Megjelent a ChatGPT Images 2.5 gyorsabb generálással és pontosabb szerkesztéssel

Gyorsabb és pontosabb képalkotás a ChatGPT-ben

Az OpenAI közlése szerint hetente több mint 3 milliárd kép készül a ChatGPT Images és az API-ban elérhető GPT-Image modellek használatával. Erre a használatra építve érkezik a ChatGPT Images 2.5, amelyet a cég új, csúcskategóriás képmodellként ír le.

A vállalat szerint az Images 2.5 természetesebb megvilágítást és gazdagabb textúrákat készít, jobban megőrzi a referenciafotókon szereplő alanyokat, és több körön át is megbízhatóbban követi a szerkesztési utasításokat. Az OpenAI azt is állítja, hogy a képgenerálási késleltetést akár 50 százalékkal csökkentette az Images 2.0-hoz képest.

A modell egyik fontos ígérete a referenciafotókhoz kapcsolódik. Az OpenAI szerint az új rendszer felismerhetőbben viszi tovább a képeken szereplő személyeket, helyeket vagy jellegzetes részleteket akkor is, ha a felhasználó új környezetet, vizuális stílust vagy kompozíciót kér. Ez a cég szerint az API-t használó csapatoknak is segíthet, mert a változatok jobban kötődhetnek az eredeti forráshoz.

Többkörös szerkesztés és összetettebb vizuális kérések

Az OpenAI külön kiemeli a célzott szerkesztések javulását. Az Images 2.5 a vállalat szerint jobban képes csak azt módosítani, amit a felhasználó kér, miközben a kép többi részlete változatlan marad. Ez összetettebb témák és hátterek esetén is fontos lehet, például ha egy terméket, hátteret vagy szövegrészletet kell cserélni úgy, hogy a kompozíció és a márkamegjelenés megmaradjon.

A hosszabb ChatGPT beszélgetésekben a modell az OpenAI szerint következetesebben kezeli az egymásra épülő szerkesztéseket. A korábbi változtatások nagyobb eséllyel maradnak meg, és az újabb kérések a már elkészült munkára épülnek anélkül, hogy a képminőség idővel romlana.

A vállalat a vizuális utasítások értelmezésén is javulást ígér. Az Images 2.5 az OpenAI szerint pontosabb tartalmat ad olyan képeknél, amelyek valós világbeli információkat tartalmaznak, és összetettebb elrendezéseket is kezel, köztük átlátszó háttereket. A modell a cég állítása szerint jobban tartja a kért vizuális irányt, kompozíciót és egyedi részleteket, ami márkahű kreatív anyagok, felhasználói felület koncepciók vagy prezentációs vizuálok készítésénél lehet lényeges.

Sketch, sablonok és megosztható promptok

A modell mellett új ChatGPT funkciók is érkeznek. A Sketch lehetővé teszi, hogy a felhasználó közvetlenül a ChatGPT-ben rajzoljon, majd ezt vizuális útmutatóként használja a végső képhez. Az OpenAI példái szerint egy szoba elrendezése, egy ruha körvonala vagy egy egyszerű firka is alapul szolgálhat. A funkció a ChatGPT-ben az @Sketch beírásával próbálható ki.

Az OpenAI sablonokat is bevezet népszerű kreatív formátumokhoz. A felhasználó például Poster vagy Merch sablonból indulhat, majd megadhatja a közlendő információkat, a dizájnelemeket vagy a kívánt stílust.

Újdonság az is, hogy képmegosztáskor a felhasználó dönthet úgy, hogy a képet létrehozó promptot is mellékeli. Így mások ugyanabból az ötletből indulhatnak ki, de saját képeikkel és részleteikkel készíthetnek változatot.

Két új modell az API-ban

A fejlesztők számára az OpenAI két új API-modellt jelentett be. A GPT-Image-2.5 Flare ugyanazokat a minőségi, szerkesztési és sebességbeli fejlesztéseket hozza az API-ba, és a vállalat szerint a legtöbb alkalmazáshoz ez az alapértelmezett választás. Az OpenAI állítása szerint jobb minőségű képeket ad, mint a GPT-Image-2, 50 százalékkal alacsonyabb késleltetés mellett.

A GPT-Image-2.5 Sunburst olyan prémium vizuális munkafolyamatokra készült, ahol a szerkesztések feletti szorosabb kontroll számít. Az OpenAI példaként produkcióra kész kampánykreatívokat és kidolgozott termékképeket említ. A forrás szerint a Sunburst extra pontosságot kínál részletes kreatív munkához, hosszabb generálási idővel.

Az Images 2.5 az OpenAI közlése szerint minden ChatGPT, ChatGPT Work és Codex felhasználó számára elérhető asztali gépen, mobilon és weben. Az API-ban a GPT-Image-2.5 Sunburst és a GPT-Image-2.5 Flare érhető el.

Mit jelent ez a felhasználóknak és a fejlesztőknek

A bejelentés alapján a felhasználók gyorsabban próbálhatnak ki képötleteket, pontosabban finomíthatják az elkészült képeket, és többféle módon adhatnak vizuális kiindulópontot a ChatGPT-nek. A Sketch azoknak lehet hasznos, akik rajzzal könnyebben megmutatják az elképzelésüket, a sablonok pedig a gyakori formátumoknál csökkenthetik az indulási nehézséget.

A fejlesztők és üzleti felhasználók számára a hangsúly a megbízhatóbb referenciaalapú munkafolyamatokon, a célzott szerkesztésen és a több lépésben is konzisztens képmódosításon van. Az OpenAI szerint ezek a képességek kreatív, marketing, kiskereskedelmi és média csapatok által használt termékekben jelenhetnek meg.

A biztonsági oldalon az OpenAI azt írja, hogy a ChatGPT Images 2.5 a meglévő védelmi megoldásokra épít. A vállalat ellenőrzéseket használ a promptokon és a képeken a káros kimenetek megelőzésére, továbbá C2PA metaadatokat és láthatatlan vízjelezést alkalmaz az eszközeivel készült képek azonosításának segítésére.