OpenAI 旗下 GPT-Image-2 模型現支持生成透明背景圖像
OpenAI 今日宣布，其旗下 AI 圖像生成模型 GPT-Image-2 正式導入透明背景圖像的輸出支援。即日起，使用者可直接產出附帶透明背景的 PNG 圖片，無需再透過額外去背工具進行後製處理。這項更新對於時常需要製作商品圖的電商賣家，或為簡報、PPT 尋找搭配素材的設計者而言，能有效縮短後製流程，提升工作效率。過去，要讓 AI 生成的圖片呈現透明背景，往往需要先產生一張完整圖像，再透過影像處理軟體手動去背。步驟雖然不算複雜，但在大量產製素材時，重複性的去背工作仍會耗費不少時間。
如今 GPT-Image-2 直接將這項能力整合進模型輸出，讓使用者從源頭就取得背景透明的圖檔，省下中間的額外工序，也讓整個創作流程更為直覺。根據 OpenAI 的說明，開發者與一般使用者只需在 API 請求中加入 background=transparent 參數，即可啟用這項功能，無需額外設定。這意味著，只要是使用 GPT-Image-2 的應用程式、自動化流程或客製化工具，都能夠以簡單的指令呼叫透明背景輸出，不需要理解複雜的影像處理原理，也不必在生成後另行處理圖檔。這樣一來，無論是獨立創作者還是整合了該模型服務的開發團隊，都能輕鬆導入這項新能力。
這項透明背景輸出能力，讓 GPT-Image-2 在素材生成、圖層合成等應用場景中更具彈性。以電商產業為例，商品圖往往需要乾淨的背景以凸顯產品本身，無論是放在網站上、製作廣告素材，還是加入型錄設計，透明背景的 PNG 都是相當實用的格式。過去賣家必須仰賴專業設計人員或去背工具，現在則可以透過 GPT-Image-2 直接生成產品圖，將心力更集中於商品行銷與品牌經營。對於設計工作者而言，透明背景的好處同樣不言可喻。在製作簡報或 PPT 時，經常需要各種插圖、圖示或裝飾素材來豐富版面，但如果背景與投影片底色不一致，就會產生明顯的色塊或邊界，影響整體視覺。
有了 GPT-Image-2 的透明背景生成能力，設計者可更自由地將 AI 產出的物件放入各種背景顏色與版面設計中，不必再為了去除背景而逐一處理，工作流程也更加順暢。此外，透明背景也讓 AI 生成圖像更容易融入更複雜的視覺專案。舉例來說，設計師可以將多個透明背景的 AI 圖像分層疊合，搭配文字與其他視覺元素，快速組合成具有完整構圖的主視覺。這類型的圖層合成工作，過去多半需要仰賴高階影像處理軟體與熟練技術，如今透過簡單的參數設定，即可取得可直接使用的去背圖層，大幅降低進入門檻。從技術角度來看，這項更新代表 AI 圖像生成模型不再只是單純輸出完整的靜態畫面，而是更進一步理解圖像內部的結構與內容。
透明背景的輸出需要模型在生成過程中精確判斷主體與背景的界線，並保留主體邊緣細節。這也顯示 GPT-Image-2 在影像理解與生成品質上已具備更高水準，使其能勝任更貼近實際商業需求的任務。OpenAI 指出，這次的新功能讓 GPT-Image-2 在商業設計與內容創作上的實用性進一步擴展。無論是社群媒體貼文、廣告橫幅、商品型錄，還是簡報投影片，都能更有效率地運用 AI 生成的圖像素材。特別是在內容產量需求較大的電商或數位行銷領域，節省每一道後製時間，都能讓團隊投入更多資源於策略與創意發想。
值得注意的是，GPT-Image-2 的透明背景輸出是透過簡單的 API 參數啟用，而非需要繁複的設定流程。這樣的做法，有助於讓更多第三方應用程式與平台快速整合該功能，也讓一般使用者在各種 AI 繪圖工具中，都能更方便地切換不同輸出模式。對於正在發展 AI 影像應用的開發者來說，這也是一個讓產品更具競爭力的重要功能。隨著 AI 圖像生成工具日益普及，使用者對輸出品質與後製便利性的期待也越來越高。GPT-Image-2 這次加入透明背景支援，可說是回應了市場上的實際需求。
除了讓既有使用者受惠，也可能吸引更多過去因為去背麻煩而對 AI 素材卻步的創作者，重新考慮將 AI 生成圖像導入日常的工作流程之中。整體而言，這次更新不僅替電商賣家與設計者提供更直接便利的解決方案，也讓 AI 圖像生成的應用範圍更加寬廣。從單一圖片的產出到複雜的多圖層合成，透明背景功能都是其中關鍵的基礎能力。未來若能進一步搭配其他進階功能，勢必能讓 AI 在視覺創作領域扮演更不可或缺的角色。可以預期，在實際使用經驗陸續累積之後，會有更多創作者會基於這項功能發展出新的工作方法或應用模式。
而對 OpenAI 而言，持續擴充 GPT-Image-2 的能力，無疑也是穩固其 AI 圖像生成市場地位的重要布局。對一般使用者來說，最重要的是：那張圖終於能在不經任何額外步驟的情況下，直接帶有透明背景，讓想像力與設計之間的距離又縮短了一些。
Related
相關文章
認識 Voxel51 3.0：為實體 AI 打造的統一多模態資料平臺
Voxel51 已發布 Voxel51 3.0，這是其資料平臺的一次重大更新。Voxel51 3.0 是一個端對端的多模態資料平臺，將搜尋、篩選、標註和評估整合於單一系統中。該平臺鎖定針對機器人、車輛和工廠感測器資料進行模型訓練的團隊。此次發布新增了 Voxel51 Agent、資料溯源層及免費的自助式存取。重點摘要：規模：Voxel51 Agent 內建超過 45 個 MCP 工具、80 多個運算子及 18 個開源技能。執行環境：可於 app.voxel51.com 使用託管網頁應用程式，或於雲端、混合、地端及隔離環境中自行部署。未揭露本機 GPU 需求。效能：未發布產品基準測試。Voxel51 引用其自身調查數據作為依據。最佳亮點：免費方案包含 Voxel51 Agent、每月 30,000 次推論請求及 30 個運算小時。
