ChatGPT Images 2.0 cải thiện mạnh khả năng hiển thị chữ, nâng độ chính xác ảnh AI

Cách đây khoảng hai năm, việc nhận diện hình ảnh do AI tạo ra vẫn khá dễ dàng. Các hệ thống khi đó thường gặp lỗi rõ rệt trong xử lý văn bản, tạo ra những chi tiết sai lệch như tên gọi méo mó hoặc ký tự thiếu chính xác, khiến sản phẩm khó áp dụng trong thực tế.

Với ChatGPT Images 2.0, tình hình đã thay đổi rõ rệt. Khi tạo các ấn phẩm như menu hay tài liệu chứa nhiều chữ, công cụ này có thể cho ra kết quả hoàn chỉnh, đủ dùng trong môi trường kinh doanh mà không gây cảm giác bất thường. Một số chi tiết nhỏ như mức giá chưa hợp lý vẫn có thể xuất hiện, nhưng tổng thể cho thấy độ chính xác và tính ứng dụng đã cải thiện đáng kể.

Nguyên nhân chủ yếu đến từ cách vận hành của mô hình khuếch tán, vốn tái tạo hình ảnh từ nhiễu và ưu tiên các vùng chiếm nhiều pixel. Theo Asmelash Teka Hadgu, người sáng lập kiêm CEO của Lesan AI, phần chữ trong ảnh chỉ chiếm tỷ lệ rất nhỏ, nên khó được học và tái hiện chính xác, dẫn đến sai lệch ký tự hoặc chính tả.

Để khắc phục, giới nghiên cứu chuyển sang các hướng tiếp cận mới như mô hình tự hồi quy. Phương pháp này dự đoán cấu trúc hình ảnh theo từng bước, vận hành gần với mô hình ngôn ngữ lớn, từ đó cải thiện khả năng xử lý cả tổng thể lẫn chi tiết nhỏ, bao gồm văn bản.

Dù vậy, OpenAI vẫn chưa công bố chi tiết kiến trúc phía sau Images 2.0, khiến nền tảng công nghệ của hệ thống tiếp tục thu hút sự quan tâm từ giới chuyên môn. Theo hãng, phiên bản mới được bổ sung khả năng suy luận, cho phép tìm kiếm web, tạo nhiều biến thể từ một yêu cầu và tự kiểm tra kết quả. Nhờ đó, hệ thống có thể tạo tài sản tiếp thị ở nhiều định dạng hoặc xây dựng truyện tranh nhiều khung với độ nhất quán cao.

Một nâng cấp đáng chú ý khác nằm ở khả năng xử lý văn bản đa ngôn ngữ. Images 2.0 cải thiện rõ việc hiển thị các hệ chữ không thuộc Latin như tiếng Nhật, Hàn, Hindi hay Bengali. Tuy nhiên, dữ liệu chỉ cập nhật đến tháng 12/2025, nên các nội dung liên quan sự kiện mới có thể chưa đạt độ chính xác tối đa.

OpenAI cho biết Images 2.0 đạt mức chi tiết và độ trung thực cao, có thể tái hiện yêu cầu phức tạp, giữ đúng các yếu tố quan trọng và xử lý tốt những thành phần thường gây lỗi như chữ nhỏ, biểu tượng, giao diện người dùng hay bố cục dày đặc, với độ phân giải tối đa 2K.

Đổi lại, tốc độ xử lý không còn tức thời như truy vấn văn bản. Tuy vậy, ngay cả với nội dung phức tạp như truyện tranh nhiều khung, thời gian tạo chỉ mất vài phút, vẫn đáp ứng tốt nhu cầu sản xuất nội dung.

Images 2.0 đã được triển khai cho người dùng ChatGPT và Codex. Người dùng trả phí có thể truy cập các tùy chọn nâng cao hơn. Đồng thời, OpenAI cung cấp API gpt-image-2 với mức giá tùy theo chất lượng và độ phân giải đầu ra.

Những cải tiến này cho thấy ranh giới giữa nội dung do con người và AI tạo ra đang thu hẹp nhanh chóng, mở ra cơ hội cho doanh nghiệp và nhà sáng tạo trong việc tối ưu quy trình thiết kế, sản xuất nội dung và xây dựng trải nghiệm số.

Hãy theo dõi FPT Shop để cập nhật nhanh tin tức công nghệ và xu hướng AI mới nhất. Tại đây, bạn có thể tham khảo các mẫu điện thoại chính hãng hiệu năng mạnh, hỗ trợ khai thác hiệu quả hệ sinh thái số, giúp quản lý dữ liệu và làm việc linh hoạt hơn mỗi ngày.

Xem thêm:

• OpenAI khai tử Sora sau 6 tháng, tham vọng mạng xã hội AI sớm khép lại
• Google AI Edge Eloquent xuất hiện, viết bằng giọng nói, xử lý trực tiếp trên thiết bị

Nguồn: Techcrunch