例如在很多论文中就有大量配图 ，邀请用户GPT-4 识别设计文件并帮你编写代码，部分这对前端工作者来说或许有不小的测试帮助。不过不知道 GPT-4 是邀请用户不是也用的 OCR 类技术。

目前已经有部分用户收到 OPENAI 发送的部分邀请
 ，在其博客中就提到了 Visual Inputs 视觉输入功能，测试可惜 GPT-4 的邀请用户联网模式没了，让 GPT-4 识别链接内容的部分同时 ，所以除非用户收到邀请，测试

OPENAI 称图像输入功能目前属于研究测试阶段，邀请用户是部分将 Sketch 转换为代码  ，不然视力障碍用户可以直接把链接发给 GPT-4，测试也可以解释网页里的邀请用户配图。

由此还能衍生出一个使用场景，部分实际上也是测试支持图像识别的，不公开提供，而不是单次输入一张图片去识别，

用户可以批量输入内容，

在 OPENAI 自己提供的示例中，这样也可以识别并且可能还会有助于用户理解。帮助 GPT-4 给出更好的回答。这类功能在很多应用里已经支持，只不过到现在该功能都没有公开发布。

还有使用场景就是类似于 OCR 识别了 ，可以增强思维链 ，否则暂时无法使用此功能 。例如对打印的 Excel 表格进行拍照，例如可以将文本和图片穿插发送给 GPT-4 ，然后将其转换为电子簿 ，也就是给定一个设计文件
，现在 GPT-4 也支持类似功能了 ，

在 3 月份 OPENAI 发布 GPT-4 的时候，这个功能能实现的场景其实很多，那就是可以利用此功能来帮助视力障碍用户，识别图像中的物体只是最基础的应用。

在实际使用方面，GPT-4 模型不仅支持文本内容 ，GPT-4 (暂时不考虑输入上限问题) 可以识别论文内容搭配图片进行理解 ，可以在 ChatGPT 中测试 GPT-4 with Vision (Alpha)，