OpenAI ได้ปรับปรุงความสามารถในการสร้างภาพของ ChatGPT อย่างมีนัยสำคัญโดยการรวมโมเดล GPT-4o ที่ทรงพลังเข้ากับระบบการสร้างภาพของตนโดยตรง การรวมกันนี้แสดงถึงการก้าวกระโดดครั้งใหญ่ในด้านการสร้างภาพที่ขับเคลื่อนด้วย AI เนื่องจาก GPT-4o นำความสามารถแบบมัลติโหมดมาให้โดยตรงในอินเทอร์เฟซของ ChatGPT คุณสมบัติใหม่ที่เรียกว่า "ภาพใน ChatGPT" แทนที่การรวม DALL-E 3 ที่เคยมีมาด้วยระบบที่ซับซ้อนยิ่งขึ้นซึ่งสร้างขึ้นบนพื้นฐานของ GPT-4o การเปลี่ยนแปลงนี้ทำให้เกิดการเปลี่ยนแปลงในเชิงกลยุทธ์ในวิธีที่ OpenAI เข้าใกล้การสร้างภาพด้วย AI โดยเปลี่ยนจากโมเดลเฉพาะทางอย่าง DALL-E ไปสู่การใช้ความสามารถที่กว้างขวางของโมเดลเรือธงที่มีทุกอย่างในตัวเดียว
สิ่งที่ทำให้การสร้างภาพของ ChatGPT 4o น่าประทับใจเป็นพิเศษคือการรวมเข้ากับการสนทนาแบบข้อความได้อย่างราบรื่น ผู้ใช้สามารถสร้างภาพที่ละเอียดและแม่นยำโดยไม่ต้องออกจากอินเทอร์เฟซการแชทของตน ซึ่งสร้างประสบการณ์ที่เชื่อมโยงกันมากขึ้น ระบบเข้าใจบริบทจากข้อความก่อนหน้า ทำให้สามารถสร้างภาพซ้ำในระหว่างการสนทนาที่กำลังดำเนินอยู่ การพัฒนานี้แสดงให้เห็นถึงความมุ่งมั่นของ OpenAI ในการทำให้เครื่องมือ AI เข้าถึงได้ง่ายและใช้งานได้ง่ายยิ่งขึ้น โดยนำความสามารถในการสร้างภาพในระดับมืออาชีพมาให้กับผู้ใช้ในทุกระดับของการสมัครสมาชิก
เครื่องมือสร้างภาพ ChatGPT 4o แสดงถึงการเปลี่ยนแปลงพื้นฐานในวิธีที่ AI สร้างภาพ แตกต่างจาก DALL-E 3 และระบบการสร้างภาพอื่นๆ ส่วนใหญ่ที่ใช้โมเดลการกระจาย (ซึ่งสร้างภาพทั้งหมดพร้อมกัน) GPT-4o ใช้แนวทางแบบอัตโนมัติ ซึ่งหมายความว่ามันสร้างภาพทีละส่วนจากซ้ายไปขวาและจากบนไปล่าง เช่นเดียวกับการเขียนข้อความ ความแตกต่างทางเทคนิคนี้ส่งผลอย่างมากต่อความสามารถที่ปรับปรุงแล้ว โดยเฉพาะในเรื่องของการแสดงผลข้อความและการรักษาความสัมพันธ์ที่ถูกต้องระหว่างวัตถุ
ลักษณะการทำงานแบบอัตโนมัติของระบบช่วยให้สามารถรักษาบริบทและความสอดคล้องกันตลอดกระบวนการสร้างภาพ เมื่อผู้ใช้ขอภาพ GPT-4o จะเข้าถึงฐานความรู้ที่กว้างขวางเพื่อให้เข้าใจถึงสิ่งที่ถูกขอ จากนั้นจึงสร้างภาพทีละชิ้นในขณะที่รักษาความสอดคล้องในระดับโลก ผลลัพธ์คือภาพที่ไม่เพียงแต่ดูสวยงามเท่านั้น แต่ยังแสดงถึงแนวคิดและความสัมพันธ์ที่ซับซ้อนอย่างถูกต้อง ขณะที่กระบวนการสร้างอาจใช้เวลานานกว่าโมเดลก่อนหน้าเล็กน้อย (สูงสุดหนึ่งนาทีสำหรับภาพที่ละเอียด) แต่คุณภาพที่ดีขึ้นและความแม่นยำทำให้การซื้อขายนี้คุ้มค่าสำหรับผู้ใช้ส่วนใหญ่
