Echo-4o-Imageは、上海人工知能研究所が中山大学、香港中文大学マルチメディア研究所（MMLab）などの機関と共同で2025年に公開した合成画像データセットです。関連論文は「Echo-4o: GPT-4o合成画像の力を活用して画像生成を向上」は、画像からテキストを生成するオープンソース モデルの機能を向上させることを目的としています。

このデータセットは GPT-4o によって生成され、3 つの異なるタスク タイプをカバーする約 179,000 個のサンプルが含まれています。

• 複雑な命令実行（約68,000）、長い/詳細なテキストへの準拠を強化。
• 想像力豊かな内容に焦点を当てた「シュール・ファンタジー・ジェネレーション」（約38,000）
• 複数の視覚的手がかりを必要とするシーンに適した、マルチ参照画像生成（約 73,000）。

各サンプルは、解像度 1024×1024 の 2×2 の画像グリッドで、生成されたプロンプトの画像パス、機能 (属性/主題)、構造化情報が含まれています。