上周（3 月 26 日 ），OpenAI 突然来了一个更新，将 GPT-4o 模型集成了图像生成功能，正式向 ChatGPT 的 Plus、Pro、Team 及免费用户开放。同时，该功能在 Sora 平台也已同步启用。经测试，Plus 用户几乎没有使用次数限制，在 Sora 上可以最多单次生成 4 张图片，体验更好。（ 由于访问量过大，现在已经限制为两张）

观察各种测试案例，可以发现 GPT-4o 能够实现多种神奇的功能或特性，包括主体关系控制、多视图生成、精准轮廓的风格迁移、知识理解能力、多轮对话编辑能力、多元素的一致稳定性控制、复杂文字嵌入和排版等。

实际上，一句话总结就是超精准的指令遵循，以及自主生成部分的可靠性。

OpenAI 的 CEO Sam Altman 表示此举将开启创作自由的新高峰。

如果没有深度融入创作者的工作流中，创作自由不过是随口说说，所以目前网上零散的案例并没有太高的说服力。

为了测试 Sam Altman 是不是在吹牛，知危编辑部做了一个深度测评，用一个主题和多轮对话，将上面提到的特点一次性测试完成。简单来说，就是开局一只柴犬，用 Sora（ 也就是 GPT-4o 的图片生成能力 ）来做一个中世纪 RPG 游戏的概念设计。

怎么做？很简单，给柴犬穿上盔甲，通过时空隧道送到中世纪就行了。

实测效果表明，GPT-4o 画图的前后一致性实在太惊人了。画了几十张图，就都没有跑偏。

为了展示这种一致性，我们暂时跳过画图的过程、顺序和提示词，先展示一下成品样图。

序章：使命的开始。传说中，在古老的兰斯王国，被诅咒的石头城堡已经被黑暗魔法侵蚀数百年。

其中栖居着可怕的橘猫魔 —— 一个吞噬灵魂、操控城堡的黑暗法师。

汉字生成还是有些问题，但是能看懂

王国最后的希望，就寄托在这位身披银白色板甲的柴犬骑士身上。他的名字叫艾伦，手中的长剑 " 王国的黎明 " 是王室传承的神器。

年轻的柴犬骑士将面临极端危险的任务。他不仅要打败橘猫魔，还得面对城堡中9种强大怪物的阻挠。

他感到既兴奋又紧张，急急忙忙清点装备。

出发！

当艾伦踏入诅咒城堡的瞬间，第一个考验已悄然而至。石之精灵——那个能融入石墙的微小怪物，突然从墙面裂缝中弹出。利爪闪烁，尖啸划破寂静。

艾伦本能地侧身，长剑一挥，精灵应声而碎。

这只是开始，城堡似乎在用最微小的守卫测试他的决心。

随着深入城堡，艾伦遇到越来越强大的敌人。

腐烂蘑菇骷髅、暗影鼠群、破碎铠甲傀儡……

每一个怪物都仿佛是这座诅咒城堡漫长历史的见证者。

在城堡的深处，他遇到了最危险的对手之一：全身覆盖神秘符文的狼人。

那是一个强大到令人窒息的存在，仿佛随时可以撕裂现实。

关键时刻，艾伦召唤了之前在高层的城楼战斗中降服的腐肉骑士和瘟疫乌鸦。

藤蔓缠绕，乌鸦群包围，符文狼人瞬间破防。他趁机给予致命一击，击败了这个强大的守卫。

在进入城堡最高的大厅之前，柴犬骑士在一个碑文上读到了橘猫魔的身世，以及王国灾厄的根源。

汉字生成依然有些崩，但是依然能看懂

打开大门后，柴犬骑士终于和橘猫魔面对面。

一言不合，橘猫魔瞬间黑化和巨大化。这是一个已经与城堡融为一体的存在，半神半魔，操控着数百年的黑暗力量。

战斗一触即发！

双方对峙，力量在空气中激荡；能量激烈碰撞，周围空间扭曲；艾伦积蓄所有力量，释放 " 王国的黎明 " 最强一击。

当最后一缕黑暗消散，艾伦站在废墟中。橘猫魔彻底被击败，城堡开始恢复光明。远处，阳光透过破损的窗户洒落。橘猫魔留下的魔法袍，此刻安静地悬浮在艾伦面前。这是战利品，也是王国新的希望。

