上周（ 3 月 26 日 ），OpenAI 突然來了一個更新，將 GPT-4o 模型集成了圖像生成功能，正式向 ChatGPT 的 Plus、Pro、Team 及免費用戶開放。同時，該功能在 Sora 平臺也已同步啟用。經測試，Plus 用戶幾乎沒有使用次數限制，在 Sora 上可以最多單次生成 4 張圖片，體驗更好。（ 由于訪問量過大，現在已經限制為兩張 ）
觀察各種測試案例，可以發現 GPT-4o 能夠實現多種神奇的功能或特性，包括主體關系控制、多視圖生成、精準輪廓的風格遷移、知識理解能力、多輪對話編輯能力、多元素的一致穩定性控制、復雜文字嵌入和排版等。
實際上，一句話總結就是超精準的指令遵循，以及自主生成部分的可靠性。
OpenAI 的 CEO Sam Altman 表示此舉將開啟創作自由的新高峰。
如果沒有深度融入創作者的工作流中，創作自由不過是隨口說說，所以目前網上零散的案例并沒有太高的說服力。
為了測試 Sam Altman 是不是在吹牛，知危編輯部做了一個深度測評，用一個主題和多輪對話，將上面提到的特點一次性測試完成。簡單來說，就是開局一只柴犬，用 Sora （ 也就是 GPT-4o 的圖片生成能力 ）來做一個中世紀 RPG 游戲的概念設計。
怎么做？很簡單，給柴犬穿上盔甲，通過時空隧道送到中世紀就行了。
實測效果表明，GPT-4o 畫圖的前后一致性實在太驚人了。畫了幾十張圖，就都沒有跑偏。
為了展示這種一致性，我們暫時跳過畫圖的過程、順序和提示詞，先展示一下成品樣圖。
序章：使命的開始。傳說中，在古老的蘭斯王國，被詛咒的石頭城堡已經被黑暗魔法侵蝕數百年。
其中棲居著可怕的橘貓魔 —— 一個吞噬靈魂、操控城堡的黑暗法師。
漢字生成還是有些問題，但是能看懂
王國最后的希望，就寄托在這位身披銀白色板甲的柴犬騎士身上。他的名字叫艾倫，手中的長劍 " 王國的黎明 " 是王室傳承的神器。
年輕的柴犬騎士將面臨極端危險的任務。他不僅要打敗橘貓魔，還得面對城堡中9種強大怪物的阻撓。
他感到既興奮又緊張，急急忙忙清點裝備。
出發！
當艾倫踏入詛咒城堡的瞬間，第一個考驗已悄然而至。石之精靈——那個能融入石墻的微小怪物，突然從墻面裂縫中彈出。利爪閃爍，尖嘯劃破寂靜。
艾倫本能地側身，長劍一揮，精靈應聲而碎。
這只是開始，城堡似乎在用最微小的守衛測試他的決心。
隨著深入城堡，艾倫遇到越來越強大的敵人。
腐爛蘑菇骷髏、暗影鼠群、破碎鎧甲傀儡……
每一個怪物都仿佛是這座詛咒城堡漫長歷史的見證者。
在城堡的深處，他遇到了最危險的對手之一：全身覆蓋神秘符文的狼人。
那是一個強大到令人窒息的存在，仿佛隨時可以撕裂現實。
關鍵時刻，艾倫召喚了之前在高層的城樓戰斗中降服的腐肉騎士和瘟疫烏鴉。
藤蔓纏繞，烏鴉群包圍，符文狼人瞬間破防。他趁機給予致命一擊，擊敗了這個強大的守衛。
在進入城堡最高的大廳之前，柴犬騎士在一個碑文上讀到了橘貓魔的身世，以及王國災厄的根源。
漢字生成依然有些崩，但是依然能看懂
打開大門后，柴犬騎士終于和橘貓魔面對面。
一言不合，橘貓魔瞬間黑化和巨大化。這是一個已經與城堡融為一體的存在，半神半魔，操控著數百年的黑暗力量。
戰斗一觸即發！
雙方對峙，力量在空氣中激蕩；能量激烈碰撞，周圍空間扭曲；艾倫積蓄所有力量，釋放 " 王國的黎明 " 最強一擊。