本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態
導航SecureDoc // EncryptionActive本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態。
下一概念建模把文本生成提速最高31倍
斯坦福等聯合提出全新文本生成範式 NCM，生成速度狂飆 31 倍AIbase基地發佈於AI新聞資訊 · 1 分鐘閱讀 · Oct 16, 202633人工智能領域的文本生成技術迎來顛覆性創新。斯坦福大學與 Together AI 的研究人員近日聯手推出了一種截然不同於傳統自迴歸和擴散模型的全新文本生成範式——Next-Concept Modeling（簡稱 NCM，即“下一概念建模”）。該方法巧妙借鑑了圖像生成領域中“下一尺度預測”的思路，有望為未來的文本生成技術開闢全新的發展路線。在技術實現路徑上，NCM 模擬了人類“先構思宏觀大綱、再動筆填充細節”的寫作邏輯。整個系統通過兩階段訓練來完成:首先訓練多尺度殘差 VQ-VAE，從而得到能夠逐層補充信息的多層離散文本編碼;隨後凍結該系統，訓練 Transformer 模塊去預測下一層的編碼。在生成文本時，模型會先並行生成概念層面的宏觀大綱，接著逐層並行填充具體細節，最終組合成完整的文本內容。在實際測試表現中，NCM 交出了令人矚目的成績單。實驗數據顯示，在保持相近甚至更優生成質量的前提下，NCM 相對傳統的擴散語言模型實現了10到31倍的生成速度飛躍，並且在訓練過程中所需消耗的 token 數量也大幅減少。此外，在數獨等複雜推理任務上，它的表現也明顯優於傳統的自迴歸和擴散基線模型，同時還支持通過多生成候選挑選機制來進一步優化最終輸出效果。儘管目前該研究所使用的模型參數規模依然相對有限，其在擴大模型規模後的表現、精確文本以及長篇內容的生成能力仍有待後續驗證，但這一創新思路無疑打破了長期以來的技術慣性，為人工智能高效生成文本提供了充滿想象力的全新解法。本文來自AIbase日報掃碼查看歡迎來到【AI日報】欄目!這裡是你每天探索人工智能世界的指南，每天我們為你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。
Claude自主優化八類量子電路設計
ScienceDesigning more efficient quantum circuits with ClaudeOct 16, 2026Quantum computers will need carefully designed circuits to run useful algorithms on limited hardware.
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？ 本文作者： 倪萍 2026-10-17 22:42 導語：10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族 10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族式標識。 新車採用寧德時代電池以及廣汽自研的彈匣電池2.0技術，能夠在充分釋放續航能力的同時，監控電池健康狀態。提供45.58kWh和62.98kWh兩種規格，續航可達702公里，整車風阻係數 Cd 低至 0.22。Ray7搭載華為DriveONE多合一電驅，以及華為DriveONE芯片級驅制融合架構，百公里制動僅為32.8米。底盤方面，Ray7搭載高性能前後穩定杆和後五連桿懸架，過彎極限更高，濾振更乾淨。智能化上， Ray7搭載27顆車規級全視角傳感器，採用文遠知行L4級Robotaxi同源大模型。這幫助新車能夠複用 L4 積累的海量場景經驗，在城區掉頭、繞行等複雜場景中可順利通行。自2025年廣汽推進“番禺行動”以來，昊鉑埃安BU的研發、生產、銷售等環節效率不斷提升，產品迭代和新車投放節奏明顯加快。作為埃安全新Ray車系的首款新車，Ray7是埃安開啟年輕化序列的關鍵落子，也是廣汽切入20萬級市場的重要佈局。這一細分市場競爭並不輕鬆：小鵬P7、極氪007等車型已經提前卡位。Ray7想在年輕人心中佔位，不能只堆參數，更要把智能座艙與輔助駕駛、三電安全、補能效率、用車成本和價格權益上的差異，變成用戶可感、可信、可持續的體驗，這才是埃安年輕化的分水嶺。（雷峰網(公眾號：雷峰網)） 雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
梁聖又掀桌了！DeepSeek新模型斬殺GPT-6，許願式編程時代降臨
作者 | 楊京麗 編輯 | 李水青 10月17日報道，剛剛，DeepSeek V4.1 Flash更新至V4.1-Flash-1017版本，官方網頁端、App與API已同步更新至新模型，模型權重也已在HuggingFace和ModelScope開放下載。DeepSeek還向公眾開放自研搜索引擎的Search（搜索）與Fetch（抓取）API，兩個接口均定價為5元/千次。 此次更新距離該模型發佈僅過去一個多月。9月10日，DeepSeek正式推出V4.1-Flash，在性能上超越了DeepSeek-V4-Pro。