https://ericchung24.github.io/blog/tags/%E5%9C%96%E7%89%87%E7%94%9F%E6%88%90/Recent content in 圖片生成 on EricChung的程式勇者村Hugo -- gohugo.iozh-twWed, 22 Apr 2026 00:30:00 +0800https://ericchung24.github.io/blog/p/openai-%E6%9C%80%E6%96%B0%E5%9C%96%E7%89%87%E7%94%9F%E6%88%90%E5%8A%9F%E8%83%BD%E6%95%B4%E7%90%86%E7%8F%BE%E5%9C%A8%E4%B8%8D%E5%8F%AA%E6%98%AF%E7%94%9F%E5%9C%96%E9%82%84%E8%83%BD%E6%94%B9%E5%9C%96%E4%BF%AE%E5%AD%97%E5%81%9A%E9%80%8F%E6%98%8E%E8%83%8C%E6%99%AF/Wed, 22 Apr 2026 00:30:00 +0800https://ericchung24.github.io/blog/p/openai-%E6%9C%80%E6%96%B0%E5%9C%96%E7%89%87%E7%94%9F%E6%88%90%E5%8A%9F%E8%83%BD%E6%95%B4%E7%90%86%E7%8F%BE%E5%9C%A8%E4%B8%8D%E5%8F%AA%E6%98%AF%E7%94%9F%E5%9C%96%E9%82%84%E8%83%BD%E6%94%B9%E5%9C%96%E4%BF%AE%E5%AD%97%E5%81%9A%E9%80%8F%E6%98%8E%E8%83%8C%E6%99%AF/<img src="https://images.unsplash.com/photo-1516321318423-f06f85e504b3?auto=format&fit=crop&w=1200&q=80" alt="Featured image of post OpenAI 最新圖片生成功能整理：現在不只是生圖，還能改圖、修字、做透明背景" /><p>如果你對 OpenAI 圖片功能的印象還停在「輸入一句 prompt，AI 幫你畫一張圖」，那現在已經不太一樣了。</p> <p><strong>截至 2026 年 4 月 22 日，OpenAI 官方文件已經把圖片能力往「生成 + 編修 + 多輪修改 + 可整合進產品」這條路推得很完整。</strong></p> <p>而且重點不是只有「畫得更漂亮」，而是它開始更像一個真的可以工作的圖片工具。</p> <hr> <h2 id="先講結論現在-openai-的圖片功能強在哪">先講結論：現在 OpenAI 的圖片功能強在哪？ </h2><p>如果用最白話的方式講，最新一代方向有 4 個重點：</p> <ol> <li><strong>不只是生圖，還很強調改圖</strong></li> <li><strong>對文字的理解和輸出更穩</strong></li> <li><strong>可以把圖片當輸入，做參考、重製、局部修改</strong></li> <li><strong>不只給人手動玩，也很適合接進 App 或工作流程</strong></li> </ol> <p>這是它跟早期圖片模型最大的差別。</p> <p>以前很多 AI 生圖工具的體驗是：</p> <blockquote> <p>第一次很驚豔，第二次開始就發現它常常「知道你想幹嘛，但做不準」。</p> </blockquote> <p>現在 OpenAI 官方主推的 GPT Image 路線，明顯是在解這個問題。</p> <hr> <h2 id="如果你只記得-dalle-3現在要更新一下印象">如果你只記得 DALL·E 3，現在要更新一下印象 </h2><p>很多人一提到 OpenAI 生圖，腦中第一個名字還是 <strong>DALL·E 3</strong>。</p> <p>但如果看官方現在的 API 文件，主力方向已經不是「DALL·E 系列是主角」了，而是 <strong>GPT Image 系列</strong>。</p> <p>官方文件目前已經列出：</p> <ul> <li><code>gpt-image-2</code></li> <li><code>gpt-image-1.5</code></li> <li><code>gpt-image-1</code></li> <li><code>gpt-image-1-mini</code></li> </ul> <p>其中 <code>gpt-image-1</code> 在模型頁已經被標成 <strong>previous image generation model</strong>，意思很明確：</p> <blockquote> <p><strong>現在的新方向不是回到舊的 DALL·E 命名，而是把圖片能力整合進 GPT 系列能力裡。</strong></p> </blockquote> <p>這個變化很重要，因為它代表 OpenAI 不再把圖片當成一個獨立、孤立的模型功能，而是把它變成整體多模態能力的一部分。</p> <hr> <h2 id="不是只會畫圖而是會照你的要求修改">不是只會「畫圖」，而是會「照你的要求修改」 </h2><p>這大概是一般使用者最有感的進步。