摄影术诞生近200年来，制作一张令人信服的伪造照片要么需要暗房技术，要么精通Photoshop，至少需要剪刀和胶水的熟练操作。然而，OpenAI在周二发布了一款工具，将这一过程简化为只需输入一句话。
技术突破：从专业工具到大众应用
OpenAI并非这一领域的先行者。虽然自2024年的GPT-4o以来，OpenAI一直在开发对话式图像编辑模型，但Google率先在2025年3月推出了公开原型，随后将其完善为广受欢迎的Nano Banana图像模型（以及Nano Banana Pro）。AI社区对Google图像编辑模型的热情反应引起了OpenAI的高度关注。
OpenAI的新GPT Image 1.5是一款AI图像合成模型，据报道其生成速度比前代产品快四倍，通过API成本降低约20%。该模型已于周二向所有ChatGPT用户推出，标志着向无需特定视觉技能即可轻松实现照片级图像 manipulation迈出的又一步。
GPT Image 1.5生成的"肌肉发达的野蛮人手持武器站在CRT电视旁"图像
原生多模态：图像与语言的统一处理
GPT Image 1.5的显著特点在于它是"原生多模态"图像模型，意味着图像生成发生在处理语言提示的同一神经网络中。相比之下，此前内置在ChatGPT中的OpenAI早期图像生成器DALL-E 3使用了一种称为扩散的不同技术来生成图像。
这种较新的模型类型将图像和文本视为同一类事物：称为"tokens"的数据块，需要预测和完成的模式。如果您上传父亲的照片并输入"让他穿西装参加婚礼"，模型会在统一空间中处理您的文字和图像像素，然后以输出句子中下一个单词相同的方式输出新的像素。
对话式图像编辑：重塑创作流程
使用这种技术，GPT Image 1.5比早期的AI图像模型更容易改变视觉现实，可以不同程度地成功改变人物的姿势或位置，或从略微不同的角度渲染场景。它还可以移除物体、改变视觉风格、调整服装，并在连续编辑中保持面部相似性。
您可以通过与AI模型对话来讨论照片，进行修改和调整，就像在ChatGPT中修改电子邮件草稿一样。OpenAI应用首席执行官Fidji Simo在博客文章中写道，ChatGPT的聊天界面从未为视觉工作而设计。"创建和编辑图像是一种不同类型的任务，值得一个为视觉而构建的空间。"为此，OpenAI在ChatGPT侧边栏引入了专用的图像创作空间，配备预设滤镜和热门提示。
使用GPT Image 1.5在房间照片中添加"宇宙银河女王"
市场竞争：OpenAI与Google的技术角力
此次发布的时机似乎是对Google在AI领域技术进步的直接回应，包括聊天用户基数的 massive增长。特别是Google的Nano Banana图像模型（以及Nano Banana Pro）在8月发布后，因其能够相对清晰地渲染文本并在编辑中保持面部一致性而在社交媒体上变得流行。
OpenAI之前的基于token的图像合成模型可以根据对话提示进行一些有针对性的编辑，但它经常改变用户可能希望保留的面部细节和其他元素。GPT Image 1.5似乎旨在匹配Google已经推出的编辑功能。但如果您碰巧更喜欢旧的ChatGPT图像生成器，OpenAI表示旧版本仍将作为自定义GPT（目前）提供给偏好它的用户。
技术局限性：进步与挑战并存
GPT Image 1.5并非完美。在我们简短的测试中，它并不总能很好地遵循提示方向。但当它确实有效时，结果似乎比OpenAI之前的多模态图像模型更具说服力和细节。为了进行更详细的比较，一位名为Shaun Pedicini的软件顾问搭建了一个指导性网站（"GenAI图像编辑对决"），对各种AI图像模型进行A/B测试。
使用GPT Image 1.5让看起来像能起飞的北卡罗来纳州立大学圆形建筑真的起飞了
信任危机：视觉真实性的重新定义
虽然过去几年我们已经多次讨论过这一点，但可能值得重复的是，真实照片编辑和操纵的门槛在不断降低。这种无缝、逼真、轻松的AI图像操纵可能（有意 pun）促使社会对视觉图像意义的文化重新调整。对于在较早媒体时代长大的人来说，看到自己被放入并未真正发生的情况中，可能会感到有些害怕。
在摄影史上的大部分时间里，令人信服的伪造需要技能、时间和资源。这些障碍使得伪造足够罕见，我们可以将许多照片视为合理的事实代理，尽管它们可以被操纵（而且经常被操纵）。由于AI，那个时代已经结束，但GPT Image 1.5似乎消除了更多剩余的阻力。
伦理考量：技术双刃剑
保持面部相似性的能力显然具有合法照片编辑的实用性，同样也有明显的滥用潜力。图像生成器已被用于创建非自愿的亲密图像和冒充真实人物。