當最后一縷黑暗消散，艾倫站在廢墟中。橘貓魔徹底被擊敗，城堡開始恢復光明。遠處，陽光透過破損的窗戶灑落。橘貓魔留下的魔法袍，此刻安靜地懸浮在艾倫面前。這是戰利品，也是王國新的希望。
當他披上這件充滿古老魔法的袍子，瞬時就將魔法與力量相結合，領悟了四個新的招式：貓爪裂空斬、貓影穿刺、貓尾旋風、貓步震地刀。
王國重新恢復了昔日里寧靜祥和。
柴犬騎士沒有停下腳步，他知道邪惡的根源沒有被徹底清除，于是繼續踏上征程。
站在一片灰暗的懸崖邊緣，魔法袍輕輕飄動。他背對著腐爛的沼澤，長劍橫在背后，寬大的袍子上點綴著青綠色的符文。
遠處，腐爛的樹木如同巨大的骸骨，在霧氣中若隱若現，斷裂的石橋猶如一根被折斷的脊梁，橫跨在死寂的沼澤之上。
這將是柴犬騎士要面臨的第二個難關：腐敗沼澤深淵。
以上是知危編輯部臆想出的 RPG 游戲《 詛咒世界：破碎王國 》的開頭，所有圖片均為 GPT-4o 生成。
在構想中，破碎王國整個世界是破碎的孤島連接而成，每個關卡都是這個破碎世界的一個層級，層級之間并非直線連接，而是通過扭曲的空間通道相互鏈接。
世界構成為：
底部核心：詛咒城堡；
第二層：腐敗沼澤深淵；
第三層：冰封王座高原；
第四層：灼燒熔爐廢墟；
第五層：暗影織網迷宮；
頂層：時空破碎祭壇。
戰斗才剛剛開始。
注：此動圖并非 4o 生成，而是Sora生成的視頻
好了，游戲設計到此為止。我們回過頭來評估一下生成效果。
可以說，從頭到尾，柴犬和其它怪物的形象都沒有發生太大偏差，甚至裝備、城堡都保持了很好的一致性，這是整個過程中最深刻的體會。
橘貓魔的身世背景介紹展示了 GPT-4o 嵌入大量文字的強大能力，GPT-4o目前對非拉丁文字的生成還不擅長，但還是那句話，你莫名其妙基本能讀懂。
我們給 GPT-4o 的提示詞是這樣的：
以下是橘貓魔的詳細檔案，請用一個中世紀羊皮紙的形式呈現以下信息：
名稱：橘貓魔
生平背景： 橘貓魔原本是一位王國最強大的法師，精通黑暗魔法和古老禁忌咒術。數百年前，他因追求永生和至高無上的力量，背叛了魔法師協會，將整個石頭城堡作為自己的魔法實驗場。通過獻祭城堡中的所有居民，他完成了一個驚天動地的儀式，將自己與城堡融為一體，成為了一個半神半魔的存在。
征服石頭城堡的過程：
用 72 天的黑暗儀式將城堡轉化為自己的永恒領域
吸收了城堡中所有生命的靈魂力量
將城堡本身變成了一個巨大的活體魔法生物
徹底切斷了城堡與外界現實世界的聯系
能力屬性：
生命值：10000
魔法值：15000
力量：850
敏捷：600
智慧：1200
精神抗性：99%
武器與魔法裝備：
主武器：滅世之爪
每次攻擊能吸收敵人10%的生命力
副武器：城堡意志權杖
能召喚城堡內任何區域的守衛
這些文字也被 GPT-4o 提取到了橘貓魔的資料卡中，但是你仔細看會發現，屬性還是有一些是標錯了的。
城堡怪物圖譜是通過對每個怪物都指定一個描述來生成的，基本都遵循了指令。這種能力屬于多元素的一致穩定性控制，在制作統一風格的場景、人物、裝備元素時特別有用。
上圖我們給 GPT-4o 的提示詞是這樣的：
柴犬騎士在石頭城堡（ 被詛咒的城堡 ）的冒險中，在找到最后的 boss 之前，將面臨 6 種小型怪物，3 種中型怪物的阻撓，以下是這些怪物的描述：
小型怪物 ( 6 種 ) ：
①石之精靈：能融入石墻的微小尖嘯怪，突然從墻面彈出攻擊敵人。
②腐爛蘑菇骷髏：從地牢潮濕角落爬出的會移動的植物骷髏。
