简单测了下 GPT 的图像生成，放几组图大家看看
这两天顺手拿 GPT 跑了几组图，想看看它现在的图像生成大概是什么水平。
没有搞特别严谨的量化，就是按几个比较常见、也比较容易翻车的方向随便测了一下：
- 复杂场景
- 人像细节
- 风格混合
- 文字排版
主要看三点：
- 能不能理解提示词
- 细节和观感怎么样
- 有没有明显翻车
1. 夜景复杂场景
提示词：
一个下雨的东京街头夜景，霓虹灯反射在湿润的柏油路面上，街边有拉面店、便利店和行人撑着透明雨伞，远处有电车驶过，画面采用电影级光影效果，超写实风格，8K分辨率，浅景深，镜头焦距50mm，细节丰富
生成结果：
2. 人像细节
提示词：
一位中年女性科学家坐在实验室中，穿着白大褂，桌上摆满试管和显微镜，脸部细节真实自然，有细微皱纹和皮肤纹理，光线从侧面窗户照进来形成柔和阴影，超写实摄影风格，背景略虚化，高动态范围
生成结果：
3. 风格融合
提示词：
一座漂浮在天空中的中国古代宫殿，周围环绕着云海和飞鸟，整体风格融合水墨画与赛博朋克元素，既有传统山水笔触，又有霓虹灯和未来科技结构，色彩对比强烈但和谐，细节精致，幻想风格
生成结果：
这个夯爆了！
4. 文字排版
提示词：
一张极简风格的海报设计，背景为浅米色，上方写着“Artificial Intelligence”大标题（清晰可读），下方有小字说明和几何图形装饰，整体排版对齐整齐，字体现代简洁，类似高端科技品牌宣传海报，干净留白设计
生成结果：
我的主观感受
先说结论：
拿来出效果图、概念图、配图，其实已经挺能打了；但一旦对“精确控制”要求高，还是会有些瑕疵。
我自己这次测下来，感觉大概是这样：
-
强项
氛围感、整体构图、第一眼观感通常都不错，出图效率也高。 -
一般的地方
复杂提示词不一定每个元素都听话，有时候会抓大放小。 -
容易翻车的地方
手、局部结构、细小文字、还有那种既要真实又要严格排版的需求。
4 个帖子 - 4 位参与者
来源: linux.do查看原文