当他披上这件充满古老魔法的袍子，瞬时就将魔法与力量相结合，领悟了四个新的招式：猫爪裂空斩、猫影穿刺、猫尾旋风、猫步震地刀。

王国重新恢复了昔日里宁静祥和。

柴犬骑士没有停下脚步，他知道邪恶的根源没有被彻底清除，于是继续踏上征程。

站在一片灰暗的悬崖边缘，魔法袍轻轻飘动。他背对着腐烂的沼泽，长剑横在背后，宽大的袍子上点缀着青绿色的符文。

远处，腐烂的树木如同巨大的骸骨，在雾气中若隐若现，断裂的石桥犹如一根被折断的脊梁，横跨在死寂的沼泽之上。

这将是柴犬骑士要面临的第二个难关：腐败沼泽深渊。

以上是知危编辑部臆想出的 RPG 游戏《 诅咒世界：破碎王国 》的开头，所有图片均为 GPT-4o 生成。

在构想中，破碎王国整个世界是破碎的孤岛连接而成，每个关卡都是这个破碎世界的一个层级，层级之间并非直线连接，而是通过扭曲的空间通道相互链接。

世界构成为：

底部核心：诅咒城堡；

第二层：腐败沼泽深渊；

第三层：冰封王座高原；

第四层：灼烧熔炉废墟；

第五层：暗影织网迷宫；

顶层：时空破碎祭坛。

战斗才刚刚开始。

注：此动图并非 4o 生成，而是Sora生成的视频

好了，游戏设计到此为止。我们回过头来评估一下生成效果。

可以说，从头到尾，柴犬和其它怪物的形象都没有发生太大偏差，甚至装备、城堡都保持了很好的一致性，这是整个过程中最深刻的体会。

橘猫魔的身世背景介绍展示了 GPT-4o 嵌入大量文字的强大能力，GPT-4o目前对非拉丁文字的生成还不擅长，但还是那句话，你莫名其妙基本能读懂。

我们给 GPT-4o 的提示词是这样的：

以下是橘猫魔的详细档案，请用一个中世纪羊皮纸的形式呈现以下信息：

名称：橘猫魔

生平背景： 橘猫魔原本是一位王国最强大的法师，精通黑暗魔法和古老禁忌咒术。数百年前，他因追求永生和至高无上的力量，背叛了魔法师协会，将整个石头城堡作为自己的魔法实验场。通过献祭城堡中的所有居民，他完成了一个惊天动地的仪式，将自己与城堡融为一体，成为了一个半神半魔的存在。

征服石头城堡的过程：

• 用 72 天的黑暗仪式将城堡转化为自己的永恒领域
• 吸收了城堡中所有生命的灵魂力量
• 将城堡本身变成了一个巨大的活体魔法生物
• 彻底切断了城堡与外界现实世界的联系

