30 秒看懂
2025 年 3 月，Matthew Berman 回顾了 GPT-4o 原生图像生成的创意用途，包括 PJ Ace 翻拍的预告片、信息图、界面示意图、广告和漫画。他对自然语言创作充满热情，同时指出了错误标注、拼写错误和无法生成所需宽高比的问题。
- 1102 个镜头的工作流PJ Ace 称，他为风格化预告片花了 9 小时和 250 美元的 Kling 点数，结合生成静帧、动画和剪辑完成作品。
- 2检查地图一张看似逼真的世界地图包含拼写错误和错误标注，说明精美的外观并不保证准确。
- 3让更多人创作的工具Berman 认为，自然语言图像创作给设计师提供了新工具，也让更多人能够进行视觉创作。
- 4看似权威的图片一张模拟的猫科百科页面在文字和解剖图中都存在错误。
- 5宽高比限制Berman 说，多次尝试都未能生成足够宽、适合他用作 X 横幅的图片。
要点建议
- PJ Ace 介绍了将预告片的 102 张截图转换成风格化静帧，再用 Kling 和 Luma 制作动画并重新剪辑的过程。
- 生成的信息图和地图可能看起来精美，却仍包含拼写、地理或标注错误。
- 图像生成可以将提供的图片转换成广告、表情包、界面示意图和插画。
- 生成的界面图片并不能证明应用程序可以运行。
- Berman 认为这些工具对设计师有用，也方便不具备传统编辑技能的人使用。
- 他制作超宽横幅的尝试展示了他在 2025 年 3 月遇到的一项局限。
按章节阅读整理后的全文
翻拍电影预告片
Berman 回顾 PJ Ace 制作风格化《指环王》预告片的过程，以及另一个《沙丘》示例。创作者结合生成图像、视频工具和剪辑完成作品。
ChatGPT 新推出的原生图像生成引发了一波创意实验。一个例子是 PJ Ace 以 Studio Ghibli 风格翻拍的《指环王》预告片。我认为图像和视频生成正在发展到一个阶段，让创作者能够快得多地制作有雄心的视觉作品，尽管最终结果仍然需要投入精力和剪辑。
PJ Ace 说，他花了 250 美元的 Kling 点数和 9 小时重新剪辑《魔戒再现》的预告片。他先截取全部 102 个镜头，再用 Sora 中的 OpenAI 图像生成功能将每张图转换成所需风格，接着用 Kling 和 Luma 为静帧制作动画，最后重新剪辑，使其与预告片同步。同样的方法也可以用于原创风格，而不必依赖现有作品。
对于其中一个镜头，提示词既包含原始截图，也描述了身穿黑色斗篷的骑手逃离巨浪的场景，同时要求保持相近的构图、色彩和氛围。生成图片将这一场景转换成动画风格。随后，创作者通过描述一个男人惊恐地喊叫、一个女人担忧地说话等动作，让镜头动起来。
PJ Ace 说他没有时间为角色做唇形同步，于是将工作分给 Kling 和 Luma，一个工具效果不好时就换另一个。Berman 还展示了另一位创作者制作的 Studio Ghibli 风格《沙丘》预告片，其作者称从构思到导出只花了 28 分钟。这些时间由创作者自行报告，并不代表每个项目的典型制作时间。
信息图、写实图片和病毒式传播
示例包括幽默信息图和一张有错误的世界地图。Berman 讨论 GPT-4o 图像的早期流行，以及这些工具对设计师可能意味着什么。
图像模型并不限于动画风格。我展示了一张爱因斯坦在健身房锻炼的写实图片，以及一张幽默的“如何在纽约生活”信息图。后者结合清晰的四格布局和可读的文字，创作者还把同一张信息图放进了一个有人举着它的写实场景。
另一张信息图解释如何牵猫散步，随后又出现在一张猫正在看这张图的写实图片里。一幅复古风格的世界地图视觉效果很吸引人，但仔细看会发现错误：一个海洋名称拼错，格陵兰岛缩写成了“green”，其他一些标注也不正确。图片看起来精美，仍然需要检查。
这些例子在社交媒体上迅速传播，其中包括 Mike Tyson 分享的一张 Studio Ghibli 风格图片。当时 Sam Altman 说，ChatGPT 图像功能的需求超出预期，免费层的推出将推迟。Altman 和我都跟随这股潮流换了头像；这些可用性信息反映的是 2025 年 3 月的情况。
一位评论者认为平面设计师完蛋了。我不同意：设计师获得了新工具，不熟悉 Photoshop、Illustrator 或其他制作软件的人也能用自然语言描述自己想要的东西。我把这与 vibe coding 相比较，并预测在未来几年里，数据和品味将变得尤其重要。
图示、广告与界面概念
生成的百科页面、解剖图、广告和界面示意图展现了多种风格。Berman 指出其中需要检查的错误。