หนึ่งในความสามารถที่น่าประทับใจที่สุดของเครื่องมือสร้างภาพ ChatGPT 4o คือความสามารถในการ "ผูก" ที่เหนือกว่า ตามที่ Gabriel Goh หัวหน้าฝ่ายวิจัยของ OpenAI อธิบาย การผูกหมายถึงว่า AI รักษาความสัมพันธ์ที่ถูกต้องระหว่างลักษณะและวัตถุได้ดีเพียงใด ในขณะที่เครื่องมือสร้างภาพส่วนใหญ่มักประสบปัญหาในด้านนี้ โดยมักทำให้สีและรูปทรงปนเปกันเมื่อขอให้แสดงหลายรายการ GPT-4o สามารถจัดการวัตถุที่แตกต่างกันได้อย่างถูกต้องพร้อมกัน 15-20 ชิ้นโดยไม่เกิดความสับสน สิ่งนี้แสดงถึงการปรับปรุงที่สำคัญในด้านความแม่นยำและความเชื่อถือได้ โดยเฉพาะในฉากหรือแผนภาพที่ซับซ้อน
คุณสมบัติที่โดดเด่นอีกอย่างคือความสามารถในการแสดงข้อความที่ยอดเยี่ยมของ GPT-4o เครื่องมือสร้างภาพ AI ก่อนหน้านี้มักประสบปัญหาในการสร้างข้อความที่สอดคล้องกันในภาพ โดยมักผลิตข้อความที่ไม่ชัดเจนหรือไม่สมเหตุสมผล GPT-4o ได้ทำความก้าวหน้าอย่างมากในด้านนี้ สามารถสร้างข้อความที่ชัดเจนและอ่านง่ายได้ในหลากหลายแอปพลิเคชัน ตั้งแต่โปสเตอร์ข้อมูลไปจนถึงการ์ตูนหลายช่องที่มีฟองข้อความ ในขณะที่อาจยังประสบปัญหากับข้อความที่เล็กมาก การปรับปรุงโดยรวมทำให้ระบบมีความเหมาะสมสำหรับการสร้างภาพที่มีข้อความสำคัญ เช่น เมนู แผนภาพ และวัสดุการสอน
โมเดลยังมีความโดดเด่นในการเรียนรู้ตามบริบท ทำให้สามารถเข้าใจและรวมรายละเอียดจากภาพที่อัปโหลดหรือการสนทนาก่อนหน้านี้ ความตระหนักเกี่ยวกับบริบทนี้ช่วยให้สามารถสร้างภาพที่ซับซ้อนยิ่งขึ้นได้ โดยที่ผู้ใช้สามารถปรับแต่งภาพอย่างต่อเนื่องผ่านการสนทนาโดยธรรมชาติในขณะเดียวกันก็รักษาสไตล์และธีมที่สอดคล้องกันในหลายเจนเนอเรชัน
OpenAI ได้ดำเนินการกลยุทธ์การเปิดตัวเป็นระยะสำหรับฟีเจอร์การสร้างภาพของ ChatGPT 4o การเปิดตัวครั้งแรกเริ่มในวันที่ 25 มีนาคม 2568 ทำให้ฟีเจอร์นี้สามารถใช้ได้สำหรับสมาชิก ChatGPT Plus, Pro, Team และ Free ผู้ใช้ในองค์กรและการศึกษาได้รับการคาดหวังว่าจะเข้าถึงได้ในไม่ช้า วิธีการแบ่งระดับนี้ช่วยให้ OpenAI สามารถติดตามประสิทธิภาพของระบบและรวบรวมข้อเสนอแนะแต่ละฟีเจอร์ได้ก่อนที่จะขยายการใช้งานเต็มที่
สำหรับผู้ใช้รุ่นฟรี OpenAI ได้รักษาขีดจำกัดการใช้งานให้คล้ายกับการรวม DALL-E ก่อนหน้านี้ โดยอนุญาตให้สร้างภาพได้ประมาณสามภาพต่อวัน แม้ว่าบริษัทจะระบุว่าขีดจำกัดเหล่านี้อาจเปลี่ยนแปลงได้ตามความต้องการ ผู้ใช้ที่เป็นสมาชิกระดับ Plus ขึ้นไปจะได้รับความสามารถในการสร้างภาพไม่จำกัด วิธีการนี้สร้างความสมดุลระหว่างการเข้าถึงและความสามารถของระบบ เพื่อให้แน่ใจว่าประสิทธิภาพที่เสถียรทั่วทั้งแพลตฟอร์มในขณะเดียวกันก็ยังมีคุณค่าสำหรับผู้ใช้ในทุกระดับการสมัครสมาชิก
