文字记录：04-22 | GPT Image 2案例众测 WaytoAGI晚8点共学 2026年4月22日

文字记录：04 22 | GPT Image 2案例众测 WaytoAGI晚8点共学 2026年4月22日 文字记录：04 22 | GPT Image 2案例众测 WaytoAGI晚8点共学 2026年4月22日 Modified April 24 user 2964 01:27:41 对，然后另外就是另外的这个特点，就是一，就是在生成上的特点，就是下面这几个，就是首先就是准确性的里面有这个四个点，就是首先精确度这个有一个典型的例子，这个体现就是这个，他的例子是给了大米，但是大米呢。是一个这个比较常见的这个东西，对吧？数据集也多，但是我给他给了这个中国的这个小米，对吧？小米首先图这个图片量在网上比较少，然后小米颗粒也比较小，它能不能正确的这个生成，或者说能不能做到它所谓的精确性呢？首先这个的提示词就是要在这个一堆小米粒中有一颗上面生成一个这个，写上这个 GPT image r， 对吧？就要写上这个文字，然后还得。 user 2964 01:28:32 保证这颗和别的没有异样，就一眼看不出来，然后这边右边是我在网上找了一张这个实拍的这个小米的图，这个我确实查证过，这张图拍摄于2023年，就是那个当时的这个图像模型还不能生成这么好，所以可以证明它是一张实拍的，就是它不是一张 AI 图，就是不然你拿 AI 图去对比， AI 图是非常可怕的一点。然后你其实可以看到其实它在细节上确实比之前模型强很多，精确性上强很多，但是。你仔细看，小米的这个形态和这个细节上来说还是差一些吧？没有那么，没有那么精确了，就没有那么好了，但是可以说大概可用了。比如说你作为一个这个产品的次要图，不是这个特写或者精确图基本可用，对吧？然后另外保真度和这个微小的细节，我都通过这个这边右边的这个大图。 user 2964 01:29:32 我来统一给大家展示，就是这也是涉及到它的一个核心的点，就说它现在可以更好地保留所有的细节，就是之前的1.0和这个1.5，包括香蕉全系列的模型对小细节的保持是很难的，就基本上它会看不到，或者说直接就丢弃了很多你需要且不能被丢失的这个细节。然后这里面他也提到说有这个小文本无标 UI 的元素密集的构图，以及这。这个风格的 VX， 对吧？它都可以做得很好，保留得很好。 user 2964 01:30:05 这有一个，我做了一个这个典型的这个测试，就是比较复杂一点的这个界面生成，就界面生成大家这两天看了很多，但是这个涉及到一个就比建筑专业比较专业的几个软件，而且复杂程度也比较高，就想看看说它到底能达到什么程度。然后首先就是我说有三个方面来评判，就是一个是界面它对不对？然后第二个是界面里面的内容它对不对？然后。内容的这个细节它对不对吧？然后就首先这个整个要求是，首先是 macos 的系统，对吧？macos 系统这个，然后第二个主界面要是 Rhino， 对吧？是 Rhino 这个三维建模软件，然后里面还用到 grasshopper 这样的参数化建模的插件，对吧？然后还用到 Vray 渲染器，然后还要用到这个 PS 做这个合成，对吧？也就是说包括最后。 user 2964 01:31:02 在他们下面还要有一个这个 claude code， 正在编写代码的一个界面，对吧？首先这几个界面来说， macos 没问题，对吧？Rhino、 Java、 grasshopper 的界面也没问题，而且我在上面也放了一些这个真正 Rhino 和 grasshopper 的这个图，大家就是放大一点，其实其可以看到包括上面包括这些菜单栏，然后和一些这个图标，基本上90%左右正确，然后 Rhino 和这个 grass。 user 2964 01:31:32 OPPO 的这个界面和样子也基本 ok， 然后这个维瑞渲染器它就没有那么准确了，因为首先这个麦这个维瑞对于这个 Mac 无支持，对，就是这是一个骗局，就是这是一个想骗一下这个模型到底懂不懂这个事，对吧？这，对吧？这个但是它还像模像样做出来也算，对吧？