</p> <p>以前很多 AI 生圖工具的問題是：</p> <ul> <li>第一次生成還不錯</li> <li>但你一改需求，它就整張重來</li> <li>你想保留某個元素，它常常保不住</li> <li>你要它只改一小塊，它卻順手把別的地方也改掉</li> </ul> <p>現在 OpenAI 官方文件很明確強調的能力包括：</p> <ul> <li><strong>generate images</strong>：從文字直接生成圖片</li> <li><strong>edit images</strong>：修改既有圖片</li> <li><strong>image inputs</strong>：可以把圖片本身當成輸入</li> <li><strong>multi-turn editing</strong>：可以一輪一輪慢慢修</li> </ul> <p>這代表你比較像是在跟一個設計工具合作，而不是每次都在抽卡。</p> <p>例如你原本有一張商品圖，你可以要求它：</p> <ul> <li>把背景改成純白</li> <li>把杯子顏色改成霧黑</li> <li>保留 logo 不要變</li> <li>幫我加上透明背景版本</li> <li>把海報上的標題字改正</li> </ul> <p>這些需求的價值，不在於「炫」，而在於<strong>真的有工作用途</strong>。</p> <hr> <h2 id="為什麼大家會特別在意文字能不能畫對">為什麼大家會特別在意「文字能不能畫對」？ </h2><p>因為這是早期 AI 圖片模型最容易翻車的地方之一。</p> <p>以前你叫它做一張海報、價目表、封面圖、社群貼文，常常畫面很漂亮，但字一放上去就變成亂碼。</p> <p>OpenAI 在官方介紹 API 圖片模型時，特別強調了幾件事：</p> <ul> <li><strong>better instruction following</strong></li> <li><strong>accurately render text</strong></li> <li><strong>use world knowledge</strong></li> </ul> <p>翻成白話就是：</p> <ul> <li>你叫它做什麼，它比較聽得懂</li> <li>圖裡的文字比較有機會真的寫對</li> <li>它對現實世界物件、情境、風格的理解更強</li> </ul> <p>這對一般人來說，意義非常直接。</p> <p>因為圖片 AI 真正有商業價值的場景，很多都不是純藝術創作，而是：</p> <ul> <li>社群貼文圖</li> <li>活動宣傳圖</li> <li>商品示意圖</li> <li>App mockup</li> <li>簡報封面</li> <li>教學圖卡</li> </ul> <p>這些東西幾乎都跟「字要對、版面要穩」有關。</p> <hr> <h2 id="它現在比較像-photoshop--ai不只是-midjourney-式的靈感機器">它現在比較像 Photoshop + AI，不只是 Midjourney 式的靈感機器 </h2><p>這句話不是在做產品比較，而是在講使用心智。</p> <p>很多人以前對 AI 生圖工具的期待是：</p> <blockquote> <p>幫我畫一張很酷的圖。</p> </blockquote> <p>但 OpenAI 現在這條路更像是：</p> <blockquote> <p>幫我把這張圖做成我真的能用的版本。</p> </blockquote> <p>差別很大。</p> <p>前者偏創意發想，後者偏工作流。</p> <p>所以 OpenAI 這套圖片能力特別適合下面這些人：</p> <ul> <li>要快速做視覺素材的內容創作者</li> <li>要產商品圖、行銷圖的電商團隊</li> <li>要做封面、插圖、概念圖的自媒體或設計師</li> <li>想把生圖功能整合進產品的開發者</li> </ul> <hr> <h2 id="開發者視角現在可以怎麼接進產品">開發者視角：現在可以怎麼接進產品？ </h2><p>如果你是工程師，這一段比較重要。</p> <p>OpenAI 目前把圖片能力放在兩種主要用法裡：</p> <h3 id="1-image-api">1. Image API </h3><p>適合這種需求：</p> <ul> <li>單次生成一張圖</li> <li>單次改一張圖</li> <li>後端明確控制輸入與輸出</li> </ul> <p>這種模式比較像：</p> <blockquote> <p>我知道我要做什麼，直接呼叫 API 執行。</p> </blockquote> <h3 id="2-responses-api--image_generation-tool">2. Responses API + <code>image_generation</code> tool </h3><p>適合這種需求：</p> <ul> <li>對話中順手生成圖片</li> <li>讓模型自己判斷現在該不該出圖</li> <li>在多輪流程中反覆改圖</li> <li>做聊天型產品、助理型產品、創作工具</li> </ul> <p>這種模式比較像：</p> <blockquote> <p>我不是只做一次生圖，而是要把圖片能力放進整個互動流程裡。</p> </blockquote> <p>這也是現在 OpenAI 很明顯在推的方向：<strong>圖片不是單獨功能，而是 Agent / Assistant / Workflow 的一部分。</strong></p> <hr> <h2 id="具體可控制哪些東西">具體可控制哪些東西？ </h2><p>根據官方文件，現在圖片輸出可以控制的面向包含：</p> <ul> <li><strong>尺寸</strong>：例如方圖、直式圖、橫式圖</li> <li><strong>品質</strong>：低、中、高</li> <li><strong>格式</strong>：不同輸出格式</li> <li><strong>壓縮</strong>：JPEG / WebP 可調整壓縮程度</li> <li><strong>背景</strong>：透明或不透明</li> <li><strong>動作</strong>：自動判斷、直接生成、或編輯圖片</li> </ul> <p>這代表它不是只有「給你一張圖」，而是可以更接近實際產品需求。