OpenAI的ChatGPT的圖像生成能力迎來重大突破，只要利用GPT-4o模型，簡單指令就能做出從吉卜力風格人物風格，到川普梗圖諷刺漫畫、設計選舉海報，甚至能夠在圖片中加上文字，不再是過往虛構的「AI文」。ChatGPT生成圖像有多強？能夠生成哪些風格？你還在用 Photoshop 修圖嗎？還是覺得AI生成的圖片總是缺乏細節、不夠精緻？現在，一切都將改變。《遠見》整理ChatGPT生成與編輯圖片的實用功能，帶你一次看。
本週二（3/25）OpenAI執行長奧特曼（Sam Altman），在直播中向全球ChatGPT使用者宣告，ChatGPT將支援原生圖像生成功能，使用者可以直接在ChatGPT內創造並編輯生成內容，「這是有史以來，我們發表過最有趣、最酷的東西。」
這是ChatGPT圖像生成能力的首次重大升級，也是本月稍早Google推出影像編輯功能、席捲AI社群以後，OpenAI的明快回應。從X（前推特）和臉書上的討論看來，OpenAI技高一籌。
ChatGPT圖像生成有哪些更新？
OpenAI指出，ChatGPT生成的圖像不僅美觀，而且實用，他們希望能夠讓更多人以更直觀且可控的利用AI創作圖像，而且不用切換到其他工具。
OpenAI表示，原生圖像生成功能開放給付費與免費用戶使用，接下來也預計將此功能開放給開發人員調用。
在直播和部落格文章裡，OpenAI特別強調ChatGPT生成圖像的幾項亮點：
◎ 維持一致性：過往利用AI生圖的痛點之一，在於當使用者想要微調內容時，AI生成的人物或者背景可能面目全非，對製作設計素材者來說並不夠實用，ChatGPT這波更新裡，讓不同張生成內容中能夠保持角色外觀的一致性。
◎ 理解更細緻的指令： ChatGPT能夠更精確地理解使用者提供的詳細圖像生成指令。
◎ 視覺風格重塑：無論是梵谷的星空，還是宮崎駿的動畫風格，ChatGPT都能夠將圖片或者照片，轉換成不同風格生成。
◎ 加上文字：能夠在圖像中生成更清晰、準確的文字。目前實測看來，加上中文字仍有不夠清楚的挑戰，且時常生成簡體字，但加上英文已經沒有問題。
◎ 圖像編輯：如果對於生成圖像不滿意，ChatGPT使用者可以圈選特定區域，再用文字溝通，ChatGPT便會重新微調生成內容。
◎ 透明圖層：生成具有透明背景的圖像，方便後續編輯和合成。
◎ 圖像輸入：除了請ChatGPT憑空生成圖像以外，也可以自己準備素材上傳至ChatGPT，且可以一次上傳多張圖片或者照片。
◎ 多輪對話：因為ChatGPT能夠記得的上下文變多，生成圖像時可以來回和ChatGPT溝通，微調生成圖案內容，它也不會輕易「忘記」。
ChatGPT圖像生成能力，十六種實測揭露真實效果
ChatGPT生圖實測：生成圖片後微調
首先測試利用ChatGPT從零開始生成圖像。
第一次所下的指令為「請生成一張某個人正在寫程式的圖像，寫實風格。」生成內容後再測試微調結果。
第二次所下的指令為「請調整：a. 不喜歡dark mode，請改成light mode，b. 眼鏡換成金色邊框、圓框，c. 桌上放一杯水。」
以下為實測結果：
ChatGPT生圖實測：生成圖片後調整風格
接著測試ChatGPT調整風格的能力。
第一次所下的指令為「請生成一張川普（trump）跟普丁（putin）身穿中國傳統服飾準備拜堂的寫實圖片。」生成內容後再測試風格轉換。
第二次所下的指令為「非常好，可否用同樣構圖，改編成一張傳統報紙上常常看到的諷刺漫畫，」得到第二張圖片後再補充要求補上細節：「在這張漫畫底下加上烏克蘭總統澤倫斯基，被兩人踩在腳下。」
以下為實測結果：
ChatGPT生圖實測：生成資訊圖卡
測試ChatGPT能否生成社群上常見的資訊圖卡／圖表。
