AI・テクノロジー
ChatGPT图像2.0｜乱码归零的原因
機械翻訳 / Machine-translated
A
AI Friends
2026年5月5日・10分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
"用AI生成的图片里加入日语文字，结果变成一堆奇怪符号"——你有过这样的经历吗？
2026年4月22日，OpenAI发布了从根本上解决这一烦恼的模型ChatGPT Images 2.0（gpt-image-2）。这不仅仅是一次普通更新，而是对图像生成AI架构（设计理念）本身的全面重构。
OpenAI于2026年4月22日正式发布了图像生成新模型"ChatGPT Images 2.0"。
ChatGPT用户可以以"ChatGPT Images 2.0"的形式使用，开发者则可通过API以"gpt-image-2"的形式调用。
发布当日即开始向ChatGPT Plus、Team、Enterprise用户推送，API也于同日开放。
上一代模型是基于DALL-E 3的"GPT Image 1.5"。
gpt-image-2是从头重新设计架构（设计理念）的全新模型。
最大的变化是整合了"推理功能（Thinking capabilities）"。OpenAI O系列（o3、o4-mini等）擅长的"深思熟虑后再给出答案"的能力，被嵌入到了图像生成的前置流程中。
首先，为什么以往的AI难以处理日语文字？
过去的大多数图像生成AI采用的是一种称为"扩散模型（Diffusion Model）"的机制，即从噪声（雪花屏）中逐步还原图像。
扩散模型存在根本性的弱点：文字在图像中仅占极少数像素（点），而训练数据大多为英语、拉丁字母的模型，无法精确再现日语复杂的字形。
一个汉字包含多个笔画和微妙的形态差异。扩散模型会对这些细节进行"大概是这个形状"的插值（拼凑），从而产生无法辨认的文字。
尤其是日语、中文、韩语、阿拉伯语等非拉丁文字，与英语相比训练数据更少，字形又更复杂，因此乱码频发。
gpt-image-2所采用的解决方案，是在绘制图像之前增加"制作设计图"的步骤。
模型在接收到提示词（指令）后，会先充分推理（思考）"文字放在哪里""字号和方向如何设置"，然后再开始绘制。
打个比方，就像人类设计师以前是"不打草稿直接正式上手"，现在变成了"先做线框图再进入设计"。
这一推理步骤融入了OpenAI的O系列模型，负责提前规划布局、构图和文字的空间排列。
gpt-image-2在日语、中文、韩语、阿拉伯语、孟加拉语等非拉丁文字的渲染精度达到了95%以上，OpenAI在官方博客中如此发布。
具体而言，以下表现已达到实用水平：
此外，还可以在生成过程中执行Web搜索，因此"最新产品名称""实际存在的地名的正确写法"等也能精确呈现在图像中。
除解决乱码外，gpt-image-2还具备多项功能。
① 最高2K分辨率：从以往的1024px上限提升至2048px，可满足印刷品和A3海报的需求。
② 自由宽高比：从横向3:1（超宽横幅）到纵向1:3（智能手机竖屏），可按1档步进指定，适配各社交媒体平台的最优尺寸。
③ 单次提示最多生成8张一致图像：在保持同一角色或世界观的前提下批量生成多个方案，大幅提升漫画页面排版和A/B测试素材创作的效率。
④ 联动Web搜索：生成过程中可搜索互联网获取最新信息，能够制作反映时事的视觉内容，或参照真实Logo、商品外观的图像。
⑤ 自检功能：生成后对输出进行自我评估，若质量不达标则尝试重新生成，大幅减少反复点击"再生成一张"的麻烦。
截至2026年4月，市面上主要的图像生成AI有多款，以下按用途整理：
如果需要在图像中加入日语文字，截至2026年4月，gpt-image-2的精度最高——多份评测的结论一致如此。
另一方面，如果追求写实人物照片风格或独特的艺术感，Midjourney v8依然强势；若希望在商用层面完全规避许可证风险，Adobe Firefly是备选方案。
据一位广告公司设计师介绍，"日语横幅用gpt-image-2，面向海外的艺术类视觉用Midjourney"——按用途分开使用的案例正在增多。
以往，"要制作含日语文字的横幅，先用图像生成AI打底，再用Photoshop后期添加文字"是普遍的工作流程。
gpt-image-2可以直接输出包含日语文字的完稿，因此后期处理的工作量将大幅减少。
以电商网站的促销横幅为例，以往需要①AI生成→②Photoshop添加文字→③调整尺寸→④审核，至少4个步骤。用gpt-image-2则可压缩为①一键提示→②指定尺寸输出→③审核，共3步。
单次提示生成8张一致图像与日语台词渲染的组合，有望为漫画的分镜（草稿）创作带来革命性变化。
事实上，漫画家和Webtoon作者之间，"用gpt-image-2试制分格和台词→手绘线稿"的混合创作模式正在兴起。
出版社和游戏公司也将其作为削减概念艺术阶段成本的有效手段，导入案例持续增加。
对于无法聘用专属设计师的中小企业而言，这是格外重大的消息。
能够用AI制作含日语文字的促销物料，意味着可以在削减外包设计费的同时提高更新频率。
例如餐饮店用于社交媒体发帖的菜单图、补习班和兴趣班的传单、网店的商品横幅等，以往需要外包的项目都有望实现内部化。
A. 截至2026年4月22日，适用对象为ChatGPT Plus、Team、Enterprise用户及API用户。
官方尚未宣布向免费版开放的时间，但有可能像上一代模型（GPT Image 1.5）一样逐步开放。
A. gpt-image-2的API费用约为每张图标准分辨率0.04～0.08美元（约6～12日元）。
选择2K分辨率或高质量模式费用会有所上升。每月生成1万张时，400～800美元（约6～12万日元）为参考费用。与Midjourney月费套餐相比，大批量生成时API的成本效率可能更高。
A. 根据OpenAI使用条款，gpt-image-2生成的图像允许商业使用。
但禁止用于真实人物肖像、版权内容复制及容易引起误导的内容。与Adobe Firefly不同，训练数据的商业许可未作明确说明，因此对风险敏感的企业有时会选择Firefly。
A. 基本的竖排文字已支持，但复杂布局需要确认。
在提示词中明确注明"竖排"可提高精度。建议生成多个方案后确认标点位置和避头尾（禁则处理）。商业用途务必在生成后进行人工目视核查。
A. 架构（设计）有根本性差异，最大的不同在于"是否有推理步骤"。
GPT Image 1.5是基于DALL-E 3的扩散模型，gpt-image-2则是在绘制前先经过思考步骤的自回归模型。文字精度、构图准确性以及对复杂指令的跟随能力均大幅提升。
最应该率先尝试的人，是所有定期制作含日语文字图像的创作者和营销人员。ChatGPT Plus用户可立即上手。建议从"请帮我制作一张包含日语文字的横幅"这样简单的提示词开始。
本文为 AI Friends 的交叉发布文章。