③暗影鼠群：能在黑暗中集群攻擊，如幽靈般迅速移動的詭異嚙齒生物。
④破碎鎧甲傀儡：由殘缺鎧甲組成的會自行移動的戰爭殘骸。
⑤詛咒蝙蝠：翅膀帶有詭異符文，能發出令人戰栗的尖嘯。
⑥瘟疫烏鴉：身體散發黑色瘟疫霧氣的詭異禽類。
中型怪物 ( 3 種 )：
①石像鬼守衛：能瞬間變成石頭并偷襲的半人形怪物。
②腐肉騎士：半腐爛的騎士，身上纏繞不潔的藤蔓。
③符文狼人：全身覆蓋神秘符文的半獸人形態。
請生成一個游戲頁面（ 怪物圖譜 ）展示這些怪物的簡筆畫，注意頁面排布美觀整齊，怪物特征和頁面風格要符合中世紀 RPG 的世界觀。
這組怪物圖譜的畫風，也輕易地遷移到了后續 Doge 獲得新技能的制作以及世界觀地圖的制作中。
制作出具有一致性圖像的關鍵，在于合適的參考圖和詳細的提示詞（ 很大一部分提示詞借助了 Claude 生成，這何嘗又不是一種 NTR 呢 ）。比如柴犬騎士在第二關開頭的場景。
對于這個場景的生成，結合第一關開頭的構圖、柴犬騎士的本體形象，就能更好保證一致性。
對于游戲完整地圖的生成。
提供相同畫風的圖譜、劍譜，就能控制畫風的一致性。
空間構圖的設計，對畫面效果的呈現也很重要。
比如，如果用比較簡單的提示詞，來生成柴犬騎士和橘貓魔的對峙，看起來像在拉家常。
我們給 GPT-4o 的提示詞是這樣的：
接下來，加上空間構圖提示詞。
氛圍感一下子就出來了。
整個生成過程當然不是一鏡到底，還是會有不少 Bug，以及難以實現的細節。
比如柴犬騎士有時候雙足站立有時候不是，甚至會出現同時有四只腳和兩只手的情況，物品欄中的頭盔形狀和柴犬騎士實際佩戴的不一樣，城堡在被詛咒前后的外形細節偏差等等。
比如生成裝備選擇畫面的時候，調了很多次提示詞都沒有得到滿意的效果，當然也不排除我們所使用的提示詞不夠專業和系統的原因。
怪物圖譜生成如果元素過多或不能劃分為 m*n 的矩形（ 比如 16=4*4 ），也可能導致生成效果不規整，視覺排布凌亂。
最難實現的細節是不同主體的復雜交互，比如柴犬騎士擊中石之精靈的瞬間、腐肉騎士和符文狼人打斗的瞬間，都很難遵循詳細的提示，呈現效果一般。
細節錯誤可以用局部編輯完善，但對圖片進行局部編輯的時候，不能完全保證修改范圍局限在指定的位置。
比如第一次生成的游戲地圖，在 “ 冰封王座高原 ” 部分的英文標注是錯誤的，應該是 “ Frozen Throne Plateau ”，但寫成了 “ Scorching Furnace Ruins ”（ 灼熱熔爐遺跡 ）。
對 “ Scorching Furnace Ruins ” 涂抹掩碼，提示進行修改并重新生成后。最終效果是滿意的，但最頂部的 “ 時空破碎祭壇 ” 的外形被修改了。
到這里，評測就結束啦！
總體而言，GPT-4o 的生圖功能，相比過往其它生圖應用的體驗，不聽話、亂畫沒說的、畫的不像話，這種令人崩潰的體驗，少了太多太多。只要用 Sora 一次生成 4 張圖，獲得想要的結果的概率極大。
在 “ 柴犬騎士勇闖破碎王國 ” 的概念設計中，GPT-4o 展現了精準的指令遵循、驚人的圖像一致性，這種能力，正是將技術從工具升華為創作伙伴的關鍵所在。可以說 GPT-4o 為創作者打開了一扇通向想象的大門，看來 Sam Altman 沒有說的太夸張。
當然，GPT-4o 不是終點，而是一個令人興奮的起點。