OpenAI pustila poslední týden v březnu 2025 do světa nový 4o generátor obrázků a fotografií. Je součástí 4o modelu a je zcela, ale opravdu zcela jiný než předchozí DALL E 3. Přístupný prozatím pouze pro platící, ale bude i ve free verzi. Tady jsou různorodé postřehy.
Nové od prosince 2025: Dlouhé čtení najdete ve Vše o generování obrázků v ChatGPT (GPT Image). Jak to funguje či nefunguje, jak tvořit prompty.
Hodně to zlobí
Pár dní po spuštění stále hodně nevytváří obrázky. Buď vrátí jen barevnou plochu, nebo část obrázku a pak barevnou plochu. Často pomůže prostě znovu otevřít (refresh/reload) předmětný chat a obrázek se objeví. Důvod je jasný, je to nové a extrémně přetížené (a to to ještě nepustili pro neplatící uživatele), takže to chce trpělivost. Musí to doladit.
OpenAI na to nakonec po pár dnech od spuštění zareagovala omezením kolik toho můžete vygenerovat, ale je to tak drastické, že po pěti šesti obrázcích už začne s “počkejte X minut”..
Nemůžu teď hned vygenerovat nový obrázek — systém mě právě na chvíli zablokoval kvůli omezení rychlosti (rate limit). Musíme počkat asi minutu, než to půjde znovu.
Ale i přes omezení objemu generovaných je to stále extrémně pomalé. Klidně i několik minut, pokud to tedy vůbec dopadne dobře. Dostanete pak jeden výsledek, v MidJourney za kratší dobu dostanete čtyři.
Fotky, ano
DALL E 3 neuměla fotorealistické obrázky (no, dala se trochu přesvědčit na něco dost blízko). Nová podoba umí foto realističnost. Asi bych řekl občas i srovnatelný s Midjourney (byť si tady myslím že MJ je pořád o kus vpředu). Zvládne poměrně dobře těla, počty prstů, anatomii a vůbec věci, se kterými AI mívají problémy. Ale i v tom občas vytváří zábavné věci.
Umí i známé osobnosti (dokonce i české) a neodmítá je použít. Tedy pokud nedojde k názoru, že to děláte s nekalými úmysly. Ale i tam se dá použít trocha sociálního inženýrství.
Neumí ilustrace a to co doposud šlo snadno
Má zcela jiný styl oproti DALL E 3, takže zadání co vám doposud dávaly uspokojivý výsledek selhávají. Musíte se naučit lépe a detailněji zadávat. skoro by se dalo říci, že o tom tak hodně/dobře nepřemýšlí – a je to dané i tím že nový 4o generátor je přímo integrovaný do ChatGPT zatímco DALL E 3 byl “bokem” (byť to nebylo poznat)
Nejde se přepnout na DALL E 3. Jedině že využijete neplacenou ChatGPT pod jiným e-mailem,, kde ještě chvíli starý generátor je. Ale tohle dlouho možné nebude. Případně je tu ještě Bing Chat (nebo jak tomu teď vlastně říkají, no Copilot samozřejmě), ale ten umí jen čtvercové obrázky a stále je také postavený právě na DALL E 3.
S DALL E 3 šlo bez problémů něco jako “Potřebuji ilustrační (otvírákový) obrázek na šířku pro tento článek: “ (a přidat tam opravdu celý článek nebo odkaz). Nový generátor to sice také umožňuje, ale výsledky jsou prostě tristní. Většinou ony “dětské malůvky” (sama ChatGPT ochotně dodá, že “ano, tohle působí spíš jako clipart z PowerPointu z roku 2004”.
O něco lepší budou “ilustrační fotografie na šířku”, ale ani tam to prostě není ono. Problém prostě je, že nový generátor očekává že mu opravdu dáte konkrétní zadání.
Co ale můžete je nahrát pár starších příkladů ilustrací z DALL E 3 a požádat o “prompt” pro nový generátor aby byly co nejvíce podobné. Umí vytvořit i “šablonu”, tedy konzistentní prompt s místem kam prostě jen doplníte co chcete v obrázku mít. Pokud to budete mít vyladěné, tak se asi vyplatí si to dát do Custom GPT nebo stačí do Projektu. Ale není to až tak jednoduché, jak to z tohoto popisku vypadá.
