【新智元导读】GPT-4o 之后，OpenAI 原生多模态图像生成模型 API 正式推出了，一张图低至 0.02 美元。新模型能够结合世界知识，生成更加符合上下文图像，质量更高，还支持多种功能自定义。
昨夜，OpenAI 发布全新图像生成模型 gpt-image-1，API 向所有开发者开放。
这一次，他们直接把每张图的成本打到几美分。
对于低、中、高质量的方形图像，生成大约花费 0.02 美元、0.07 美元、0.19 美元。
gpt-image-1 集成了三大核心功能：图像生成、图像编辑、图像变体（仅限 DALL·E 2）。
与 GPT-4o 图像生成不同，gpt-image-1 最大的特点，在于支持各种高级功能的定制。
比如，自定义输出图像的质量、尺寸、格式、压缩程度，甚至可选择是否需要透明背景，能够满足多样化创意需求。
它具备了强大的通用能力，不仅能够创作多种风格图片，还能精准遵循自定义需求。通过结合世界知识，生成更符合上下文的图像。
现在，你就可以在 playground 中使用 gpt-image-1 来快速迭代提示词和图像：
GPT-4o 上线掀起全网吉卜力风潮，并在发布首周全球 1.3 亿用户，创作了超 7 亿图片。
gpt-image-1 作为 OpenAI 全新一个原生多模态图像模型，随着 API 开放，将会在未来极大地释放人们创意。
效果一览
在官方 API 文档「探索」区，OpenAI 放出了许多 gpt-image-1 生成图片的 demo，效果非常惊艳。
接下来，就一睹为快吧。
一句话，让 gpt-image-1 展示出创建鳄梨酱所需的所有食材。
下面这张梦幻之境，可是用了一个「小作文」提示词才完成的。
再来看它创作的外星人 Glorptak，有着凝胶状身体，半透明发光，非常可爱。
对于模特、电商行业来说，gpt-image-1 将重塑创作方式。上传一张衣服图、一张人的照片，就能看到衣服上身的效果了。
橄榄油宣传图，也只需找一张背景图，gpt-image-1 瞬间完成 P 图。
更神奇的是，上传一张房屋设计平面图，gpt-image-1 就能将其变为 3D 效果，更加直观。
番茄酱广告，非常有视觉冲击力。
设计矿泉水的瓶身，也是多种风格拿捏。
生成超写实的 3D 图标，看着非常有质感。
gpt-image-1 还能生成粗线条手绘风格图解，为回针缝制法每一步配上了简洁的说明文字。
上传一张 CD 模板图，让 gpt-image-1 生成金属乐队黑胶唱片。
还有各种纹理的防止图案，也是非常有创意。
还有动画分镜脚本------马匹跳跃循环序列，gpt-image-1 可做到逐帧解剖要点。
上传独立流行音乐人的照片，一张演唱会门票直接设计好了。
自定义图像输出，精准创意
目前，OpenAI GPT Image API 提供了丰富的自定义选项，让开发者完全掌控输出效果。
-
尺寸：支持多种分辨率，比如 1024x1024, 1024x1536
-
质量：可选 low，medium，high 三种渲染质量
-
格式：文件输出格式
-
压缩：针对 JPEG 和 WebP 格式，可设置 0-100% 级别的压缩
-
背景：透明或不透明
生成图像
通过图像生成端点，仅凭一段文本提示，即可生成令人惊叹的图像。
可设置参数 n ，一次可生成多张图像（默认情况下，API 返回单张图片）。
图像编辑
而图像编辑功能，可以让创意更进一步。通过图像编辑端点，你可以：
-
直接编辑现有图片
-
参考图像生成新图片：上传多张参考图像，然后生成新图
-
局部编辑（inpainting）：通过上传图像和蒙版，精准替换指定的区域
参考图像生成新图片
比如，上传四张礼品图片，生成一个包含所有礼品的精美礼物篮的图像。
使用蒙版编辑图像（局部编辑）
你可以上传一个蒙版来编辑图像，蒙版中的透明区域将被替换，而黑色区域保持不变。
OpenAI 建议，你可以使用提示来描述整个新图像，而不仅仅是被擦除的区域。
蒙版要求：
-
图像和蒙版需要格式一致，尺寸相同，大小不超过 25MB。
-
蒙版需包含 Alpha 通道，在图像编辑工具中保存蒙版时，务必勾选「保存 Alpha 通道」。
在自定义中，还需要注意的包括：
方形图片以标准质量生成的速度最快，默认大小是 1024x1024。
Image API 返回 base64 编码的图像数据，默认格式是 png ，但你也可以请求 jpeg 或 webp。
如果使用 jpeg 或 webp，还可以指定 output_compression 参数来控制压缩级别（0-100%）。例如， output_compression=50 就是把图像压缩 50%。
此外，gpt-image-1 支持透明背景。要启用透明度，需将 background 参数设置为 transparent。
模型对比
虽然 gpt-image-1 是目前 OpenAI 最强大的多模态模型，此前推出的 DALL·E 2 和 DALL·E 3 则是专为图像生成设计的模型，各有所长。
根据不同需求和场景，开发者可灵活从中选用这些模型 API。
gpt-image-1 使用同样是按 Token 计费，文本和图像的 Token 各有不同的价格：
-
文本输入 Token：5 美元 / 百万 token
-
图像输入 Token：10 美元 / 百万 token
-
图像输出 Token：40 美元 / 百万 token
如前所述，在实际应用中，对于低、中和高质量的方形图片，每生成一张图像的费用大约分别为 0.02 美元、0.07 美元和 0.19 美元。
从创意到商业无限可能
OpenAI 全新 Image API 的推出，将为各行各业解锁更多创意魔法。
目前，创意工具、电商、教育、企业软件、游戏等行业的领先企业和初创公司，已经将图像生成集成到他们的产品和服务中。
Adobe 的创意工具，包括 Firefly 和 Express，将通过 gpt-image-1 为创作者提供选择和灵活性，方便他们实验不同的美学风格。
Figma 正在利用 gpt-image-1 从简单的提示词生成和编辑图像，使设计师能够快速探索创意并直接在 Figma 中进行视觉迭代。
HeyGen 正在使用 gpt-image-1 来增强头像创建，特别是在平台内改善头像编辑。
Photoroom 正在使用 gpt-image-1 帮助在线卖家从单一产品照片中瞬间创建工作室级别的视觉效果、生活场景和模特展示图。
此外，Canva 已将 gpt-image-1 集成到 Canva AI 和 Magic Studio 工具中，进一步扩展设计生成和编辑能力。
简单的草图，gpt-image-1 即可将其转化为精美图形元素。与此同时，它还支持高保真的视觉编辑，让 2.3 亿用户能够用全新方式将创意变为现实。
专为设计 logo 而生的 GoDaddy，通过集成 gpt-image-1，可以轻松创建编辑 Logo，去除背景并生成专业字体设计。
借助 GoDaddy Airo，创意者通过提示即可生成原创产品和品牌内容，并打造体现自身品牌个性的社交媒体和营销素材。
还有 HubSpot 通过 OpenAI 图像新模型，有望彻底革新客户制作高质量社交媒体、邮件营销以及落地页图片的方式，无需专业设计经验也能轻松实现。
Instacart 正在测试如何利用 API 生成用于菜谱和购物清单的图片，以提升用户体验。
创作个性化视频 invideo，在集成 gpt-image-1 后，将支持更强大的文本生成、精细化编辑控制和高级风格指导，进一步丰富了用户的视频创作体验。
参考资料：