ChatGPT ya puede crear imágenes realistas gracias a OpenAI

OpenAI ha introducido una nueva función de generación de imágenes directamente en ChatGPT. La empresa ha cumplido el deseo de muchos usuarios que pedían esta característica, quienes ahora podrán generar imágenes detalladas sin problemas dentro de la interfaz de ChatGPT.

De acuerdo con OpenAI, el modelo de generación de imágenes de GPT-4o está diseñado para ser potente y práctico, ofreciendo la capacidad de crear imágenes con alta precisión y relevancia contextual. A diferencia de iteraciones anteriores que presentaban dificultades con indicaciones complejas, GPT-4o mejora significativamente la vinculación de atributos, lo que garantiza que los objetos y sus características se representen correctamente.

El sistema ahora puede representar con precisión hasta 20 objetos diferentes en una sola imagen, una mejora notable respecto al límite de 5 a 8 objetos de los modelos anteriores. Además, GPT-4o ha avanzado en la renderización de texto y ahora es capaz de producir palabras legibles. Esto es un hito si consideramos que la generación de texto es un área históricamente compleja para los modelos de IA centrados en imágenes.

Otro aspecto relevante es la capacidad de generación multi-turno del modelo. Los usuarios pueden refinar las imágenes generadas mediante conversaciones iterativas, lo que garantiza que las modificaciones se ajusten con precisión a sus expectativas. Por ejemplo, si un usuario está diseñando un personaje, GPT-4o mantiene la coherencia a lo largo de múltiples iteraciones, permitiendo realizar ajustes detallados y consistentes en el tiempo.

Así funcionan las imágenes generadas por GPT-4o

GPT-4o emplea un enfoque autoregresivo para la generación de imágenes. A diferencia de DALL·E y otros modelos de difusión, este método genera imágenes secuencialmente, de forma similar a como se procesa el texto, en lugar de producir la imagen completa simultáneamente. Los investigadores de OpenAI creen que este enfoque mejora el renderizado de texto y la vinculación de objetos.

El modelo se entrena con una distribución conjunta de texto e imágenes, lo que le permite comprender la relación entre los elementos con mayor precisión. Gracias a esta metodología de entrenamiento, GPT-4o no solo es capaz de crear imágenes realistas, sino también de transformar aquellas que suben los usuarios.

OpenAI ha mostrado algunos ejemplos notables de las capacidades de GPT-4o. Uno de los más llamativos es la posibilidad de generar imágenes con fondo transparente para logotipos o pegatinas. También se pueden diseñar personajes y escenarios para videojuegos, los cuales pueden refinarse a través de múltiples iteraciones.

En el caso de imágenes con texto, OpenAI menciona que su modelo puede crear ilustraciones científicas y visualizaciones con componentes etiquetados con precisión. También es posible generar infografías o anuncios para redes sociales.

No está de más mencionar que GPT-4o no es perfecto y puede cometer errores al generar imágenes dentro de ChatGPT. Aunque OpenAI ha mejorado considerablemente la creación de texto, todavía pueden aparecer algunos caracteres erróneos en los resultados.

Cómo probar la generación de imágenes en ChatGPT

OpenAI confirmó que la función de generación de imágenes de GPT-4o estará disponible a partir de hoy para todos los usuarios de ChatGPT Plus, Pro y Team. Los usuarios de la versión gratuita tendrán un límite de uso diario similar a los topes anteriores de DALL·E. Aunque OpenAI no reveló las cifras exactas, indicó que los límites pueden fluctuar según la demanda.

Como ocurre con cualquier herramienta impulsada por IA, OpenAI ha implementado medidas de seguridad para evitar el uso indebido. El sistema bloquea las solicitudes de contenido inapropiado, incluyendo material de abuso sexual infantil, deepfakes sexuales e imágenes violentas. Todas las imágenes generadas incluyen metadatos C2PA, que indican que fueron creadas por IA.