Někdy to dopadne, někdy zatvrzele plodí nepoužitelné “dětské malůvky”. Nakonec nejlepší co se mi asi po půl hodině snah podařilo je vidět v záhlaví. Ale bude to chtít ještě další snahu. Nebo doufat, že OpenAI tohle napraví, protože oproti DALL E 3 je to hodně špatné.
Texty už tak na 95 procent ale zato furt
Hlavní zlo je, že se naučila dělat texty, takže je sází do výsledků v nebývalé míře. Sice docela jdou, ale většinou je tam vůbec nechcete. Takže “čistou ilustraci” a “bez textů, nápisů, písem” budete přidávat velmi často. Lépe jdou anglické, české znaky občas dělají neplechu.
Teď tam doslova “cpe texty za každou cenu”. Takže si opravdu musíte říkat aby je tam nedávala.
Umí kreslit i podle vzoru (a dost dobře) a víc si s ní povídejte
Právě to, že můžete nahrávat obrázky je také dost důležité – můžete mu totiž nahrát “vzor” a podle něj nechat vytvořit nový. Takže třeba nahrát fotku vlevo a pak „Prosím využij nahraný vzor a překresli do kubistického stylu.“ nebo „překresli tak aby to bylo z post-apokalyptické Země.“ či „udělej z té zimy jaro„
Jde dobře i postupně upřesňovat co chcete – pomáhá zmíněná konzistence, takže nedostanete pokaždé něco zcela jiného. Jen to bude komplikovat rychlost, zejmena teď po uvedení spíše extrémní pomalost. Takže případné postupné úpravy jsou docela bolestivé.
Umí upravovat, nahrazovat a tak podobně
Ale pozor na to, požadavky na úpravu konkrétních částí obrázku mohou změnit i jiné oblasti nebo vytvořit nové chyby. Ale obecně i v tomto je nový model podstatně lepší.
Takže když na poslední výše vygenerovanou proměnu zimy na jaro reagujete „A co takhle dát na horizont Eiffelovku?“ … tak ji dostanete. Jen tedy už došlo ke změnám.
Dokonce můžete požádat aby obrázek na výšku změnila na obrázek na šířku. Tam už samozřejmě není 100% věrný a změn může být víc. Ale výsledek super.
Je tu i pár dalších výhod oproti předchozímu
- 4o Image Generation dokáže zpracovat složitější prompty obsahující až 10-20 různých objektů, zatímco předchozí modely měly problémy již s 5-8 objekty
- Nový model výrazně zlepšuje „binding“ – schopnost správně přiřazovat vlastnosti k objektům (například správná barva k správnému tvaru)
- Díky integraci s jazykovým modelem dokáže udržet konzistentní styl a vlastnosti objektů při postupném vylepšování obrázku v rámci konverzace. Znamená to i to, že si v rámci chatu pamatuje i předchozí obrázky a instrukce. Můžete tak vytvářet komisky, příběhy a další věci, které doposud byly komplikované.
- A samozřejmě již zmíněná práce s textem.
Co ještě?
Změnil se rozměr generovaného obrázku. Nově je to 1536×1024 oproti 1792×1024. Trochu komplikace tam, kde jste počítali s využitím 1600×900. Nově jde o PNG, předchozí WEBP (pozitivní, není to potřeba konvertovat).
Jiné je i pojmenování. Dřívější „DALL·E“ (ten znak mezi L a E bylo nutné odstraňovat, Facebook a Threads to nedávají) doplněné datem, časem a popiskem nehradilo prosté „ChatGPT Image“ doplněné jenom datem a časem. Trochu nepraktické, protože už není možné v záplavě vygenerovaných obrázků hledat.
POZNÁMKA: Přišli jste na nějaké další věci, které by stály za doplnění? Dejte vědět
Další tipy týkající se AI (ChatGPT a další)