就是这，当然这个犯了错也正常，对吧？骗它一下，然后另外这个 Photoshop， 对，因为 Photoshop 的这个界面。网上很多了，所以它的准确度也比较高，包括你看它的这个很多细节都很 ok 了。其实。然后这个包括这个 Claude code 的 Mac 版，就 Claude code 的这个终端版和 Mac 版就长的样子是不一样。然后还有一个细节，就是说它到底这些软件有没有？就像它的这个正确呈现是有这些软件，然后还有选中的图标，然后底下还有个点表示正打开这些东西它都做到。对，这是界面上基本上已经非常高的这个。 user 2964 01:32:32 完成度了，然后就是内容上首先就要求有3D建模，对吧？就3D建模这个模型到底好不好？大家其实看，因为这个它里面这个细节勉强勉强能看，因为毕竟要求过高了，对吧？勉强能看了，就是当然没有那么好了，勉强能看了，然后这个电池组就不强求了，就是它乱写一通了，也不强求了，对吧？就是因为毕竟这个也比较，因为要求比较具体，要。 user 2964 01:33:02 求的是这个泡沫，对吧？要求是这个泡沫表面的这个算法，它可能首先它不一定能查找得到，第二它查找得到不一定能查找得到那个正确的图像，对吧？第三它不一定能正确地生成。然后是接下来就是说这个渲染器和材质，对吧？这个渲染器首先渲染器的样子它蒙了一个大概可以看，但是说它并没有做对，这个模型真正有一个很好的渲染，基本上还是这个。原模的呈现这个差了点意思，然后还有就是 PS 的合成效果，就是他真的把这个去合成了，因为可以看到倒影，虽然他这个，因为他没有渲染这个或者这个三维模型他建得没有那么，那没有那么可看，对吧？但是他和这个图像的合成也 ok 了，也就说他完成了一个任务中的任务，对吧？也就说他不仅在这个完成了 PS 界面，还完成了 PS 界面里的 PS， 对吧？然后还有就是 Claude code 这个。 user 2964 01:34:02 代码，然后首先 claude code 界面的 Mac 界面，大家如果用过的话基本上 ok， 然后就除了有一些这个细节的这个图标和一些小的文字有一些差别之外，基本上95%左右的准确度 ok， 也就说首先他知道 claude code 是啥，也知道代码是啥，也没有和其他东西搞混淆，对吧？完成度已经非常高了。然后最后就是细节是，首先是文字上，不管是代码的文字，还是说这些图标的这种文字上已经非常厉害，然后这个图标。标上就是因为是很多细节的，这个图标上其实大家可以看它没有那么完美了，但是它走在正确的道路上，对吧？就是它没有那么完美，走在正确的道路上，对吧？就基本上粗略可看，对吧？就是那个意思了，就是那个意思基本可识别，但是没有那么精确，这个可以理解了，对吧？然后就是还有就是这个渲染的细节其实是没有的缺失的，对吧？最后就是合成的效果，其实是刚才大家也看到。 user 2964 01:35:02 其实是不错，对吧？是任务中的任务，算不错了，对吧？也就是说最后其实通过这一个比较复杂的这个案例，其实可以看到说新一代模型或者新一代视觉系统，它在准确度，它在精确度、保真度保留，是所有的这个细微小细节和这个还原度上已经非常好，对吧？另外就是这个你有了这个复杂的测试之后，你比如说生成一个这个比较好看，比较可看的。 user 2964 01:35:32 中英双语多语言，然后包含符号、文字、细节、各种东西的杂志图或者说介绍图，其实就能得心应手了。比如说这个，比如说生成一个阿比西尼亚猫的这个杂志页，对吧？它有解析它的这个习性习惯，然后里面有不同的文字都是它写的，就是我的提示词是要求它为我这个生成一个优美的杂志页，里面包含阿比西尼。 user 2964 01:27:41 对，然后另外就是另外的这个特点，就是一，就是在生成上的特点，就是下面这几个，就是首先就是准确性的里面有这个四个点，就是首先精确度这个有一个典型的例子，这个体现就是这个，他的例子是给了大米，但是大米呢。是一个这个比较常见的这个东西，对吧？数据集也多，但是我给他给了这个中国的这个小米，对吧？