部分生成的图片可能被删除。
- 原文发布时，ChatGPT 内没有图像放大功能。
- 裁剪可能出错，只输出生成画面的一部分。
- 可能出现类似语言模型的幻觉。
- 同时生成很多概念或独立主体较困难。
- 根据图表数据生成精确的可视化效果并不可靠。
- 在图像中生成非拉丁文字较困难。
- 修改错别字等局部请求不一定成功。
Imagegen、gpt-image-1、4o Image Generation、image_gen.text2im等多种名称可能造成混淆。- 即使指定比例，有时仍会生成错误比例。
实践建议
原文个性化设置建议
原文建议在“ChatGPT 应具备哪些特征”中添加：不要使用 DALL-E 工具，始终使用新的图像生成工具；如果工具超时，应告知用户，而不是改用 DALL-E。此建议针对原文发布时的产品行为。
- 达到生成上限后，原文建议向 ChatGPT 询问何时恢复额度；具体是否能够查询，以当时产品提供的信息为准。
- 在提示词里明确使用“绘制”“编辑”等词，有助于表达意图。
- 原文建议使用推理模型时查看界面提供的思考摘要，了解提示词编写与修改过程中关注的重点。
可以尝试的用途
- 标志设计：提供参考图和详细描述，通常需要多轮修改，可以使用推理模型。示例。
- 营销素材：以现有视觉素材为参考，更改文字、产品或环境。
- 涂色书页面：用 2:3 比例制作定制线稿。示例。
- 贴纸：记得说明透明背景。示例。
- 材质迁移：用一张图提供材质，再将它应用到另一张图或提示词中的主体上。示例。
- 室内设计：拍摄房间，再要求改变家具或空间特征。示例。
提示词与对话示例
- 课程缩略图制作过程
- 多轮图像生成中的主体修改
- 透明背景上的纹理图标
- 无人机送花创业公司的标志设计
- 吃草莓的浣熊白色轮廓贴纸
- 一条提示词生成多张图片
- 用文字把夏季图像改成冬季
- 吉卜力风格中打盹的大黄蜂
- 在房间照片中添加家具
- 用两张参考图迁移材质