GPT-4o的多模态生图，让整个设计圈都开始emo了。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
GPT-4o的多模态生图，让整个设计圈都开始emo了。
原创 数字生命卡兹克 数字生命卡兹克 2025-03-28 09:02 海南
GPT4o的多模态生图前天上线之后。
经过两天的发酵，含金量还在不断提升。
在我的群里，已经能看到越来越多的，进入到实际生产环节的例子。
比如@银海的直接做商品图的翻译和合成，这是原来的算法，很难做的效果，但是现在，有手就行。
非常复杂的电商流程，一张原始图，换产品换脸换衣服。
比如@歸藏的直接把UI图放样机里面的例子，如果做过UI或者产品设计的朋友肯定都知道，以前我们在做做展示，或者做汇报的时候，经常做样机做的挺痛苦的。
比如给他头像，画的两套表情包，是可以直接上架到微信表情商店的那种。
来自设计大佬@付遥，用GPT-4o来直接做之前非常流行的3D品牌海报。
比如我一个很喜欢的小红书AI博主@Rico有三猫，用GPT-4o给她做小红书封面。
也用GPT-4o直接做商品图翻译出海。
群友@默月佥在用GPT-4o出蜜蜂的解剖科普图。
一个很专业的公众号AI博主@阿真lrene，不仅用GPT-4o生成复杂的漫画，还能抠图，一键直出透明通道的PNG图。
干死各种抠图软件的不是更牛逼的抠图软件，而是大模型。。。
还有朋友@不知名网友虎子哥，用GPT-4o给他自己家的房子装修。。。
还有一些我确实不知道源头的但是被传播的蛮广的例子（如有作者，欢迎评论区认领）。
给几个家具做一个展示图，这个场景在电商领域无敌。
之前我写可灵的AI模特的时候，很多人问，能不能让模特带首饰？现在，可以了。
还用它，直接P图，消除人物。
老照片一键修复+上色。
甚至，还可以模仿字体做自体设计。
在GPT-4o的冲击下，N多的设计师和创业者，都有点emo了。
比如就有大佬在X上感叹道：
朋友圈里还看到了一张图，是glif的老板，在X上发的。
纪念ComfyUI，纪念一切的AI图像工作流。
OpenAI的一次更新，又屠杀了一堆公司。
又一次深刻的阐明了那句《三体》中的经典台词：
我消灭你，与你无关。
GPT-4o的冲击当然是有，但是，他的上限在哪？能做到什么地步？真的能彻底替代ComfyUI的AI图像工作流吗？
我想弄清楚这个答案。
首先我觉得我还是要跟大家非常简单的用一两句话解释一下ComfyUI，让大家知道这玩意是个啥，我们才好继续往下聊。
ComfyUI是一个非常专业的工作流工具，不局限于AI绘图，AI视频啥的也都可以往里面接。他的界面大概是这样的，很像电路板。
这个就是在Liblib上搭的ComfyUI工作流。
它是以节点方式，把各个工具、各个模型给串起来，形成一整套的工作流，比如一张图进去，经过各种节点和插件，输出一个完全风格不同的AI视频，这都是OK的。
坦率的讲，我不是ComfyUI的专家的，做过的工作流也不多，我觉得在这个领域，我并没有那么强的发言权，所以。
我去请教了一下我的1个好朋友，AI绘图大神@炼丹师忠忠。
我想听听，他的看法。
首先是，GPT-4o对电商设计的冲击到底有多大？
我跟忠忠聊了很久。
最后得到的结论，跟我自己在设计行业里感受到的水温差不多。
对于普通水平的电商设计师，肯定是有打击的，他们原有的技能水平也就只能产出跟gpt4o差不多的图，相对来说意义不大了。
上游的运营专员可以自己操作工具来生产一样质量的图。跟被冲击的插画师类似，可能会变为帮忙修补gpt4o产出的图的bug，还有叠加原图部分细节上去加强细节还原（类似于高低频修复流程）。
生产成本降低后，需求量会变大，原本用不起各种华丽背景图包装的商家，现在也用的起了。
从效果上极简操作就能生图的工具有美图设计室等一堆工具，GPT4o只是在某些效果方面更进一步而已，对于专业级的实际商业生产的影响可能没有那么大。
而从视觉设计角度，对现有的整个开源生态，反而是利好作用。
忠忠举了自己设计的公司IP的例子。
现在，可以一句话把IP的3D模型，直出到品牌海报上，不需要走以前的3D建模+渲染了，大大节省了时间。
同时，更有趣的一点是，GPT-4o可以根据一张IP草图，来生成这个IP的各角度视图。
而这些图，会进一步推动flux等开源模型的微调版本的效果。
你可能会问，都有GPT-4o了，为什么还要去微调flux，在ComfyUI搭工作流用呢？这不是脱裤子放屁多此一举呢？
其实有两个原因。
数据隐私性和精准性。
数据隐私很好解释，就是GPT-4o是一个闭源的模型，后面最多最多也就是开放一个API，让大家接到ComfyUI里面去用，但是，就OpenAI这个尿性，我们给过去的东西，大概率就成他后续的训练素材了。