小米首先图这个图片量在网上比较少，然后小米颗粒也比较小，它能不能正确的这个生成，或者说能不能做到它所谓的精确性呢？首先这个的提示词就是要在这个一堆小米粒中有一颗上面生成一个这个，写上这个 GPT image r， 对吧？就要写上这个文字，然后还得。 user 2964 01:28:32 保证这颗和别的没有异样，就一眼看不出来，然后这边右边是我在网上找了一张这个实拍的这个小米的图，这个我确实查证过，这张图拍摄于2023年，就是那个当时的这个图像模型还不能生成这么好，所以可以证明它是一张实拍的，就是它不是一张 AI 图，就是不然你拿 AI 图去对比， AI 图是非常可怕的一点。然后你其实可以看到其实它在细节上确实比之前模型强很多，精确性上强很多，但是。你仔细看，小米的这个形态和这个细节上来说还是差一些吧？没有那么，没有那么精确了，就没有那么好了，但是可以说大概可用了。比如说你作为一个这个产品的次要图，不是这个特写或者精确图基本可用，对吧？然后另外保真度和这个微小的细节，我都通过这个这边右边的这个大图。 user 2964 01:29:32 我来统一给大家展示，就是这也是涉及到它的一个核心的点，就说它现在可以更好地保留所有的细节，就是之前的1.0和这个1.5，包括香蕉全系列的模型对小细节的保持是很难的，就基本上它会看不到，或者说直接就丢弃了很多你需要且不能被丢失的这个细节。然后这里面他也提到说有这个小文本无标 UI 的元素密集的构图，以及这。这个风格的 VX， 对吧？它都可以做得很好，保留得很好。 user 2964 01:30:05 这有一个，我做了一个这个典型的这个测试，就是比较复杂一点的这个界面生成，就界面生成大家这两天看了很多，但是这个涉及到一个就比建筑专业比较专业的几个软件，而且复杂程度也比较高，就想看看说它到底能达到什么程度。然后首先就是我说有三个方面来评判，就是一个是界面它对不对？然后第二个是界面里面的内容它对不对？然后。内容的这个细节它对不对吧？然后就首先这个整个要求是，首先是 macos 的系统，对吧？macos 系统这个，然后第二个主界面要是 Rhino， 对吧？是 Rhino 这个三维建模软件，然后里面还用到 grasshopper 这样的参数化建模的插件，对吧？然后还用到 Vray 渲染器，然后还要用到这个 PS 做这个合成，对吧？也就是说包括最后。 user 2964 01:31:02 在他们下面还要有一个这个 claude code， 正在编写代码的一个界面，对吧？首先这几个界面来说， macos 没问题，对吧？Rhino、 Java、 grasshopper 的界面也没问题，而且我在上面也放了一些这个真正 Rhino 和 grasshopper 的这个图，大家就是放大一点，其实其可以看到包括上面包括这些菜单栏，然后和一些这个图标，基本上90%左右正确，然后 Rhino 和这个 grass。 user 2964 01:31:32 OPPO 的这个界面和样子也基本 ok， 然后这个维瑞渲染器它就没有那么准确了，因为首先这个麦这个维瑞对于这个 Mac 无支持，对，就是这是一个骗局，就是这是一个想骗一下这个模型到底懂不懂这个事，对吧？这，对吧？这个但是它还像模像样做出来也算，对吧？就是这，当然这个犯了错也正常，对吧？骗它一下，然后另外这个 Photoshop， 对，因为 Photoshop 的这个界面。网上很多了，所以它的准确度也比较高，包括你看它的这个很多细节都很 ok 了。其实。然后这个包括这个 Claude code 的 Mac 版，就 Claude code 的这个终端版和 Mac 版就长的样子是不一样。然后还有一个细节，就是说它到底这些软件有没有？就像它的这个正确呈现是有这些软件，然后还有选中的图标，然后底下还有个点表示正打开这些东西它都做到。对，这是界面上基本上已经非常高的这个。 user 2964 01:32:32 完成度了，然后就是内容上首先就要求有3D建模，对吧？就3D建模这个模型到底好不好？大家其实看，因为这个它里面这个细节勉强勉强能看，因为毕竟要求过高了，对吧？