ChatGPT能靠吉卜力风翻盘吗？

出品｜虎嗅科技组

作者｜余杨

编辑｜苗正卿

头图｜视觉中国

在大模型热火朝天的战斗之中，吉卜力拉了OpenAI一把。

4月7日消息，OpenAI正在测试为GPT-4o图像生成模型加入水印。

这是一款最初只对ChatGPT Plus用户开放的ImageGen模型，能够生成带有文字的图片和逼真的视觉作品。OpenAI表示，该模型通过大量图像与文本的联合训练，展现出惊艳的视觉表现力和良好的上下文理解能力。

一周前的愚人节，OpenAI首席执行官山姆·奥特曼刚刚宣布，ChatGPT图像生成功能将向所有免费用户推出。很快，吉卜力风格的 AI 图迅速全网刷屏。

紧随其后，Midjourney 发布 AI 图片生成模型 Midjourney V7 版本并开启 alpha 测试。全新的“草图模式”，支持对话式交互界面、实时编辑、语音识别生成功能。作为OpenAI的“同款”，Midjourney不甘示弱，和OpenAI 暗暗较劲。

“吉卜力”（Ghibli）是宫崎骏的动画工作室和美术馆的名称，其含义指的是撒哈拉沙漠上吹过的热风。风格特点主要是水粉与水彩的结合，动画的核心多与自然相关，又在自然中注入了高级灰，呈现出轻盈温柔、舒适幽静的视觉效果。

不仅如此，这种风格擅长通过同类色的色彩滤镜传达画面情绪，在同类色比重较高的画面中，又通过笔触和细微配色差异性来调度画面层次，运用暖光加强深浅层次。人物设计上则强调简约与绘本风格，使用干练的简笔线条勾勒形象。

OpenAI正在为免费用户生成的图像测试水印，而ChatGPT Plus用户则可保存无水印图像。

今天就一起来看看ChatGPT的魔法，测评一下OpenAI 的吉卜力实力。

prompt1：没有圆柏的北京 春天 阳光明媚 周末的马路上 人群穿梭 中景 吉卜力风格

prompt2：九又四分之三站台 有人在抽烟 旁边有人斜视 近景 吉卜力风格

prompt3：自由女神在电脑面前办公 戴着防蓝光眼镜 脸上流露出牛马的苦恼 特写 吉卜力风格

参与测评的玩家则有即梦、可灵和ChatGPT，也看看各家所长。

即梦AI

即梦的文生图，速度很快，平均10秒。

不仅如此，支持图片比例的调整，在完成图片生成后，可以挑选图片进行编辑，支持高清、细节修复、局部重绘、生成视频、扩图、消除笔等功能。

最终生成图如下。

prompt1：没有圆柏的北京 春天 阳光明媚 周末的马路上 人群穿梭 中景 吉卜力风格

prompt2：九又四分之三站台 有人在抽烟 旁边有人斜视 近景 吉卜力风格

prompt3：自由女神在电脑面前办公 戴着防蓝光眼镜 脸上流露出牛马的苦恼 特写 吉卜力风格

可灵AI

可灵的等待时间略长于即梦，大约30秒生成完毕。

不过，可灵有着较好的生态组合，prompt输入框的右上角就有着DeepSeek的提示词优化入口，图片生成完成后，又可以一键点击生成视频。也就是说，从文到图、再从图到视频，可灵给安排得明明白白。

最终生成效果如下。

prompt1：没有圆柏的北京 春天 阳光明媚 周末的马路上 人群穿梭 中景 吉卜力风格

prompt2：九又四分之三站台 有人在抽烟 旁边有人斜视 近景 吉卜力风格

prompt3：自由女神在电脑面前办公 戴着防蓝光眼镜 脸上流露出牛马的苦恼 特写 吉卜力风格

ChatGPT

根据OpenAI在官网的介绍，它的文生图模型DALL·E 3 是基于 ChatGPT 原生构建的，它适用于利用 ChatGPT 做头脑风暴创意，只需要询问 ChatGPT 想在从简单句子到详细段落的任何内容中看到什么即可。

和可灵借助DeepSeek一样，ChatGPT 会自动为 DALL·E 3 生成量身定制的详细提示。

同时支持对图片的微调，即如果对某张图片大致满意，但又有不太合适的地方，可以要求 ChatGPT 用几句话进行调整。

点开右边的更多，可以看到创建图片的选项。选择创建图片，输入prompt即可。

整体来说，操作简单，流程丝滑，30秒左右的时候已经产生基本色调，但整个过程的平均等待时长达到了150秒。

下面是成果。

prompt1：没有圆柏的北京 春天 阳光明媚 周末的马路上 人群穿梭 中景 吉卜力风格

prompt2：九又四分之三站台 有人在抽烟 旁边有人斜视 近景 吉卜力风格

prompt3：自由女神在电脑面前办公 戴着防蓝光眼镜 脸上流露出牛马的苦恼 特写 吉卜力风格

总结

即梦以平均10秒的生成速度脱颖而出，这种即时性对于需要快速迭代创意的用户来说是巨大的优势。然而，速度的提升往往伴随着细节把控的妥协。从生成效果来看，即梦的图像虽然能够快速呈现吉卜力风格的基调，但在情绪传达和层次调度上稍显不足。尤其是prompt1中“没有圆柏的北京”这一复杂场景，即梦的生成结果未能完全捕捉到“高级灰”与“自然氛围”的微妙平衡。

相比之下，可灵虽然生成速度稍慢（约30秒），但通过DeepSeek的提示词优化和视频生成能力，构建了一个从文到图再到视频的完整生态。这种生态整合能力，尤其适合需要多模态输出的用户，比如动画创作者或短视频制作者。

从生成图片的质量上看，ChatGPT对吉卜力风格有着更好的理解，色调和情绪的把控都相对准确。例如，在prompt3“自由女神在电脑前办公”这一脑洞场景中，ChatGPT成功捕捉到了“防蓝光眼镜”与“牛马的苦恼”之间的微妙情绪张力，同时保持了吉卜力风格的轻盈与温柔。

这种优势源于ChatGPT的提示词优化机制。它能够根据用户输入的prompt，自动生成更详细的描述，从而提升生成图像的精准度。此外，ChatGPT支持对图像的微调功能，允许用户通过简单的语言描述调整细节，这种灵活性进一步增强了其在创意表达上的竞争力。

官网的展示中，ChatGPT所生成的图片风格并不限于吉卜力，还有如下的细节图、脑洞图和创意图。

而对于图片版权问题，大方开源，使用 DALL·E 3 创建的图像归属用户，无需获得OpenAI许可即可重印、出售或销售。

不仅如此，OpenAI确认正在开发ImageGen API，未来开发者可利用该API构建应用产品，拓展图像生成模型的应用场景。开发者可以利用该API构建自己的应用产品，比如教育工具、设计辅助平台等。这种开放生态的构建，将推动AI生成图像技术的普及与创新。

ChatGPT这次换了个思路。似乎显示着，大语言模型一枝独秀还不够，集成多种生态的多元赛道势头正好。用产品cue着中国的大模型：该你出牌了。

本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系 hezuo@huxiu.com

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4218368.html?f=wyxwapp