หนึ่งในองค์ประกอบหลักของการเปิดตัวคือความพร้อมใช้งานของ DALL-E ผ่าน GPT ที่กำหนดเองโดยเฉพาะ ซึ่งรับประกันว่าผู้ใช้ที่ชื่นชอบความสามารถเฉพาะของ DALL-E หรือคุ้นเคยกับอินเทอร์เฟซของมันยังคงสามารถเข้าถึงได้ ความสามารถของทั้งสองระบบนี้ทำให้ผู้ใช้สามารถเลือกเครื่องมือที่เหมาะสมที่สุดกับความต้องการเฉพาะของตน
การรวมความสามารถในการสร้างภาพของ GPT-4o เข้ากับอินเทอร์เฟซของ ChatGPT สร้างประสบการณ์ที่พัฒนาขึ้นอย่างมีนัยสำคัญสำหรับผู้ใช้ ผู้ใช้สามารถขอให้โมเดลสร้างภาพที่มีรายละเอียดเฉพาะหรือเลือกตัวเลือก "สร้างภาพ" ในคอมโพเซอร์ ความสามารถของระบบในการเข้าใจคำแนะนำในภาษาธรรมชาติทำให้การสร้างภาพใช้งานได้ง่ายยิ่งขึ้น แม้ว่าผู้ใช้จะไม่มีประสบการณ์ในการออกแบบหรือความรู้ทางเทคนิค
สิ่งที่ทำให้เครื่องมือสร้างภาพ ChatGPT 4o แตกต่างจากของอื่นคือวิธีการนำความรู้ทั่วโลกมาใช้ในกระบวนการสร้างภาพ ตามที่ Jackie Shannon หัวหน้าผลิตภัณฑ์มัลติโหมดของ ChatGPT ได้อธิบายว่า "ถ้าฉันจะวาดภาพ ฉันทำด้วยข้อจำกัดของทักษะของตัวเอง... แต่ก็ด้วยความรู้ทั้งหมดของโลกที่ฉันได้สร้างขึ้น โมเดลนำความรู้ของโลกมาสู่สมการ ดังนั้นเมื่อคุณขอภาพของการทดลองปริซึมของนิวตัน คุณไม่จำเป็นต้องอธิบายว่ามันคืออะไรเพื่อให้ได้ภาพกลับมา" ความสามารถนี้ในการดึงความรู้ที่กว้างขวางช่วยให้ผู้ใช้สามารถสร้างภาพที่ซับซ้อนได้โดยไม่ต้องให้รายละเอียดที่ครบถ้วน
ระบบยังมีคุณสมบัติในการปรับแต่งที่ใช้งานได้จริง รวมถึงการปรับอัตราส่วนระหว่างภาพ การระบุสีที่เฉพาะเจาะจงโดยใช้รหัสสีแบบเฮกซ์ และการสร้างพื้นหลังโปร่งใส คุณสมบัติเหล่านี้ทำให้เครื่องมือนี้มีความหลากหลายพอสำหรับทั้งการใช้งานที่ไม่เป็นทางการและเชิงอาชีพ เช่น กราฟิกโซเชียลมีเดีย การนำเสนอธุรกิจ และวัสดุการตลาด
พื้นฐานทางเทคนิคของความสามารถในการสร้างภาพของ ChatGPT 4o แสดงถึงความก้าวหน้าอย่างมีนัยสำคัญเมื่อเปรียบเทียบกับระบบก่อนหน้า สร้างขึ้นจากพื้นฐาน "omnimodal" ของ GPT-4o ซึ่งหมายความว่าสามารถสร้างข้อมูลหลายประเภทได้รวมถึงข้อความ ภาพ เสียง และอาจรวมถึงวิดีโอ ระบบมีประโยชน์จากสถาปัตยกรรมที่มีเอกภาพซึ่งประมวลผลและสร้างรูปแบบต่างๆ ด้วยแนวทางที่สอดคล้องกัน