勉强能看了，就是当然没有那么好了，勉强能看了，然后这个电池组就不强求了，就是它乱写一通了，也不强求了，对吧？就是因为毕竟这个也比较，因为要求比较具体，要。 user 2964 01:33:02 求的是这个泡沫，对吧？要求是这个泡沫表面的这个算法，它可能首先它不一定能查找得到，第二它查找得到不一定能查找得到那个正确的图像，对吧？第三它不一定能正确地生成。然后是接下来就是说这个渲染器和材质，对吧？这个渲染器首先渲染器的样子它蒙了一个大概可以看，但是说它并没有做对，这个模型真正有一个很好的渲染，基本上还是这个。原模的呈现这个差了点意思，然后还有就是 PS 的合成效果，就是他真的把这个去合成了，因为可以看到倒影，虽然他这个，因为他没有渲染这个或者这个三维模型他建得没有那么，那没有那么可看，对吧？但是他和这个图像的合成也 ok 了，也就说他完成了一个任务中的任务，对吧？也就说他不仅在这个完成了 PS 界面，还完成了 PS 界面里的 PS， 对吧？然后还有就是 Claude code 这个。 user 2964 01:34:02 代码，然后首先 claude code 界面的 Mac 界面，大家如果用过的话基本上 ok， 然后就除了有一些这个细节的这个图标和一些小的文字有一些差别之外，基本上95%左右的准确度 ok， 也就说首先他知道 claude code 是啥，也知道代码是啥，也没有和其他东西搞混淆，对吧？完成度已经非常高了。然后最后就是细节是，首先是文字上，不管是代码的文字，还是说这些图标的这种文字上已经非常厉害，然后这个图标。标上就是因为是很多细节的，这个图标上其实大家可以看它没有那么完美了，但是它走在正确的道路上，对吧？就是它没有那么完美，走在正确的道路上，对吧？就基本上粗略可看，对吧？就是那个意思了，就是那个意思基本可识别，但是没有那么精确，这个可以理解了，对吧？然后就是还有就是这个渲染的细节其实是没有的缺失的，对吧？最后就是合成的效果，其实是刚才大家也看到。 user 2964 01:35:02 其实是不错，对吧？是任务中的任务，算不错了，对吧？也就是说最后其实通过这一个比较复杂的这个案例，其实可以看到说新一代模型或者新一代视觉系统，它在准确度，它在精确度、保真度保留，是所有的这个细微小细节和这个还原度上已经非常好，对吧？另外就是这个你有了这个复杂的测试之后，你比如说生成一个这个比较好看，比较可看的。 user 2964 01:35:32 中英双语多语言，然后包含符号、文字、细节、各种东西的杂志图或者说介绍图，其实就能得心应手了。比如说这个，比如说生成一个阿比西尼亚猫的这个杂志页，对吧？它有解析它的这个习性习惯，然后里面有不同的文字都是它写的，就是我的提示词是要求它为我这个生成一个优美的杂志页，里面包含阿比西尼。 user 2964 01:38:32 着，着重说一下这个所有这个图像模型的一个核心，也就是说这有一个图，这有一个这个比较有意思的图，就是借用了这个太极图，因为这个风格迁移和这个特征保持这两个东西比较迷幻，就是目前就是不管是谷歌，像香蕉模型系列还是 GPT 系列，他们都努力把这两个东西同时做到最好。 user 2964 01:38:58 但目前从结果来看，它这两个东西有点互斥，就是。你风格迁移能力更强了，你的特征保持能力就下降了。你风格这个弱了，你特征保持就强了，它是一个动态循环的这个平衡，所以我也用了这个太极图来表示这个意思，就首先可以看有一个，这都是比较系统的对比了整个 GPT 系列模型和香蕉系列模型，第一个比较我自己的一个比较经典的测试，就是给他一个真人，让他同时生成这个真人的。 user 2964 01:39:32 2D版本和3D版本，并且要求这三个人物或者三个角色在一起自拍，对吧？就是首先其实词里要求他们在一起自拍，这个会涉及到这个一个智能的点，就说如果这个模型足够聪明，他会意识到我这是一张自拍图，自拍图里不会包含那个相机，或者不会包含手机这一点上，在 GPT 2上做到，你可以看到之前的所有模型，包括香蕉模型都。 user 2964 01:40:02 出现了一个手机都是一种他拍的模式，也就是说他没有真正从逻辑上理解自拍图的意思，对吧？