第一次所下的指令為「請你生成一張infographic 解釋 AI Coding （AI寫程式）是什麼。」
接著想測試若事先準備內容，ChatGPT能否吸收後製作圖卡。
第二次所下的指令為「請你生成一張infographic 解釋 MCP （model context protocol ）是什麼，請用中文。」
與此同時，也在指令中附上Claude官網中介紹MCP的文字：
生成的圖卡中文字都是簡體，因此再調整：「可以用繁體字嗎？」
以下為實測結果：
ChatGPT生圖實測：生成資訊圖卡並加圖片
確認ChatGPT生成圖卡的能力後，接著想製作更加複雜的圖卡。這次準備昨日（3/26）吳恩達公開演講和會後受訪內容報導全文給ChatGPT，指令為「請參考下方文字，消化吸收以後，產出infographic，整理重點。」
ChatGPT並未直接生成圖卡，而是先以文字整理大綱，和使用者討論是否符合需求，並且在對話結尾提問：「如需我幫忙設計實際的 infographic 圖稿（中英雙語或中英混排、橫版／直版、社群用圖等），也可以再告訴我你預計的使用場景或平台，我可以進一步製作圖像。是否需要？」
回答「你的提案可以。中文就好，橫版，社群用途」以後，ChatGPT產出第一版圖卡（下圖左上）。
為了讓圖卡更寫實，使用者上傳實際拍攝的吳恩達照片（下圖左下），指令為「這是吳恩達的照片，可否將其放入infographic當中。」
ChatGPT照做後產出第二版圖卡（下圖下排中間）。因為字數太多，中文呈現效果差，因此再要求生成英文版，「請你再生成一張英文版的，」產出第三版圖卡（下圖右下）。
最後測試調整內容的能力，指令為「能否製作四張圖卡，一張強調一個大的重點？」雖然只產出一張圖片（下圖右上），但若繼續對話應可完整產出四張。
ChatGPT生圖實測：細修數字
測試ChatGPT調整文字的能力。
上傳照片後，所下的指令為「請把圖中的2024改成2025。」
以下為實測結果：
ChatGPT生圖實測：細修中文字
測試ChatGPT調整中文字的能力。
上傳照片後，所下的指令為「幫我把李雅英改成李珠珢。」
以下為實測結果：
ChatGPT生圖實測：微調圖片細節 - 衣服
測試ChatGPT調整圖片中細節的能力。
上傳照片後，所下的指令為「請把圖上人物所穿的衣物變成白色系。」
以下為實測結果：
ChatGPT生圖實測：生成微調圖片 - 人物表情
測試ChatGPT調整圖片中細節的能力。
第一次所下指令為「幫我生成一張照片，內容是幾個台灣記者在開會討論題目，有張小白板上面有寫字，討論內容是下期封面故事發想，候選題目有AI應用、VTuber普及和高齡化。」
產出內容後，再要求微調：「調整表情，讓大家看起來在吵架，拿筆的改成摔筆。」
以下為實測結果：
ChatGPT生圖實測：生成內容 - 四格漫畫
測試ChatGPT生成漫畫的能力。
第一次所下的指令為「請你幫生成一張四格漫畫，主題是員工跟老闆吵架，越好笑越好。」ChatGPT產出一版無字幕的漫畫後，再要求調整。
指令為「請加上中文字（類似字幕或者旁白，漫畫都會有），要不然好像看不太出來笑點在哪。」
ChatGPT表示，會依格子順序附上對白與旁白說明，風格偏向日常荒謬感，接著提供腳本，確認無誤後產生第二版漫畫。
以下為實測結果：
ChatGPT生圖實測：生成內容 - 按照原圖產生四格漫畫
測試ChatGPT生成漫畫的能力。
所下的指令為「請將這張圖片轉換成一張四格漫畫，要包含中文字，主題是去森林圖書館冒險。」
以下為實測結果：
ChatGPT生圖實測：合成照片 - 宣傳活動
測試ChatGPT合成圖像的能力。
