OpenAI hat vor wenigen Tagen im Rahmen eines etwa 20-minütigen Live-Events auf YouTube eine Verbesserung für die Bildgenerierung bei ChatGPT vorgestellt. Die Neuerung ist Teil von GPT-4o. Nutzer können damit nun direkt detaillierte und präzise Bilder generieren lassen.
Neue Bildgenerierung mit GPT-4o
GPT-4o wurde erstmals im Mai 2024 vorgestellt und wurde seitdem kontinuierlich weiterentwickelt. Ziel von OpenAI ist es, Sprache und Bild in einem einzigen, multimodalen Modell zu vereinen. Bislang hat GPT-4o für Bilder noch auf DALL-E zurückgegriffen – das ändert sich jetzt. Eines der größten Probleme vieler KI-Bilder ist, dass Text oft aussieht wie zufällig zusammengesetzte Buchstaben. Mit GPT-4o will OpenAI das jetzt beheben. Das Modell soll in der Lage sein, genaue Texte in Bildern zu generieren – inklusive klarer Buchstaben und sinnvoller Platzierung. Das funktioniert in der Praxis auch sehr gut.
Präzise Texte und Details im Bild
Die KI generiert nicht nur lesbaren Text, sondern platziert jedes Wort gezielt. Laut OpenAI waren dafür gerade mal fünf Versuche nötig. GPT-4o soll vor allem bei komplexen Bildanfragen punkten. Während andere Modelle bei mehr als fünf bis acht Vorgaben oft scheitern, verarbeitet GPT-4o laut OpenAI bis zu 20 verschiedene Elemente samt Eigenschaften. Ein weiterer Vorteil ist, dass die KI auch bestehende Bilder verändern können, ohne dass das Bild dabei vollständig neu interpretiert wird.
Was noch nicht perfekt funktioniert
Trotz aller Fortschritte hat das neue Bildmodell noch mit einigen Schwächen zu kämpfen. Kleingeschriebener Text oder dicht gepackte Informationen führen schnell zu Fehlern. Auch bei besonders langen Bildern kommt es laut OpenAI vor, dass der untere Bildrand abgeschnitten wird. In meinem Beispiel erkennt man die Schwierigkeiten sehr gut. Während GPT-4o wie gewünscht die Überschrift „Der neue GPT-4o Bildgenerator“ und das Logo von Allround-PC generiert, ist der darunter liegende „Text“ nicht lesbar.
Während der Präsentation war ich erst ein wenig skeptisch, ob das bei eigenen Versuchen auch wirklich funktioniert. Auf Twiiter hat man dann aber bereits kurze Zeit später tausende Beispiele anderer Nutzer gesehen, die teilweise sehr detailreiche Bilder mit Text und anderen Inhalten generiert haben. Fakes zu erkennen, kann in Zukunft also deutlich schwieriger werden. Deswegen ist es meiner Meinung nach wichtig, dass man sich mit dem Thema auseinandersetzt und ein Gefühl dafür bekommt, was ein KI-generiertes Bild ist und was nicht.
Max Jambor
Sicherheit und Transparenz im Fokus
Damit das neue Modell nicht für problematische Inhalte missbraucht wird, setzt OpenAI auf strikte Sicherheitsmaßnahmen. Deepfake-Anfragen, Nacktheit oder Gewalt in Verbindung mit realen Personen werden blockiert. Alle generierten Bilder enthalten C2PA-Metadaten, die sie als KI-generiert kennzeichnen.
Ab sofort für alle Nutzer verfügbar
Die neue Bildgenerierung mit GPT-4o steht ab sofort für Plus-, Pro-, Team- und sogar Free-User zur Verfügung – letztere jedoch mit Limitierung bei der Anzahl der Bilder. DALL-E bleibt auch weiterhin über ein spezielles Custom-GPT nutzbar, ist aber nicht länger als Standardmodell über den GPT-4o-Chat erreichbar.
Mit * oder markierte Links sind „Affiliate-Links“. Mit dem Kauf über diesen Link erhalten wir eine Verkaufsprovision, ohne dass du mehr bezahlst.
Quellen:
Als angehender Technikjournalist, ist er hauptsächlich für die Bereiche Mobile und Wearables zuständig und kümmert sich um News sowie Testberichte von Smartphones, Tablets, Smartwatches und Kopfhörern. In seiner Freizeit verfolgt er die neuesten Entwicklungen im Bereich Consumer Electronics und Künstlicher Intelligenz. Wenn er mal nicht am PC sitzt, trifft man ihn im Fitnessstudio, auf Reisen oder beim Feiern mit Freunden.
