A OpenAI anunciou nesta terça-feira, 25, a liberação da geração de imagens dentro do ChatGPT, com a nova função batizada de “Images in ChatGPT”. A novidade utiliza o modelo GPT-4o, sigla para omnimodal, capaz de gerar diferentes tipos de dados — texto, imagem, áudio e vídeo.

A criação de imagens estará disponível para todos os planos do ChatGPT, incluindo a versão gratuita, que seguirá os mesmos limites de uso do DALL·E 3.

A nova tecnologia traz ganhos técnicos. O principal avanço está na capacidade de "binding", termo usado para descrever a habilidade do modelo em manter coerência entre atributos e objetos. Modelos anteriores falhavam em comandos com múltiplas variáveis visuais —, frequentemente trocando as cores ou omitindo elementos.

O novo sistema consegue representar de forma precisa até 20 objetos distintos por imagem, contra os 5 a 8 de modelos anteriores.

Outro ponto de evolução é a renderização de texto em imagens, desafio frequente em IA visual. Em testes, o sistema mostrou-se mais capaz de gerar palavras legíveis e com menos erros ortográficos, o que é essencial para conteúdos como cartazes, menus e logos.

Modelo sequencial gera imagens como se estivesse escrevendo

A arquitetura usada no novo gerador se diferencia dos modelos de difusão como o DALL·E. Em vez de criar a imagem como um todo, o sistema da OpenAI usa um método autorregressivo, construindo a imagem linha por linha, da esquerda para a direita e de cima para baixo — de forma semelhante à escrita de um texto.

A empresa também destacou a utilidade prática do recurso em materiais como adesivos com fundo transparente e cardápios personalizados.

Para contornar possíveis maus usos, a OpenAI diz ter implementado filtros para bloquear usos indevidos como deepfakes sexuais e pedidos relacionados a exploração infantil. A geração de imagens também impede a remoção de marcas d’água.

Apesar disso, as imagens não contarão com marcas visuais explícitas indicando que são feitas por IA. Em vez disso, todas trarão metadados no padrão C2PA, consórcio criado para identificar conteúdos digitais autênticos