举个例子，《流浪地球3》2027年上映，要是现在美术组把核心概念图或者设定图直接灌给GPT-4o做一些处理，到时候，《流浪地球3》电影还没上映，设定图你可以直接在GPT-5o里面让它画出来，这特么就炸了。。。
所以，数据隐私性至关重要，在真正的生产环境里，特别是一些大厂里，必须只能用本地的ComfyUI搭，真正的输出，必须是本地环境，用开源的模型。
所以，这个时候，我们就可以用一些不敏感的信息，扔给GPT-4o，来辅助生成数据集，反过来微调自己的flux模型，这个点，真的很有用。
精准性其实也很简单，我们回过头来看忠忠用GPT-4o输出的自己家IP的海报。
先不说其他的细节了，这几处，你是能发现一些明显的BUG的。
这其实在生产环境里，这种BUG是品牌方觉得不可能接受的，就想你给一个手机产品做广告，你把人手机弄变形了，你跟人说不行AI出得就是这样的，你看对面会不会把你挂在电风扇上转着打。
而这个时候，用Flux专门微调的Lora，是可以完美的解决这种精准性和一致性的问题的。
这其实就是普通设计场景和专业设计场景的区别。
GPT-4o当然可以替代大部分的普通工作流，会让ComfyUI里一大批的工作流失去价值，但是这就不代表，ComfyUI失去价值了。
很简单的一点是，在专业的设计工作里，纯对话式的简单界面满足不了复杂专业的需求的。
就像你问一个专业设计师，为什么设计是用PS做设计，而不用美图秀秀来做设计，对方只会把你当傻子。
在真正的专业的AI设计工作里，可控性，很多时候非常的重要。
需要精确的规定重绘区域，需要精确的调节风格效果，出图尺寸比例等，所以在专业生产中需要精确调节的细节，不能指望OpenAI全做成功能。
还有前后处理流程，比如说前置的裁剪，抠图，语义识别，后置的比如对图片的放大，贴回原图细节（高低频修复），再接入其他工作流继续处理等。
自动化一键完成的效率要比多轮对话高很多。
包括在一些精准度要求高的产品和场景上，GPT-4o目前还达不到专业级的水准。
看个例子。
比如我们要把问界M9这款车，换到另一个场景里。车这种产品，跟笔、戒指、香水等等要求的精细度，完全不一样。
这是GPT-4o出的图。
而如果我们用大佬的牛逼工作流呢？
生成出来的效果在整体比例和质感上，是更好的。
对比应该非常直观了。
这里我要给自己叠个甲，我并不是在这里鼓吹，GPT-4o不行，ComfyUI的效果可以吊打GPT-4o。
如果是这样的话，我也不会连更两篇，来给大家看一看，GPT-4o，有多酷，有多强。
我想说的是，GPT-4o，跟当年的SD、Midjorney、Runway、可灵等等AI工具是一样的。
会无差别替代所有这个行业里面的初级执行职位。
屠杀所有曾经在工程层面对大模型进行的一些优化。
然后，一点一点侵蚀更上层的建筑。
它更像是一层层汹涌上涨的潮水，将整个AI图像领域原有的边界打得支离破碎。
都说做AI产品，要看到大模型的边界，在边界之外的安全地带做。
但是现在，你根本不知道边界在何方。
那些看似高耸的技术壁垒与工作流程，如果只是基于简单组装或者初级执行的逻辑，正在被GPT-4o以近乎暴力的方式消解。
绝大多数机械式的制作工作，一旦被强大的多模态理解与生成替代，就会像那些轰然倒塌的围墙一样，被历史的风尘轻易覆盖。
有没有一种第一次工业革命时候，机器代替手工劳动的即视感？
历史总是在不断的重复。
可一如上文所言，这绝不代表ComfyUI之流就会被完全淘汰。
在工业级、专业级的深度工作流里，人们对数据安全、设计精度、可控度的需求不可能凭空消失。
那种图像与视频的多次处理、分层输出、版本管理、脚本化批量运行、自动化节点衔接，只要是大型企业或核心团队，都会很在意。
GPT-4o会在C端和中小B端市场里摧枯拉朽，取代了大量低端或者重复性工作。
而ComfyUI、Flux、ControlNet等开源生态则在更专业的领域继续进化，利用它们精细、可控、可离线部署的特性，为高端客户或机密项目提供服务。
这气势就像云端办公与本地办公的关系一样，前者无限便捷，后者安全可控。
也如同家用轿车与顶级跑车的分别，各自目标用户并不冲突。
GPT-4o也一定会不断进化，去扩大自己的边界蚕食更多的场景。
开源生态也会有各种可以复刻效果的模型、产品出来，从而进行私有化。
没什么能够阻止浪潮向前。
要么成为浪潮的追随者，要么成为浪潮的推手。
这二者，都肯定比做一块沉在海底的礁石，要精彩得多。
你说是吗。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言