Guides-4o image generation(圖像生成)
隨著圖像生成技術日益成熟，OpenAI 最新推出的 4o 圖像生成模型為創作者帶來前所未有的創作體驗。不同於傳統的圖像模型，4o 模型不僅能生成高品質的擬真圖像，更具備圖像轉換、風格重繪、透明背景產出、精準嵌入文字等進階功能。
本指南將帶領你深入了解 4o 圖像生成模型的使用方式、功能特點、最佳實踐與常見限制，並透過豐富的實例與資源，協助你快速上手並創造屬於你的視覺內容。
本篇目標
- 什麼是 4o 圖像生成模型？
- 如何存取 4o 圖像生成？
- 4o 圖像生成功能介紹
- 提示技巧與建議
- 模型限制與注意事項
- 使用建議與最佳方法
- 可嘗試的應用案例
- 範例連結與資源
- 相關資料
- References
什麼是 4o 圖像生成模型？
4o 圖像生成模型是 OpenAI 最新內建於 ChatGPT 中的圖像模型。
它可以：
- 產生擬真圖像
- 接收圖像作為輸入並進行轉換
- 遵循詳細指令，將文字轉為圖像
此模型為自回歸架構，與 GPT-4o 語言模型架構相同，意即它是「像文字一樣」生成圖像的。
功能特色：
- 更準確地在圖像上渲染文字
- 更細緻的圖像編輯能力
- 支援以圖換圖、重繪風格等變換操作
如何存取 4o 圖像生成？
可透過 ChatGPT（網頁與行動版）中的：
- 文字提示：「Generate an image of…」
- 工具欄選項：點選「Create an image」
其他存取方式：
- Sora
- OpenAI API（使用模型
gpt-image-1）
文字提示：「產生一張……的圖片」
點選工具，並選擇「創作圖像」
使用 OpenAI API 來實現圖片生成
4o 圖像生成可支援的模型：
gpt-4ogpt-4o-minigpt-4.1gpt-4.1-minigpt-4.1-nanoo3
4o 圖像生成功能介紹
支援圖片尺寸：
- 正方形 1:1（1024x1024）
預設 - 橫向 3:2（1536x1024）
- 直向 2:3（1024x1536）
預設支援輸入圖片格式：
- PNG、JPEG、WEBP、非動畫 GIF
圖像編輯能力：
-
修補功能（僅限於該對話中生成的圖片）
-
季節變化或敘述式提示：「變成冬天會怎樣？」
-
風格轉換：當提供參考圖像時，該模型在重新上材質與變換圖像風格方面表現非常優異。模型剛推出時，其將圖片「吉卜力風格化（Ghiblify）」的能力曾引發網路熱潮。
-
透明背景（PNG）：如果你希望產生具有透明背景的圖片（例如 PNG 格式），需要在提示語中明確寫出「透明 PNG」或「透明背景」才行。
-
圖像內加文字
-
生成多種風格版本
-
圖像合成/融合
提示技巧與建議
詳細提示更有效
- 若提示不夠具體，系統會「自動補全」細節
- 要求特定風格時，請定義以下項目：
- 主題（subject）
- 構圖與光線
- 色彩、氛圍
- 拍攝風格（如相機與鏡頭）
如果你在寫圖像生成提示語（prompt）時感到困難，可以請 o3 模型根據你自己的描述，幫你寫出 3 種不同版本的提示，這些提示會針對 4o 圖像生成進行優化，並補足細節，然後你可以從中挑選你最喜歡的部分，作為最後要用的提示語。
光線、構圖、風格
如果你有特定的目標，請在提示語中明確定義這些元素，雖然模型能根據提示語中的整體資訊推測這些特徵，但若你需要具體的結果，就必須準確描述，如果你希望圖像看起來像是使用特定相機與鏡頭拍攝的照片，請將這些資訊加入提示語中。
其他值得考慮的細節還包括：
-
主題（Subject）
-
創作媒材（Medium）
-
環境背景（Environment）
-
色彩（Color）
-
氛圍（Mood）
選擇最適合的圖像生成模型
4o 模型最適合用於單次修改或簡單的圖像生成任務，速度最快。
但如果你預期這次圖像創作會需要多步創作，建議改用推理型模型（reasoning model）。
尤其在創意探索過程中，像是反覆地加入或刪除圖像元素時，推理模型在「記住圖像中已有的固定元素」方面會表現得更好，可以保持風格、顏色一致，避免重置畫面。
縮圖製作流程
建議加註圖片長寬比
即使你有使用參考圖片，在提示語中**明確指定你想要的圖片長寬比（aspect ratio）**仍然很有幫助。
模型有時會根據提示中的線索自動判斷適合的長寬比（例如：火箭的圖片通常是 2:3），但如果提示中沒有清楚說明，模型會預設使用 1:1（正方形）比例。
Prompt to test:
一輛造型壯觀、融合裝飾藝術與未來科技感的磁浮列車，停靠在空曠的高架軌道上，準備穿越曠野。
車身為銀色鏡面，線條優雅俐落，類似克萊斯勒大廈的垂直裝飾線。
畫面正值黃金時刻，金色與玫瑰色的日光映在列車上，遠方地平線閃耀微光，整體氣氛充滿希望與電影感。
模型一致性說明:
如果你只是想對圖片做一些細微的修改，模型在同一個聊天中會「記得」之前生成的圖片，這是很有幫助的。