สถาปัตยกรรมที่มีเอกภาพนี้ช่วยให้เข้าใจข้ามรูปแบบได้ดีขึ้น โดยที่แนวคิดที่แสดงออกในข้อความสามารถแปลเป็นองค์ประกอบภาพได้อย่างแม่นยำ แนวทางการสร้างแบบอัตโนมัติ แม้ว่าจะอาจช้ากว่าโมเดลการกระจาย แต่จะให้การควบคุมที่แม่นยำยิ่งขึ้นต่อองค์ประกอบของภาพและความสัมพันธ์ของพวกเขา ส่งผลให้เกิดข้อผิดพลาดและความไม่สอดคล้องกันน้อยลง โดยเฉพาะในฉากที่ซับซ้อนซึ่งมีวัตถุหลายอย่างหรือข้อกำหนดที่ละเอียด
การปรับปรุงทางเทคนิคอีกประการหนึ่งคือความสามารถของระบบในการรักษาความสอดคล้องในระหว่างการเปลี่ยนแปลง เมื่อผู้ใช้ขอการปรับเปลี่ยนในภาพ GPT-4o สามารถเข้าใจบริบทของการสร้างก่อนหน้าและทำการเปลี่ยนแปลงที่เฉพาะเจาะจงในขณะที่รักษาสิ่งที่คอมโพสิตและสไตล์โดยรวมไว้ การมีความสามารถในการสร้างภาพแบบวนรอบนี้ทำให้กระบวนการสร้างสรรค์มีความเป็นธรรมชาติมากขึ้นและมีประสิทธิภาพมากขึ้น คล้ายกับการทำงานร่วมกับนักออกแบบมนุษย์ที่สามารถนำข้อเสนอแนะแบบป้อนกลับไปยังการร่างถัดไป
ในขณะที่ GPT-4o ได้กลายเป็นระบบการสร้างภาพหลักของ OpenAI ภายใน ChatGPT บริษัทได้รักษา DALL-E เป็นตัวเลือกเสริมผ่าน GPT ที่กำหนดเองโดยเฉพาะ การตัดสินใจนี้รับรู้ว่าผู้ใช้แต่ละคนอาจมีความชอบที่แตกต่างกันหรือกรณีการใช้งานเฉพาะที่ความสามารถของ DALL-E อาจนำมาซึ่งประโยชน์
DALL-E ได้สร้างชื่อเสียงที่แข็งแกร่งสำหรับภาพศิลปะและภาพวาดที่มีสไตล์บางประเภท และผู้ใช้บางรายได้พัฒนากระบวนการทำงานที่พึ่งพาความสามารถเฉพาะของมัน โดยการรักษาระบบทั้งสอง ระบบ OpenAI ทำให้การเปลี่ยนแปลงมีความราบรื่นในขณะที่ยังคงมอบความยืดหยุ่นสูงสุด ผู้ใช้สามารถเลือกเครื่องมือที่เหมาะสมที่สุดกับความต้องการของตัวเอง ไม่ว่าพวกเขาจะให้ความสำคัญกับความดึงดูดใจทางศิลปะของ DALL-E หรือความสามารถทางเทคนิคที่ปรับปรุงแล้วของ GPT-4o อย่างเช่น การแสดงผลข้อความและการผูกวัตถุ
แนวทางคู่ขนานนี้ยังช่วยให้ OpenAI สามารถรวบรวมข้อมูลเปรียบเทียบเกี่ยวกับการมีปฏิสัมพันธ์ของผู้ใช้ทั้งสองระบบ ซึ่งสามารถนำไปสู่การตัดสินใจในการพัฒนาที่สำคัญในอนาคตและรวมถึงฟีเจอร์ที่ได้รับความนิยมจากแต่ละเวอร์ชันเข้าไปในเวอร์ชันถัดไป
OpenAI ได้ดำเนินการมาตรการป้องกันในระบบการสร้างภาพ ChatGPT 4o เพื่อป้องกันการใช้งานที่ไม่เหมาะสม ซึ่งรวมถึงมาตรการเพื่อป้องกันไม่ให้มีการลบลายน้ำ การบล็อกการสร้างภาพลามกอนาจารที่ล้ำลึก และการปฏิเสธคำขอเนื้อหาที่ละเมิดนโยบายการใช้งานของพวกเขา ขณะที่ระบบไม่มีลายน้ำที่มองเห็นได้ แต่ภาพที่สร้างขึ้นทั้งหมดมีข้อมูลเมตาสแตนดาร์ด C2PA ระบุว่าได้รับการสร้างโดย OpenAI ซึ่งช่วยให้การอ้างอิงที่เหมาะสมและการตรวจสอบที่เป็นไปได้