就是他呈现出了一个人正在自拍，但是他没有意识到这张图是一张自拍图，对吧？首先智能点上来说， GPT 2.0更智能了，然后这个融，首先第二点就是融合程度上来说三个角色，因为这个2D、3D和这个真人在同一个真，这个写实视角下的呈现方式不一样的。所以它的融合程度大家也是有差别的，比如说这个最初代这个比较生硬，就比较生硬，对吧？这个二维的和三维的就是贴在这个人旁边，对吧？然后到了1.5就是彻底拉了之后，就是就不能看了，就1.5就忽略吧。不，1.5在这个任务上就是拉了就拉完了，对吧？然后就是在这个香蕉模型上，你可以看到香蕉模型的融合程度非常的聪明，就是它明白，诶，我的二维。 user 2964 01:41:02 维图不能直接存在一个真人里，所以他把二维就是香蕉第二代模型这张图他把二维模型放在了一个画框里，对吧？这是他聪明的点，然后他也明白这个3D模型的这个东西他也不会直接和那个人贴在一起，所以他是以一个手办的方式站在了旁边，然后这个人和这个合拍，从逻辑上或者说从理性角度来说这个是更准确的，也就是说更科学的，对吧？然后这个。 user 2964 01:41:32 相较模型这个 Pro 模型和 GPT 2这个模型，它们另它们的特点是它怎么能没有那么科学？不像刚才一样那么科学，对吧？但是它符合你的要求，我的要求是它们要在一起融合自拍，对吧？我想要这样的效果，我其实并不想要这样科学准确的效果，它俩做到，对吧？然后而且就是你可以看到这个 GPT 2.0的这个融合程度，基本上都把它同时容纳在一个写实。 user 2964 01:42:02 是风格，下面就是首先这个3D模型，因为它有体积感，它可以和真人产生这个结合错落，然后它这个二维没有体积感，但是它用了阴影的方式来试图表达这个东西，或者说来试图更让这个东西更融合，所以这也是一个很好的效果，所以这张图看起来是没有什么不太合适的点，对吧？然后那这个香蕉模型、 Pro 模型就是它的点，首先是它首先对各个风格的保持是更强。 user 2964 01:42:32 好了，三维模型是更三维模型，2D图像是更3D2D图像，它的融，它的这个拼在一起的这个方式，3D模型坐在了这个真人的肩膀上，这是 ok 的，这是科学的。然后这个二维模型以一个这个插入式的方式来进入到屏幕里，也基本上 ok 的。所以说从这个角度来说， GPT 2.0和这个香蕉 Pro 模型基本上大家可以说各取所需，基本上在站在。 user 2964 01:43:02 第一梯队，然后香蕉第二代模型会更科学一点，然后在写实和真实性上就没有 AI 感上第二代模型，香蕉的第二代模型就明显好于这些，就是这些一看就是这个非常 AI 化，香蕉模型还是保了自己的底子，就是 AI 味没有那么强。对，然后这个看了这个复杂的这个案例，再来一个单任务的案例，就比较简单就可以看到这是，这也是暴露了这个 GPT 2.0模型在这个。特征保持，或者说特征保持上比之前任何一代都强，就这插一下，就是你比如说第一代，这个第一代和第1.5的时候对这个真人特征的保持其实差点意思，就是都没那么像本人，对吧？就是到了第二代是非常像相交日，不是相交日比较像，对吧？然后但是到了第二代这个特征保持比较像，也就说人比较像了之后，风格迁移就差点意思了。就这个对比来说。 user 2964 01:44:02 这个案例的测试就是这个经典的动漫变真人，就1:1变真人，首先可以看到这个 GPT 模型的这个油腻感，就是 AI 感， AI 味非常浓，就是拉完了就是不能用了，就是原来大家可以玩的这个直接转真人就放弃了，1.5可能是这三代里稍微好一点的第一代，这个 GPT 就是因为完全不像，就都不值得参与这个比较，目前来说比较好的还是。 user 2964 01:44:32 香蕉模型的 Pro 模型，你可以看到它的真人，不光是说这个真人的细节和这个没有 AI 感上做得非常好，包括头发，包括这些碎发，然后这些花朵，然后这些机械质感，然后包括皮肤质感，包括这个这些质感都非常的写实化，对吧？