但如果你想創造全新且不同風格的圖片，這種「記憶」反而會造成困擾。
因此，當你需要產生互不相關、風格各異的圖片時，建議每次都開啟新的聊天，從零開始，這樣模型才不會受到之前圖片的影響，能產生更獨立且多樣的結果。
如果前幾次生成的圖片與你預期相差甚遠，可以請模型輸出用來生成該圖片的提示語（prompt），藉此檢查是否有重點放錯或描述不清的地方，然後建議重新開啟一個新的聊天，使用修正後的提示語繼續生成圖片。
多圖像生成提示建議
推理模型如 o3 和 o4-mini 可以用單一提示語生成多張圖片，但這必須在提示語中明確說明，而且並非每次都能成功。
聊天連結
測試提示:
圖像生成任務說明:
請根據以下規則，使用 4o 圖像生成模型（不要用 DALL·E 3）生成圖片：
任務說明:
生成一幅漫畫風格的圖像，主題由你自行決定（「Generate an image of [decide this yourself]」），風格仿效**蔡志忠**的漫畫。
使用3:2 的長寬比。
在開始生成圖片前，請先背誦（recite）這些任務規則。
每生成一張圖片後，請立刻開始生成下一張，總共做三個不同主題的變體，三張都要遵守相同規則。
每次生成圖片前，請完整輸出你送給圖像生成模型的提示語，以便檢查和記錄。
不需結束回合或詢問我是否繼續，直接連續生成三張。
若 4o 模型產生超時（timeout），請告知我距離下一次排隊還剩多少時間。
規則重點:
僅使用提示中指定的3:2 長寬比。
每次生成圖片前都要準確輸出送給模型的完整提示語。
一次生成三張，主題不同但規則一致。
不可使用 DALL·E 3。
提示語嚴格執行的困難
含有多個部分的提示語，有時會在從聊天模型傳遞到 4o 圖像生成模型的過程中被改動，並且如果你在同一個聊天中連續生成多張圖片，之前生成的圖片可能會影響後續的生成結果，即使你已經修改了提示語。
模型限制與注意事項
| 類別 | 限制說明 |
|---|---|
| 輸出控制 | ChatGPT 有時會在送出 4o 模型前更改你原始的提示內容 |
| 生成次數限制不明 | 依訂閱方案及伺服器負載動態調整 |
| 等待時間 | 免費用戶生成請求常被排隊，等待時間較長 |
| 畫面偏黃 | 生成圖片可能帶有黃色色調 |
| 太暗畫面 | 含深色元素的提示或參考圖可能導致圖片過暗 |
| 違規拒絕 | 違反使用政策會被拒絕生成並刪除輸出 |
| 沒有放大功能 | 尚未提供 upscaling 工具 |
| 圖像裁切錯誤 | 有時輸出會裁錯部分畫面 |
| 幻覺現象 | 類似語言模型產生非真實物件 |
| 多主題生成困難 | 同時生成多概念或多個主體的圖片效果較差 |
| 圖表視覺化不精確 | 生成圖表資料的準確度不高 |
| 非拉丁文字困難 | 在圖片中生成非拉丁文字（如中文）有困難 |
| 圖片局部編輯不易 | 編輯圖片特定部分（如修拼字）成效有限 |
| 模型名稱混亂 | 模型有多個別名：Imagegen、gpt-image-1、4o Image Generation、image_gen.text2im |
| 長寬比錯誤 | 即使指定長寬比，有時仍生成錯誤比例 |
使用建議與最佳方法
使用 ChatGPT 個人化設定：
為避免切換到較舊的 DALL·E 3 模型，請在設定中的「ChatGPT 應具備哪些特質」欄位加入以下指示：「絕不使用 DALL·E 工具。圖片生成請始終使用新的圖像生成工具。如果圖像生成工具超時，請告知我，而非改用 DALL·E。」
- 如果達到生成上限，可以請 ChatGPT 告訴你還需要等待多久才能繼續生成圖片。後端系統會有這些資訊供使用者查詢。
- 圖像生成和編輯時，使用明確的動詞如「繪製（draw）」或「編輯（edit）」會有更好效果。
- 使用推理模型生成圖片，還能額外看到模型在提示語創建和修改過程中的推理思路。開啟「思考痕跡（thinking traces）」功能，可以了解模型關注的重點。
可嘗試的應用案例
| 用例 | 說明 |
|---|---|
| 生成 Logo | 使用參考圖片與詳細描述。通常為多回合任務，建議使用推理模型來完成。參考範例 |
| 生成行銷素材 | 使用既有的視覺素材作為參考，並提示模型修改文字、產品或環境內容。 |
| 生成著色本頁面 | 建議使用 2:3 的長寬比來創作客製化著色圖。參考範例 |
| 貼圖圖片（Sticker） | 請記得在提示中說明「透明背景」。參考範例 |
| 材質轉移 | 使用第一張圖片中的材質，應用於第二張圖片或提示中的主體。參考範例 |
| 室內設計提案 | 拍攝房間圖片，並提示模型修改家具或裝潢細節。參考範例 |
範例連結與資源
相關資料
回到目錄
上一篇：Guides-Reasoning LLMs
下一篇：Guides-Context Engineering Guide