บริษัทให้การรับรองว่าไม่มีระบบใดที่สมบูรณ์แบบ และมองว่ามาตรการเหล่านี้เป็นจุดเริ่มต้นสำหรับการปรับปรุงอย่างต่อเนื่อง เช่นเดียวกับเครื่องมือสร้างภาพก่อนหน้านี้ ผู้ใช้เป็นเจ้าของภาพที่พวกเขาสร้างและสามารถใช้งานได้อย่างอิสระภายในขอบเขตนโยบายการใช้งานของ OpenAI
แม้ว่าความสามารถจะน่าประทับใจ แต่ระบบยังมีข้อจำกัดบางประการ เวลาการสร้างอาจนานกว่าโมเดลก่อนหน้า โดยบางครั้งอาจใช้เวลานานถึงหนึ่งนาทีสำหรับภาพที่ซับซ้อน ข้อความที่เล็กมากอาจยังคงเป็นความท้าทาย แต่โดยรวมแล้วการแสดงข้อความมีการปรับปรุงอย่างมาก ข้อจำกัดเหล่านี้สะท้อนถึงภาระที่เกี่ยวข้องกับเทคโนโลยี AI ในปัจจุบัน โดยที่คุณภาพที่สูงขึ้นและความสามารถที่ซับซ้อนมักต้องการเวลาในการประมวลผลเพิ่มเติม
การตัดสินใจของ OpenAI ในการเปลี่ยน DALL-E 3 เป็น GPT-4o สำหรับการสร้างภาพใน ChatGPT สะท้อนให้เห็นถึงวิสัยทัศน์เชิงกลยุทธ์ในการสร้างระบบ AI ที่มีความหลากหลายซึ่งเชื่อมโยงกันมากขึ้น สถาปัตยกรรมแบบ omnimodal ของ GPT-4o ช่วยให้สามารถเข้าใจและสร้างเนื้อหาหลายประเภทภายในกรอบที่เป็นหนึ่งเดียว สร้างประสบการณ์ที่ราบรื่นยิ่งขึ้น วิธีการทางเทคนิคของ GPT-4o — ใช้วิธีการสร้างแบบอัตโนมัติแทนการกระจาย — ช่วยให้มีการแสดงผลข้อความที่ดีขึ้นและการผูกองค์ประกอบของวัตถุได้แม่นยำยิ่งขึ้น ซึ่งตอบสนองต่อข้อจำกัดสำคัญของเครื่องมือสร้างภาพก่อนหน้านี้ การเปลี่ยนแปลงนี้ยังสอดคล้องกับเป้าหมายที่กว้างขึ้นของ OpenAI ในการพัฒนาระบบ AI ที่สามารถจัดการงานที่มีความซับซ้อนมากขึ้นผ่านหลายโหมด ซึ่งอาจเปิดทางไปสู่ความสามารถในอนาคตที่เหนือกว่าการสร้างข้อความและภาพเพียงอย่างเดียว
คุณภาพของภาพที่สร้างโดย GPT-4o แสดงถึงความก้าวหน้าอย่างมีนัยสำคัญเมื่อเปรียบเทียบกับ DALL-E 3 ในหลายด้านที่สำคัญ ความสามารถในการผูกที่เหนือกว่าช่วยให้สามารถจัดการวัตถุ 15-20 รายการพร้อมความสัมพันธ์ระหว่างลักษณะที่ถูกต้องเมื่อเปรียบเทียบกับ 5-8 ที่องค์กรก่อนหน้านี้สามารถจัดการได้อย่างเชื่อถือได้ การแสดงผลข้อความดีขึ้นอย่างมีนัยสำคัญ สร้างข้อความที่อ่านได้และสอดคล้องกันในภาพ — เป็นความท้าทายถาวรสำหรับ DALL-E 3 และเครื่องมือสร้างภาพ AI อื่นๆ GPT-4o ยังทำได้ดีในการรักษาความสอดคล้องในฉากที่ซับซ้อนและการมีตัวแทนของความรู้โลกในรูปแบบภาพ แม้ว่าเวลาการแสดงอาจนานขึ้นเล็กน้อย แต่ความแม่นยำและความเชื่อถือได้ที่เพิ่มขึ้นทำให้การแลกเปลี่ยนนี้คุ้มค่าสำหรับกรณีการใช้งานส่วนใหญ่โดยเฉพาะกับกรณีที่ต้องการความแม่นยำทางเทคนิคหรือเนื้อหาทางการศึกษา
