OpenAI bringt KI-Bildgenerierung auf ein neues Niveau

MÜNCHEN (IT BOLTWISE) – OpenAI hat kürzlich die Bildgenerierungsfähigkeiten seines multimodalen Modells GPT-4o für die breite Öffentlichkeit freigeschaltet. Diese Entwicklung markiert einen bedeutenden Fortschritt in der KI-gestützten Bildgenerierung und wird von Nutzern als ‘insane’ beschrieben.

OpenAI hat mit der Einführung der nativen Bildgenerierungsfähigkeiten seines Modells GPT-4o einen weiteren Meilenstein erreicht. Diese Funktion ist nun für Nutzer von ChatGPT in den Plus-, Pro-, Team- und Free-Tarifen verfügbar und wird bald auch für Enterprise- und Edu-Kunden sowie über die API zugänglich sein. Im Gegensatz zu früheren Modellen wie DALL-E 3, das auf der Diffusionstransformation basiert, integriert GPT-4o Text, Code und Bild in einem einzigen Modell, was zu einer höheren Bildqualität und präziseren Textdarstellungen führt.

Die Freischaltung dieser Funktion kommt zu einem Zeitpunkt, an dem Google AI Studio mit seinem Gemini 2 Flash Experimental Model ähnliche Fähigkeiten vorgestellt hat. Dies hat den Druck auf OpenAI erhöht, seine eigenen Innovationen zu präsentieren. Die neue Bildgenerierungsfunktion von GPT-4o beeindruckt durch ihre Fähigkeit, lebensechte Bilder zu erzeugen und komplexe Textanweisungen präzise umzusetzen.

Ein bemerkenswerter Aspekt von GPT-4o ist seine Fähigkeit, Text innerhalb von Bildern genau darzustellen, was die Erstellung von Schildern, Menüs und Infografiken erleichtert. Nutzer können Bilder in ChatGPT beschreiben und Details wie Seitenverhältnis, Farbschemata oder Transparenz angeben, die dann innerhalb einer Minute generiert werden. Diese Funktionalität wird auch in Sora, der Videogenerationsplattform von OpenAI, integriert, was die multimodalen Fähigkeiten weiter ausbaut.

Die Einführung dieser Funktion wirft jedoch auch Fragen zur Datengrundlage auf, auf der GPT-4o trainiert wurde. Angesichts der Geschichte von OpenAI und anderen Anbietern ist es wahrscheinlich, dass viele der verwendeten Kunstwerke aus dem Internet stammen, was möglicherweise urheberrechtliche Bedenken aufwirft. OpenAI hat jedoch Maßnahmen ergriffen, um die Sicherheit und den verantwortungsvollen Einsatz der Technologie zu gewährleisten, einschließlich der Einbindung von C2PA-Metadaten in alle generierten Bilder.

Die neuen Fähigkeiten von GPT-4o bieten zahlreiche Anwendungsmöglichkeiten, von der Erstellung von Logos und Postern bis hin zur Entwicklung von Spielcharakteren und der Produktion von Marketingmaterialien. Trotz der beeindruckenden Fortschritte gibt es noch Herausforderungen, wie das präzise Zuschneiden großer Bilder oder die Darstellung nicht-lateinischer Schriftzeichen. OpenAI arbeitet aktiv an der Verbesserung dieser Aspekte.

Mit der Freischaltung der Bildgenerierungsfähigkeiten von GPT-4o setzt OpenAI neue Maßstäbe für kreative Freiheit und zeigt, wie KI-gestützte Technologien die Art und Weise, wie wir visuelle Inhalte erstellen und nutzen, revolutionieren können. Diese Entwicklung könnte die Tür zu neuen Möglichkeiten in der Kommunikation, Kreativität und Produktivität öffnen.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!