一张生成的维基百科风格猫科页面同时展示了前景和问题。它结合文字、照片和解剖图，但部分措辞和标注不正确，包括似乎指向同一个器官的箭头。这是一张模仿页面的图片，不会因为看起来权威就成为可靠的参考资料。
Shopify 首席执行官 Tobi Lütke 分享了另一个例子：提示词将 T 恤上一个不熟悉的动物变成一张看似合理的学术解剖图。画面很吸引人，但 Berman 注意到拼写错误，并质疑一些标注。另一个例子则把 Ridge 钱包照片转换成卡通广告。
模型还可以提取素材：一个例子从 MrBeast 的缩略图中单独提取了一条鲨鱼，我自己提取缩略图元素的效果也还不错。另一个例子将 Sam Altman 的脸放进表情包，生成结果与原图的风格相当吻合。
一张产品图片变成了一则《广告狂人》风格的 Obvi 系列平面广告，文案和布局符合要求的审美。在我看来，这类例子显示了从商业素材到个人项目和表情包的多种用途，尽管其中的内容和主张仍需人工审核。
Jordan Singer 展示了受早期 iOS 及其拟物化设计语言启发的界面图片。一张天气页面有凸起的卡片、阴影和整齐的文字排版。这些是生成的视觉设计图片；示例并未展示一个能运行的应用。
地图、漫画与图像生成的局限
Berman 展示插画地图、教育漫画和卡通转换作品，最后讲述自己未能生成足够宽的横幅。
Ashish Singh 分享了菲律宾和克罗地亚的插画旅行地图。模型能在一次输出中结合文字和视觉概念，因此可以要求特定插画风格，甚至要求把代码渲染成图片。好看的外观不能保证地理或文字内容准确。
生物医学科学家 Derya Unutmaz 分享了一部面向儿童、讲述 T 细胞生命历程的漫画。它的复古漫画风格引人注目，但文字中存在拼写错误，包括“sanctuary”和“preparing”。即使图像文字生成能力有所提高，仍需要检查每一个画格。
另一个例子把《瑞克和莫蒂》卡通画面变成写实照片，效果有些诡异；All-In 播客的主持人也出现在一幅受 Studio Ghibli 启发的图片中。这些例子展示了如何把原图转换成不同的视觉风格。
局限依然存在。我想把一张 Rick Rubin 图片做成宽幅 X 横幅，但多次要求更横向的格式，都没能得到所需尺寸。第二次尝试效果还不错，却仍然不够宽。这些例子令人印象深刻，但尺寸和细节仍需要检查与反复调整。
同频道的其他文章
34:21EN → 简体中文
Matthew Berman· 2026年10月27日Matthew Berman 解读 Anthropic 的上市文件、AI 增长与治理Matthew Berman, Sam Altman · Forward Future主持人审视 S-1 中的财务指标、算力战略和投票结构，并质疑 AI 快速发展与安全之间的张力。
25:50EN → 简体中文Matthew Berman· 2026年10月24日Kimi K3.1 Pro 实测：3D 演示出色，表现不一，价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力，并比较基准成绩与价格。
32:20EN → 简体中文Matthew Berman· 2026年10月23日本地 AI 究竟适合谁？成本、取舍与混合模式的未来Matthew Berman · Forward FutureMatthew Berman 权衡数据控制和自主权，与硬件成本、设置复杂度及推理速度之间的关系。
1:03:37EN → 简体中文Matthew Berman· 2026年10月23日Matthew Berman 团队测试 Kimi K3.1：动画、游戏与图表Matthew Berman, Alex, Brian · Forward Future一场团队直播问答变成了对 Kimi K3.1 的非正式测试，内容涵盖个人智能体工作流、动态图形、浏览器游戏和基准图表。
0:53EN → 简体中文Matthew Berman· 2026年10月22日Sam Altman 谈 AI 与新知识的发现Sam Altman · OpenAIAltman 预计，数学发现方面的进展将延伸到生物学、材料和能源领域。
0:22EN → 简体中文Matthew Berman· 2026年10月21日机器人保镖短片展示戏剧性的救援场景Matthew Berman · Forward FutureMatthew Berman 观看一段展示格斗与车辆救援场景的机器人短片。