ข้อดีหลักของการใช้ GPT-4o สำหรับการสร้างภาพรวมถึงความเข้าใจในบริบทที่ดีขึ้น ความสามารถในการแสดงผลข้อความที่เหนือกว่า และการผูกองค์ประกอบของวัตถุที่ดีขึ้น ระบบจะรวมกันอย่างราบรื่นกับการสนทนาแบบข้อความ ช่วยให้มีการปรับปรุงภาพซ้ำผ่านการสนทนาแบบธรรมชาติ ความสามารถในการดึงความรู้ของโลกอันกว้างขวางหมายความว่าผู้ใช้สามารถขอแนวคิดที่ซับซ้อนได้โดยไม่ต้องให้รายละเอียดมากมาย การสร้างภาพแบบอัตโนมัติ แม้ว่าจะอาจช้ากว่า แต่จะทำให้ได้ภาพที่สอดคล้องกันมากขึ้น โดยเฉพาะในฉากที่ซับซ้อนหรือแผนภาพ นอกจากนี้ ระบบยังรักษาความสอดคล้องในระหว่างการสร้างซ้ำ ทำให้ปรับแต่งภาพได้ง่ายขึ้นตามข้อเสนอแนะแบบป้อนกลับ ข้อดีเหล่านี้ทำให้ GPT-4o มีคุณค่าโดยเฉพาะสำหรับเนื้อหาทางการศึกษา แผนภาพทางเทคนิค และการใช้งานเชิงอาชีพที่ต้องการการแสดงภาพที่ถูกต้องของแนวคิดที่ซับซ้อน
ใช่ ผู้ใช้สามารถเข้าถึง DALL-E ผ่าน GPT ที่กำหนดเองภายในระบบนิเวศของ ChatGPT OpenAI ได้รักษาการเข้าใช้งานนี้เพื่อให้ผู้ใช้ที่ชื่นชอบความสามารถเฉพาะของ DALL-E หรือต้องการกระบวนการทำงานที่สร้างขึ้นสามารถใช้ได้อย่างต่อเนื่อง วิธีนี้ให้ความยืดหยุ่นสูงสุดแก่ผู้ใช้ในการเลือกเครื่องมือที่เหมาะสมที่สุดกับความต้องการหรือความชอบทางศิลปะของพวกเขา ความพร้อมใช้งานของทั้งสองระบบยังช่วยให้ผู้ใช้สามารถใช้ประโยชน์จากจุดแข็งที่ไม่ซ้ำกันของแต่ละระบบได้ เช่น ใช้ GPT-4o สำหรับภาพที่มีข้อความมากหรือแผนภาพที่ซับซ้อนในขณะที่เปลี่ยนไปใช้ DALL-E สำหรับสไตล์ศิลปะที่เฉพาะเจาะจงหรือการสำรวจเชิงสร้างสรรค์
การรวมความสามารถในการสร้างภาพของ GPT-4o ช่วยยกระดับประสบการณ์ผู้ใช้ใน ChatGPT โดยสร้างสภาพแวดล้อมที่มีความเชื่อมโยงกันและหลากหลายมากขึ้น ผู้ใช้สามารถเคลื่อนย้ายระหว่างการสนทนาแบบข้อความและการสร้างภาพได้อย่างราบรื่นโดยไม่ต้องเปลี่ยนบริบทหรือแพลตฟอร์ม ความสามารถของระบบในการเข้าใจบริบทการสนทนาก่อนหน้านี้ทำให้สามารถรวมภาพเข้ากับการสนทนาที่กำลังดำเนินอยู่ได้อย่างเป็นธรรมชาติ หรือปรับปรุงภาพซ้ำผ่านการสนทนา การรวมกันนี้ยังใช้ประโยชน์จากฐานความรู้ที่กว้างขวางของ GPT-4o ทำให้ผู้ใช้สามารถสร้างภาพที่ซับซ้อนได้โดยไม่ต้องให้รายละเอียดมากมาย สำหรับผู้ใช้ธุรกิจ ผู้สอน และผู้สร้างสรรค์ นี่ทำให้เกิดกระบวนการทำงานที่มีประสิทธิภาพยิ่งขึ้นซึ่งแนวคิดสามารถแสดงออกและแสดงให้เห็นในอินเทอร์เฟซเดียวกัน ขณะที่ OpenAI ยังคงพัฒนาความสามารถของ GPT-4o ประสบการณ์ที่เชื่อมโยงนี้มีแนวโน้มที่จะเป็นที่มีพลังยิ่งขึ้นและใช้งานได้ง่ายยิ่งขึ้น
