连续生成五次后，GPT Images 2.5的角色特征逐渐消失

在最近一项使用GPT Images 2.5进行的连续生成测试中，发现到了第五次生成时，人物特征开始明显丢失，尤其是在包含多个角色的场景时。这项测试是由一位用户在社交平台上分享的，内容直截了当地指出了“GPT Images 2.5多轮生成的特征丢失问题”。测试者将第二次和第五次生成的结果进行对比，发现左边的第二次生成相对清晰，而右边的第五次则特征模糊。

测试指出，问题不仅仅体现在人物的长相上，随着生成轮次的增加，画面的噪点和整体质量也开始下降。特别是在涉及多个角色的场景时，保持特征的困难在加大。测试者强调在多人物情境中，模型需要更多地处理多张面孔，这无疑增加了难度。

经过五次生成后，特征丢失成为明显的趋势，这个数字为实际使用者提供了实用的参考。如果想要使用GPT Images 2.5进行多轮迭代，尤其是在反复调整同一角色的图像时，到第五轮时需注意检查人物特征是否仍保留原状。测试者将这组图标记为“ZHGO｜测试系列｜GPT Images 2.5”，并以幽默的语气补充道“有那味了，笑死”。该分享发布日期为9月11日，浏览量达214次。 龙8头号玩家

需要指出的是，特征漂移并非GPT Images 2.5独有的现象，任何依赖前一轮结果进行生成的工作流都有可能经历误差累积，导致结果逐渐偏离原样。虽然测试者并未深入探讨原因，但这条实测提醒用户在多轮生成时，尤其是涉及多个角色时，务必要在第五次之后主动核对特征的稳定性。测试者并未提供解决方案，亦没有说明是否与特定参数设置有关。