Aklman · Library

07 / 第七章

看与听 · 图像、Sora 边界与语音.

文字之外,订阅还给了你图像、语音,以及很多旧教程会写到的 Sora / 视频入口。三样的实用度差很远 —— 图像在「够用的配图、改图」上最稳;语音的 Live 正逐步换成能同时听和说的 GPT-Live-1 / mini;Sora web/app 已停用,视频不要再按旧入口教。这章替你把它们各自的窄场景圈出来。


文字之外,ChatGPT 订阅还打开了图像、语音,以及很多旧教程会写到的视频 / Sora 入口。这里最容易写偏:它不是万能创作平台,而是表达入口。 本章判断:图像、语音、视频省的是表达成本,不一定省事实核验成本。视觉和声音能让你更快把想法说清楚,但不能替你决定版权、品牌、事实和最终发布风险。

I

图像:先拿来做草稿.

官方帮助说明里,ChatGPT Images 可以按文字生成图像,也可以上传现有图像后描述修改;它能按指令加文字、细节和透明背景,复杂图像最多可能需要约两分钟。1注 1OpenAI 帮助中心 · Creating images in ChatGPT —— 可按文字生成图像,也可上传图像后按描述编辑;可加文字、细节和透明背景;复杂图像最多可能需要约两分钟。这让它很适合封面探索、草图、风格变体、概念表达、社媒配图初稿。边界同样清楚:精确品牌资产、严肃事实图表、法律商用前的版权判断、医疗 / 金融 / 技术流程图,不能靠它一次生成就交付。
提示词图像简报
用途:<封面 / 插图 / 概念图 / 社媒图 / 草图>
尺寸比例:<16:9 / 1:1 / 竖版封面>
主体:<必须出现的人 / 物 / 场景>
风格:<照片 / 插画 / 极简 / 编辑感 / 产品渲染>,参考<描述风格,不模仿在世艺术家>
文字:<必须出现的文字;如果必须精确,请单独说明>
避免:不要<品牌 logo / 真人肖像 / 错误图表 / 过度发光>
输出约束:给我 3 个方向,每个说明适用场景和风险。
用途:技术博客的文章头图。
尺寸比例:16:9。
主体:一个抽象的「数据管道」概念——几条线汇聚到一个节点。
风格:极简扁平插画,编辑感,冷色调为主,参考瑞士国际主义平面设计的几何感。
文字:不需要文字。
避免:不要品牌 logo、不要真人肖像、不要过度发光。
输出约束:给我 3 个方向,每个说明适用场景和风险。

II

视频:不要再把 Sora 当稳定入口教.

截至 2026-07-10,不能把 Sora web / app 当作 ChatGPT 订阅内稳定视频产品来教。 官方 Sora discontinuation 文档写明:Sora web 和 app experience 已于 2026-04-26 停用;Sora API 将于 2026-09-24 停用;已购 Sora credits 可转用于 Codex。2注 2OpenAI 帮助中心 · What to know about the Sora discontinuation —— Sora web 和 app experience 已于 2026-04-26 停用;Sora API 将于 2026-09-24 停用;已购 Sora credits 可转用于 Codex。这不是小改名,而是产品状态变化。所以本书不写「如何用 Sora 做视频教程」。如果你看到旧教程让你去 sora.chatgpt.com 生成视频,要先按停用文档重新判断。

III

语音:手不空时才值.

Voice 现在要分三种:Live 是新一代自然对话,付费计划用 GPT-Live-1、Free 用 GPT-Live-1 mini;它能同时听和说,所以打断与接话更自然。Advanced 保留视频 / 屏幕共享等符合资格的移动能力,Standard 则是先转写再按轮次回答。Live 正在逐步推出,首发不进 Business / Enterprise / Edu、Temporary Chats、桌面 app、Work、Codex 与 custom GPTs,也暂不支持视频或屏幕共享。3注 3OpenAI 帮助中心 · ChatGPT Voice —— 截至 2026-07-10,Live 正在消费计划逐步推出:付费计划由 GPT-Live-1 驱动,Free 由 GPT-Live-1 mini 驱动;Live 可同时听和说。首发不支持 Business / Enterprise / Edu、Temporary Chats、桌面 app、Work、Codex、custom GPTs、视频或屏幕共享;可用性仍随计划、区域和版本变化。所以「已驱动 ChatGPT Voice」不能写成「所有账号、所有表面都已切换」。 它的甜区没有因此变成「替你做严肃研究」。更自然的双向语音适合口语练习、头脑风暴、走路时梳理思路、开车前的轻量计划、面试 / 演讲陪练;仍不适合精确引用、严肃事实核验、复杂表格,语音转写也不是逐字记录。
需求用什么别用什么
够用的配图、草稿、风格方向Images直接当最终品牌资产
走路、开车、口语练习、轻量脑暴Voice Live需要精确引用或复杂结构的任务
稳定视频生成工作流官方未明确替代入口Sora web/app 旧教程

看与听省表达, 不替你省核验.

Seeing and hearing save expression, not verification.

Aklman Library

讨论

讨论.

评论区初始化中…