一共下了兩次指令，產出兩張圖，分別是「請讓左邊的男生幫忙右邊的國際動漫節活動打廣告，但要維持第一張照片的佈局」以及「請再做另一個版本，讓左邊的男生加到右邊的戶外活動中。」
以下為實測結果：
ChatGPT生圖實測：合成照片並調整角度
測試ChatGPT合成圖像的能力。
一共下了兩次指令，產出兩張圖，分別是「請把右邊的女生加在左邊那張圖片，看起來自然一點」以及「換個版本，請把左邊的男生加到右邊那張圖片，讓那個女生的視線看起來在看他，但要調整角度才自然。」
以下為實測結果：
ChatGPT生圖實測：合成照片之二
測試ChatGPT合成圖像的能力。
指令為「請把兩張圖加在一起，讓兩個人看起來在對談。」
以下為實測結果：
ChatGPT生圖實測：調整風格、加字、去背
測試ChatGPT調整風格與去背能力。
上傳照片後，所下的指令為「把這張圖改製成選舉海報風格，加上『懇請支持1號薑餅人』等相關標語。」
接下來的指令為「可以再改變成3D模型嗎？一樣是選舉海報風格，但裡面的玩偶變成3D。」得到3D模型風格的圖像。
再往後的指令為「可以再給我一版，這次做成透明圖層嗎？我要到別的地方編輯」並得到去背圖片。
以下為實測結果：
ChatGPT生圖實測：吉卜力風格與多輪對話
測試ChatGPT調整風格與多輪對話的能力。
上傳照片後，所下的指令為「請把這張照片變成吉卜力風格。」
接著再次調整風格：「調整成像是真人model？」因為髮色與原來的紫色不符，因此再要求調整：「頭髮可以保留成原本的紫色嗎？」
以下為實測結果：
ChatGPT生圖實測：生成內容並加上更多人物、微調細節
測試ChatGPT生成素材、調整內容與多輪對話的能力。
指令為「請幫我產生一張新的宣傳圖素材，文字內容請參考以下：『05/20 舉辦VTuber 研討會，在YouTube上舉行。』圖片部分，希望看起來有VTuber在YouTube上直播」
因為文字部分不夠醒目，因此要求調整：「不錯。希望熱鬧一點，然後要有好的標語，不要那麼raw，例如取個好的活動名稱再新增call to action。」
接下來再改動兩次：「不錯！換成三個」以及「加上男V，獸人風格。」
最後利用ChatGPT編輯圖片的功能（如下圖），將獸人男V的眼睛圈選後，要求ChatGPT「幫我把眼睛變成有邪氣、紅色的。」得到最終成品。
以下為實測結果：
ChatGPT圖像生成能力升級有何挑戰？
雖然GPT─4o在圖像生成上有所升級，整體畫質、細節處理都有顯著提升，但在處理複雜結構和精細編輯時仍有不足之處。
◎ 裁切問題：對於較長的圖片（如海報），模型有時會裁切得太緊，特別是底部容易被截掉。
◎ 幻覺問題：像文字生成一樣，圖像生成也可能憑空捏造內容，特別是當提示資訊不足時。
◎ 難以處理過多細節：當圖片需要包含 10─20 個以上的獨立概念（如完整的元素週期表），模型容易出錯。
◎ 繪製精確圖表的能力不足：生成精確的圖表效果通常不佳，例如x軸、y軸座標切分方式有誤，或者圖表上的資料點位置不精確。
◎ 多語言文字渲染問題：對於非拉丁字母（如中文、日文），模型可能會產生錯誤字形，或生成完全不存在的字。
◎ 編輯精準度不足：如果要求修改圖像的特定部分（如修正拼字錯誤），模型可能會影響到其他區域，甚至引入新的錯誤。
◎ 人臉一致性問題：當用戶上傳照片並要求修改，模型有時無法保持人臉一致性，但這個問題預計很快會修復。
◎ 細小文字與密集資訊：模型在處理細小字體或大量密集資訊時，容易模糊或錯誤渲染。
如同奧特曼所說，ChatGPT的更新，可以賦能給不擅長繪圖與設計的平凡你我，讓人們能夠將想像力化為現實，創造出過往不敢奢望的「內容」。不過，這樣的內容是否屬於創作，又會對長久以來，爭議頗大的版權議題帶來哪些全新挑戰，都是美國、台灣甚至全世界能密切關注的問題。