考虑到这些风险，OpenAI的图像生成器一直包含一个通常阻止性或暴力输出的过滤器。但仍然可以在不涉及这些主题的情况下创建令人尴尬的人物图像（即使这违反了OpenAI的服务条款）。该公司表示，生成的图像包含识别其为AI创建的C2PA元数据，尽管这些数据可以通过重新保存文件来剥离。
使用GPT Image 1.5在Benj Edwards弹吉他照片中添加微笑男子
文本渲染：长期弱点的突破
谈到伪造，文本渲染一直是图像生成器的长期弱点，虽然逐渐有所改善。通过提示一些较旧的图像合成模型创建带有特定文字的标志或海报，结果通常返回混乱或拼写错误的文字。
OpenAI表示GPT Image 1.5可以处理更密集和更小的文本。该公司的博客文章包含一个演示，模型生成了包含多段文章的报纸图像，配有标题、署名、基准表格和段落级别保持可读性的正文文字。这能否在各种提示下经得起考验，需要更广泛的测试。
GPT Image 1.5渲染的模拟报纸上的复杂密集文本
未来展望：技术演进与社会适应
虽然示例中的报纸现在看起来很假，但随着图像合成变得更加逼真，这是对公众对前互联网历史记录认知的潜在侵蚀的又一步。
OpenAI在其博客文章中承认，新模型仍然存在问题，包括对某些绘图风格的支持有限以及在需要科学准确性的图像生成时出错。但他们认为它会随着时间的推移而变得更好。"我们相信我们仍处于图像生成所能实现的开端，"该公司写道。如果过去三年图像合成的进展是任何指标，他们可能是正确的。
行业影响：从专业到民主化
GPT Image 1.5的发布代表了图像处理技术从专业领域向大众化应用的转变。传统上，高级图像编辑需要专业的技能和软件，而AI技术的进步正在消除这些障碍。这种民主化过程既带来了创意表达的普及，也引发了关于专业性和技能价值的重新思考。
广告、媒体、艺术和设计等行业正在经历重大变革，AI工具正在成为标准工作流程的一部分。这种转变不仅提高了效率，还创造了新的创意可能性，同时也对从业者的角色和技能要求提出了新的挑战。
法律与监管框架的挑战
随着AI图像生成技术的普及，法律和监管框架面临前所未有的挑战。现有的版权、诽谤和隐私法律难以跟上技术发展的步伐，导致监管滞后于创新。
各国政府正在积极探索应对策略，从欧盟的《人工智能法案》到各国的深度伪造立法。然而，这些努力往往面临执行难度、定义模糊和国际协调不足等问题。OpenAI等公司也在主动采取措施，如添加C2PA元数据，但这只是解决方案的一部分，需要多方共同努力建立有效的监管生态系统。
技术检测与反制措施
随着生成式AI技术的进步，检测和验证真实性的技术也在不断发展。研究人员正在开发各种方法来识别AI生成的图像，包括分析不一致性、检测人工痕迹和验证元数据。
然而，这种"猫鼠游戏"将持续存在，因为生成技术和检测技术都在不断进步。未来的解决方案可能需要结合技术手段、教育和政策干预，培养公众的媒体素养，同时开发更强大的检测工具。
创意产业的转型与机遇
AI图像生成技术正在为创意产业带来深远影响，从电影制作到游戏开发，从广告营销到艺术创作。这些技术不仅提高了制作效率，还开辟了新的创意可能性，使创作者能够快速迭代和实验。
然而，这也引发了关于原创性、版权和艺术价值的讨论。随着AI辅助创作成为常态，创意产业的定义和评价标准可能需要重新审视。同时，这也为新兴的创意职业和技能组合创造了机会，如AI提示工程师、数字真实性专家等。
教育与媒体素养的重要性
在AI图像生成技术日益普及的背景下，教育和媒体素养变得比以往任何时候都更加重要。培养公众批判性思维能力，教导人们如何评估视觉信息的可信度，将成为数字时代教育的核心组成部分。
教育机构需要更新课程，纳入关于AI生成内容的知识和技能，帮助学生理解这些技术的原理、局限性和伦理含义。同时，媒体素养项目也需要关注深度伪造和图像操纵等新兴威胁，提供实用的工具和策略来应对这些挑战。
技术发展的伦理边界
随着AI图像生成技术的不断进步，关于技术发展伦理边界的讨论变得尤为重要。开发者、政策制定者和用户需要共同思考：我们应该追求什么样的技术进步？哪些应用应该被鼓励或限制？
OpenAI等公司正在努力在创新和责任之间取得平衡，但这一挑战需要更广泛的参与和讨论。建立多元化的伦理框架，确保技术发展符合人类价值观和社会利益，将是未来科技治理的关键任务。
结语：迈向新的视觉时代
GPT Image 1.5的发布标志着我们进入了一个新的视觉时代，在这个时代，图像的真实性和可信度面临前所未有的挑战。然而，这也为创意表达、信息传播和视觉艺术带来了新的可能性。
面对这一技术革命，我们需要采取平衡的方法：既要拥抱创新带来的机遇，也要警惕潜在的风险；既要享受技术便利，也要保持批判性思维；既要推动技术发展，也要建立相应的伦理和法律框架。只有这样，我们才能确保AI图像生成技术成为人类进步的助力，而非威胁。