能力属性：

• 生命值：10000
• 魔法值：15000
• 力量：850
• 敏捷：600
• 智慧：1200
• 精神抗性：99%

武器与魔法装备：

主武器：灭世之爪

每次攻击能吸收敌人10%的生命力

副武器：城堡意志权杖

能召唤城堡内任何区域的守卫

这些文字也被 GPT-4o 提取到了橘猫魔的资料卡中，但是你仔细看会发现，属性还是有一些是标错了的。

城堡怪物图谱是通过对每个怪物都指定一个描述来生成的，基本都遵循了指令。这种能力属于多元素的一致稳定性控制，在制作统一风格的场景、人物、装备元素时特别有用。

上图我们给 GPT-4o 的提示词是这样的：

柴犬骑士在石头城堡（ 被诅咒的城堡 ）的冒险中，在找到最后的 boss 之前，将面临 6 种小型怪物，3 种中型怪物的阻挠，以下是这些怪物的描述：

小型怪物 ( 6 种 ) ：

①石之精灵：能融入石墙的微小尖啸怪，突然从墙面弹出攻击敌人。

②腐烂蘑菇骷髅：从地牢潮湿角落爬出的会移动的植物骷髅。

③暗影鼠群：能在黑暗中集群攻击，如幽灵般迅速移动的诡异啮齿生物。

④破碎铠甲傀儡：由残缺铠甲组成的会自行移动的战争残骸。

⑤诅咒蝙蝠：翅膀带有诡异符文，能发出令人战栗的尖啸。

⑥瘟疫乌鸦：身体散发黑色瘟疫雾气的诡异禽类。

中型怪物 ( 3 种 )：

①石像鬼守卫：能瞬间变成石头并偷袭的半人形怪物。

②腐肉骑士：半腐烂的骑士，身上缠绕不洁的藤蔓。

③符文狼人：全身覆盖神秘符文的半兽人形态。

请生成一个游戏页面（ 怪物图谱 ）展示这些怪物的简笔画，注意页面排布美观整齐，怪物特征和页面风格要符合中世纪 RPG 的世界观。

这组怪物图谱的画风，也轻易地迁移到了后续 Doge 获得新技能的制作以及世界观地图的制作中。

制作出具有一致性图像的关键，在于合适的参考图和详细的提示词（ 很大一部分提示词借助了 Claude 生成，这何尝又不是一种 NTR 呢 ）。比如柴犬骑士在第二关开头的场景。

对于这个场景的生成，结合第一关开头的构图、柴犬骑士的本体形象，就能更好保证一致性。

对于游戏完整地图的生成。

提供相同画风的图谱、剑谱，就能控制画风的一致性。

空间构图的设计，对画面效果的呈现也很重要。

比如，如果用比较简单的提示词，来生成柴犬骑士和橘猫魔的对峙，看起来像在拉家常。

我们给 GPT-4o 的提示词是这样的：

接下来，加上空间构图提示词。

氛围感一下子就出来了。

整个生成过程当然不是一镜到底，还是会有不少 Bug，以及难以实现的细节。

比如柴犬骑士有时候双足站立有时候不是，甚至会出现同时有四只脚和两只手的情况，物品栏中的头盔形状和柴犬骑士实际佩戴的不一样，城堡在被诅咒前后的外形细节偏差等等。

比如生成装备选择画面的时候，调了很多次提示词都没有得到满意的效果，当然也不排除我们所使用的提示词不够专业和系统的原因。

怪物图谱生成如果元素过多或不能划分为 m*n 的矩形（ 比如 16=4*4 ），也可能导致生成效果不规整，视觉排布凌乱。

最难实现的细节是不同主体的复杂交互，比如柴犬骑士击中石之精灵的瞬间、腐肉骑士和符文狼人打斗的瞬间，都很难遵循详细的提示，呈现效果一般。

细节错误可以用局部编辑完善，但对图片进行局部编辑的时候，不能完全保证修改范围局限在指定的位置。

比如第一次生成的游戏地图，在 “ 冰封王座高原 ” 部分的英文标注是错误的，应该是 “ Frozen Throne Plateau ”，但写成了 “ Scorching Furnace Ruins ”（ 灼热熔炉遗迹 ）。

对 “ Scorching Furnace Ruins ” 涂抹掩码，提示进行修改并重新生成后。最终效果是满意的，但最顶部的 “ 时空破碎祭坛 ” 的外形被修改了。

到这里，评测就结束啦！

总体而言，GPT-4o 的生图功能，相比过往其它生图应用的体验，不听话、乱画没说的、画的不像话，这种令人崩溃的体验，少了太多太多。只要用 Sora 一次生成 4 张图，获得想要的结果的概率极大。

在 “ 柴犬骑士勇闯破碎王国 ” 的概念设计中，GPT-4o 展现了精准的指令遵循、惊人的图像一致性，这种能力，正是将技术从工具升华为创作伙伴的关键所在。可以说 GPT-4o 为创作者打开了一扇通向想象的大门，看来 Sam Altman 没有说的太夸张。

当然，GPT-4o 不是终点，而是一个令人兴奋的起点。

参考资料

https://openai.com/index/introducing-4o-image-generation/