然后它的这个背景它也做了写实化处理，也就说它不会出现一个像这种比较尴尬的背景，是一个这个没有被这个写实化处理的一种不搭的东西。 user 2964 01:45:02 所以说就是这一点上来说，如果你还玩这个动漫转真人，还请继续用香蕉模型，对这一代、第二代 GPT 已经是非常的差。然后另外一个稍微复杂一点的测试，就是这个任务就要求比较高了，就是首先这个提示词是这么写的，就是提示词是说我要让首先我的角色是图一，然后我首先你要把图一一比一变成真人，然后把图2变成手办，拿在手。上，然后要以这个图3的这个着装或者穿搭来穿搭，然后再以图4的妆容来呈现，然后要以图5的表情来呈现，最后背景还得是这辆特殊的车，对吧？就是这可以看到最后的完成效果可以达到大概80%，就首先对于这个1:1真人保留了他该有的特征，比如说大耳朵，比如说这个 AI 动漫感的这个脸色。 user 2964 01:46:02 光影和这个眼影，对吧？基本有，然后这个手办你看就是原来大家记得第一代橡胶模型玩的特别好的，就是你直接拿它变手办了，现在直接，对吧？在一个任务中的任务它都能办，变得比较好。而且你看这个手办的这个质感，包括手拿的手办这个空间关系都是比较好，对吧？这个手办这个橡胶的，这个硅胶的这个质感，对吧？这非常完美的。然后这个妆容，对吧？包括这个小的纹身双项链，这个抽壳。然后这个牛仔衣，这个露脐装，对吧？都非常好。然后包括这个粉色头发，对吧？这个换发色有一个比较重的重要的特点就是他的发根自不自然，就是你要看发根自不自然，就是他有没有这个真人感，就是取决于他的发根不会是像那个纯粉色一样的假色，对吧？就包括一些这些阴影，包括这些碎发也非常的真实了，甚至比原来这张图是原来香蕉模型出的都头发质感要更。 user 2964 01:47:02 更真实一点，然后表情，对吧？也基本上遵从了这个表情，一个眼睁一个眼，然后偏向一边的这个笑，对吧？当然可能没有迁移得那么准，不像当年的这个叫啥香蕉模型，可以1:1这个完全复刻这个表情，但是也基本 ok， 也基本可用，对吧？然后这辆车其实从细节上来说，你看它的这个大尾翼，包括这个空气动力学，包括颜色、质感，包括背景，基本上都 ok， 对吧？所以说大家可以看到，比如说你现在一个非常复杂的涉及六张图的六个任务的嵌套的东西，它可以一次性直接完成，对吧？甚至效果达到80%或者90。 user 2964 01:47:48 如果你觉得不好，然后你其实可以在第二次精确编辑，对吧？就是因为它现在精确编辑能力也强，比如说你想换妆容，想换这个肤色，想换装饰，你给它参考图让它换都 ok。你说那你就是你接下来的这个东。东西包括大家用一些 agent， 或者说自己做一些 agent， 甚至可以做一个美妆类，或者说这个是一类，或者说这个综合叠加在一起的 agent 都可以玩。也就是说背后的这个 s skill 你都不用写几行，甚至，对吧？因为模型能力很强，对，然后就是另外就是大家这个就是比较这个常用到的一个小的案例的典型，就是比如说大家想用这个在一个这个凸面镜或者凹面镜上。夸张表情合照，对吧？保持人物特征还要比较有活力。 user 2964 01:48:36 其实前几代模型或者香蕉模型上这个人物的动态或者表情都稍微死板一点，这一代会明显好，这个活泼很多，然后不过也可以看出当人多的时候，每个人都没有那么像，就不如这个一个人的时候那么像，也就是说它有一个衰减效应，就是尤其中间的这位，这个韩妆的这个女生，其实就脸型和这个样貌，其实就。 user 2964 01:49:02 很不像了其实，对吧？然后另外底下这个就是想说大家有一些创意的玩法，就是我不光是想那个和真人合照，我还想和这个动漫或者说一些 cosplay， 或者说我自己的，我自己没有没条件做 cosplay， 我有一个角色参考，他帮我 cosplay， 对吧？所以做这种融合，然后叠加特殊的胶片效果，他也 ok。 user 2964 01:49:25 但是大家要这个注意一点，就是大家让他在做胶片效果的时候，就是让他尽量。跟他说白平衡亮一点，或者说这个，这这这叫啥来着？差一点就是因为你这个如果胶片化太严重，可以看到这个，其实他皮肤质感和这个叫啥会略差那么一点，就可以，大家就如果注意的话，其实可以做得更好。