</p> <p>例如：</p> <ul> <li>電商商品卡需要透明背景</li> <li>部落格首圖要橫式比例</li> <li>App 內縮圖要控制檔案大小</li> <li>編輯器產品需要保留原圖細節再微調</li> </ul> <p>這些都比「能不能畫出一隻貓」更接近真實世界。</p> <hr> <h2 id="一般人現在最適合怎麼用">一般人現在最適合怎麼用？ </h2><p>如果你不是開發者，最實際的使用方式其實不是追求最複雜 prompt，而是先從「明確任務」開始。</p> <p>比方說：</p> <h3 id="1-做社群圖">1. 做社群圖 </h3><p>不要只寫：</p> <blockquote> <p>幫我畫一張科技感圖片</p> </blockquote> <p>比較好的寫法是：</p> <blockquote> <p>幫我做一張 16:9 的科技風社群首圖，主題是 AI 自動化，背景乾淨，標題預留空間在左上角。</p> </blockquote> <h3 id="2-改現有圖片">2. 改現有圖片 </h3><p>如果你已經有圖，通常比從零開始生更穩。</p> <p>例如：</p> <blockquote> <p>保留人物與構圖，把背景改成簡潔辦公室風格，顏色改冷色調。</p> </blockquote> <h3 id="3-做有字的圖">3. 做有字的圖 </h3><p>請把文字內容直接寫清楚，並拆成層次。</p> <p>例如：</p> <blockquote> <p>做一張活動海報。主標題是「React 前端讀書會」，副標題是「週三晚上 7:30」，底部加上「台北市大安區」。</p> </blockquote> <p>這種寫法通常會比只丟一個模糊句子好很多。</p> <hr> <h2 id="這一波更新真正代表什麼">這一波更新真正代表什麼？ </h2><p>我覺得重點不是「OpenAI 也能生圖了」。</p> <p>那早就不是新聞。</p> <p>真正重要的是：</p> <blockquote> <p><strong>OpenAI 正在把圖片能力從展示型功能，推進到可工作的基礎能力。</strong></p> </blockquote> <p>也就是說，它不是只拿來玩，而是越來越像：</p> <ul> <li>可接進產品的 API</li> <li>可放進團隊流程的工具</li> <li>可反覆修改的視覺工作台</li> </ul> <p>如果你是一般使用者，感受到的會是：</p> <p><strong>它比較不再像一次性玩具，而比較像真的能幫你省時間。</strong></p> <p>如果你是開發者，感受到的會是：</p> <p><strong>圖片生成不再只是附加功能，而是可以變成產品功能本身。</strong></p> <hr> <h2 id="最後整理">最後整理 </h2><p>如果用一句話總結：</p> <blockquote> <p><strong>OpenAI 最新圖片生成功能的重點，不只是更會畫，而是更會照要求生成、修改，並且更容易接進真實工作流程。</strong></p> </blockquote> <p>所以如果你最近才重新注意到 OpenAI 的圖片能力，可以先更新三個印象：</p> <ol> <li><strong>主力已經是 GPT Image 系列，不只是 DALL·E</strong></li> <li><strong>重點能力是生成 + 編修 + 多輪修改</strong></li> <li><strong>它的價值正在從「好玩」轉向「好用」</strong></li> </ol> <p>如果你後面想看，我也可以再補一篇：</p> <ul> <li><code>OpenAI 圖片 API 怎麼串？前端工程師快速上手版</code></li> <li><code>ChatGPT 生圖 prompt 怎麼寫，成功率比較高？</code></li> <li><code>OpenAI 生圖 vs Midjourney vs Flux，差別到底在哪？</code></li> </ul> <hr> <h2 id="參考資料">參考資料 </h2><ul> <li><a class="link" href="https://developers.openai.com/api/docs/guides/image-generation" target="_blank" rel="noopener" >OpenAI 官方圖片生成指南</a></li> <li><a class="link" href="https://developers.openai.com/api/docs/guides/tools-image-generation" target="_blank" rel="noopener" >OpenAI 官方 image generation tool 文件</a></li> <li><a class="link" href="https://openai.com/index/image-generation-api/" target="_blank" rel="noopener" >OpenAI 圖片模型介紹：Introducing our latest image generation model in the API</a></li> <li><a class="link" href="https://developers.openai.com/api/docs/models/gpt-image-1" target="_blank" rel="noopener" >OpenAI 模型頁：GPT Image 1</a></li> </ul>