对，然后还有就。 user 2964 01:50:02 就是对，风格迁移，对，就是这，说完这刚才这条线都是这个特征保持，大家其实可以看到特征保持已经这一代，因为之前 GPT 1.0和 GPT 1.5的最大缺陷就是特征保持，就是它一直不像，一直保持不了，它这一代终于可以了，但是它同时也损失了一些风格迁移能力，就是之前是这样，就是香蕉模型的特点是特征保持非常好，风格迁移差，但是这个 GPT 是。 user 2964 01:50:32 风格迁移非常好，这个特征保持差一点，但现在阴阳反转，就是大家可以看到这就是从第一代模型的时候，大家可以看到参考图是这样，这个原图是这样，第一代模型是非常像样的，非常像样，对吧？保持了这个原图该有的特征和特性之后，也非常贴合这个要求的风格，对吧？这是一个比较平衡的点，然后同时看到第一代香蕉的时候，你就发现香蕉的这个特征保持太强了，风格迁移。弱，所以它太像这个原图了，和这个风格几乎没有区别，和这个风格这个没有相似性了。然后到了香蕉模型的 Pro 之后，或者到了第二代之后，你发现诶，强了，对吧？ user 2964 01:51:16 就是它明显强了，它可以很好的这个学习到这个风格的表达这个语法，也就是说我的这个风格表达语法是极简的，这个极简略带有这个三维。诶，阴影质感的这个表达，对吧？它不光是纯二维的，就是比如说看到第一代是纯二维的，其实是不够的，对吧？这个是带有这个2.5D或者说略为三维的质感的，对吧？然后还有它的表达方式，它的鼻子和嘴是线条式的，然后这个头发是丝头发、眼镜、眼睛、眉毛、衣服是色块式的，对吧？这是关键点，然后你可以看到这个第二代香蕉模型和这个 Pro 香蕉模型都基本上做到，对吧？它有三维的。 user 2964 01:52:02 略微的质感，然后这个条纹的这个处理，然后图案的处理和这个眼睛、鼻子的处理都非比较完美的。也就是说这在我的这个人的要求，或者说我的这个想法下，我认为这两个是最佳答案了，就是首先说很好地提取了它的东西，然后完成了我要的表达方式或者表达语法的转译，对吧？然后但是你看可以看到就是说第二代这个 GPT 模。模型有点，第一代这个香蕉模型的意思就是有点太像原来的人了，原来有点越太像原图了，对，这个风格的这个特征的这个迁移其实差了，对吧？它不应该出现这样的嘴唇和这样的鼻子，以及这样的光影，对吧？也不应该出现这样这个密集的这个线条，对吧？包括这些线条，对吧？这些其实是这个香蕉模型的2会更好一点，它既要达到这样的抽象化，对吧？就是也就说其实大家的看到这个案例。会意识到他在平衡了特征保持的时候略微损失了这个风格迁移。这个也给大家提个醒，就是如果你需要更好的风格迁移，请配合香蕉模型来使用。 user 2964 01:53:13 对，然后另外就是这个比较高级质感的这个光影和海，这个光影和这个材料质感的特殊表达，这一代上确实是较之前有比较好的提升啊。首先这个这一个测试上也是比较经典的测试，从这个。第一代，去年第一代的相，这个 GPT 模型就开始了，然后你可以看到下面整个香蕉模型一直是比较怎么说比较写实化的，就是风格化没有那么好写实化的这个表达，就是看它有一股浓浓的这个塑料感，对吧？有浓浓的塑料感，然后但是你也可以看到第一代到第二代和 Pro 的这个进步是巨大，对吧？然后这个从美学质量和这个效果上来看，当然还是 GPT 从第一代就领先。 user 2964 01:54:02 前一直领先到现在，中间1.5是拉了，中间1.5是拉了，就是你看他忽然出了很多这个色粉一样的东西，就是其实包括刚才在这个上也有体现，就是你可以看到他有特别多这个亮晶晶色粉的东西，其实是这个1.5的数据集或者训练方式导致他不是那么好，然后2.0基本上完全规避了这个缺点，然后还可以看到2.0在光影和这个特殊橡胶。 user 2964 01:54:32 橡皮泥一样质感的这个对光影的这个多层次表达和质感的表达上已经是比第一代好了非常多。那包括这个光影的韵律，然后这个文字衬在这个光影的一些的畸变，对吧？都明显比这个第一代要好了很