OpenAI-მ Images 2.6 წარადგინა. ეს გამოსახულებების გენერაციის განახლებაა ChatGPT-ში, Codex-სა და API-ში. Images 2.6 სურათებს წინა ვერსიაზე 50%-ით სწრაფად ქმნის, ახლა უკვე ანიმირებული GIF-ების შექმნაც შეუძლია, რედაქტირებისას კი პერსონაჟებს, პროდუქტებსა და ბრენდის დეტალებს უკეთ ინარჩუნებს.
OpenAI ამასთან ერთად მასშტაბსაც ასახელებს: ChatGPT-ში, Codex-სა და API-ში ადამიანები კვირაში 4 მილიარდ სურათს ქმნიან, ანუ საშუალოდ დღეში ნახევარ მილიარდზე მეტს.
სარჩევი
Images 2.6: ორი მოდელი API-ში
დეველოპერებისთვის API-ში ორი ვარიანტია: GPT-Image-2.6 Flare და GPT-Image-2.6 Sunburst. Flare სიჩქარეზეა გათვლილი: დაბალი ხარისხის (quality: low) პარამეტრით სურათს სულ რაღაც ექვს წამში ქმნის. OpenAI-ის თქმით, Flare-ში პოსტერების, პროდუქტის ფოტოებისა და სხვა პროფესიული ვიზუალების კომპოზიციაც გაუმჯობესდა.
Sunburst უფრო დეტალური სამუშაოსთვისაა. საშუალო ან მაღალი ხარისხის პარამეტრით ის უფრო მაღალი ხარისხის სურათებს ქმნის და რედაქტირების რამდენიმე რაუნდის შემდეგაც სურათის ელემენტებს უფრო თანმიმდევრულად ინარჩუნებს.
OpenAI-ის დეველოპერულ დოკუმენტაციაში განსხვავება მოკლედაა ჩამოყალიბებული: Flare ინტერაქტიული გენერაციისა და რედაქტირებისთვისაა, როცა შედეგი სწრაფად გჭირდება და ბევრჯერ ცვლი, Sunburst კი დეტალური კომპოზიციებისა და რედაქტირების სამუშაო პროცესებისთვის. ორივე მოდელი შეყვანად ტექსტსა და სურათს იღებს, შედეგად კი სურათს აბრუნებს.
სურათი მოძრაობაში: GIF-ები
ყველაზე შესამჩნევი სიახლე GIF-ებია. Images 2.6-ით შეიძლება ბრენდის თილისმის ან პერსონაჟის ანიმირება, პროდუქტის ფოტოს მოკლე მარყუჟად ქცევა, სოციალური ქსელებისთვის რეაქციებისა და მიმების შექმნა. ანიმირებული სცენარის დაფები (storyboard) პერსონაჟის მოძრაობის დასაგეგმად ვიდეოს გადაღებამდეც გამოდგება. ამოსავალი წერტილი შეიძლება მარტივი ესკიზიც იყოს. GIF ფორმატი მოკლე, ხმის გარეშე, განმეორებად ანიმაციას ინახავს და თითქმის ყველა პლატფორმაზე იხსნება, ამიტომ ჩატებსა და სოციალურ ქსელებში კვლავ ძალიან პოპულარულია.
ახალ მოდელს ადრეული წვდომის მომხმარებლებიც იყენებდნენ. OpenArt-ის აღმასრულებელი დირექტორი და თანადამფუძნებელი კოკო მაო ამბობს, რომ GIF-ები სოციალური მედიის „მშობლიური ენაა“, GPT-Image-2.6 კი მისი პლატფორმის ავტორებს ერთი პრომპტით ანიმაციის შექმნის საშუალებას აძლევს. სტარტაპმა Town-მა, რომელიც სამუშაოსთვის AI ასისტენტს ქმნის, API-ში შეამოწმა, როგორ შეიძლება ანიმირებულმა პერსონაჟებმა ყოველდღიურ სამუშაო ურთიერთობას მეტი ხასიათი შესძინოს.
რა ემატება დეველოპერებს
API-ში რამდენიმე ახალი ინსტრუმენტი ჩნდება:
- სურათზე მონიშვნა (markup). ChatGPT-ში უკვე არსებული ფუნქცია API-შიც გადმოვიდა: გუნდს შეუძლია ზუსტად აჩვენოს, სურათის რომელ ნაწილში უნდა შეიცვალოს რაღაც.
- SVG ექსპორტი. ვექტორული ფაილი, რომელიც ვებსაიტებში, აპებსა და ბეჭდვაში გამოიყენება.
- complexity პარამეტრი. ის განსაზღვრავს, რამდენად დიდხანს „დაგეგმავს“ მოდელი სცენას მოთხოვნის შესასრულებლად. quality პარამეტრი ვიზუალურ დეტალებსა და სიზუსტეს აკონტროლებს, complexity კი იმას, რამდენი რამ ჩაიდება სცენაში. მაგალითად, ფონის ფერის შეცვლა მარტივი რედაქტირებაა, ბევრი ობიექტისა და წარწერისგან შემდგარი პოსტერი კი რთული სცენა.
OpenAI რედაქტირების უმეტესი ამოცანისთვის დაბალ complexity-ს გვირჩევს, რადგან ასე რედაქტირება უფრო სწრაფია, ხოლო ბევრი ელემენტისა და შეზღუდვის მქონე სცენებისთვის საშუალო ან მაღალ დონეს. Figma Weave-ის კრეატიული დირექტორის, იტაი შიფის თქმით, ისინი GPT-Image-2.6-ს თავიანთ პლატფორმაზე ამატებენ.
რას ნიშნავს ეს პრაქტიკაში
გამოსახულების მოდელებთან მუშაობისას ერთ-ერთი ყველაზე გავრცელებული პრობლემა რედაქტირებაა: სურათის ერთ დეტალს ცვლი და მოდელი სხვა ელემენტებსაც ცვლის. შეიძლება პერსონაჟს სახე შეეცვალოს ან პროდუქტის შეფუთვაზე ლოგო დამახინჯდეს. Images 2.6-ში OpenAI სწორედ ამ პრობლემაზე ამახვილებს ყურადღებას: მონიშვნით ცვლილების ადგილი ზუსტად მიეთითება, Sunburst კი რამდენიმე რაუნდის შემდეგაც უკეთ ინარჩუნებს დეტალებს.
მარკეტინგისა და დიზაინის გუნდებისთვის SVG ექსპორტიც მნიშვნელოვანია. ჩვეულებრივი სურათი გადიდებისას ბუნდოვანდება, ვექტორული ფაილი კი ნებისმიერ ზომაზე სუფთად ჩანს. ამიტომ ის ლოგოებისთვის, იკონებისა და ბეჭდვისთვის უფრო მოსახერხებელია. რამდენად კარგად მუშაობს Images 2.6 რეალურ პროექტებში, დამოუკიდებელი ტესტები აჩვენებს. ჯერჯერობით სიჩქარისა და ხარისხის მონაცემები OpenAI-ის საკუთარ განცხადებებს ეფუძნება.
ხელმისაწვდომობა და ფასი
Images 2.6 დღეიდან ხელმისაწვდომია მთელ მსოფლიოში, ChatGPT-სა და Codex-ში, გამოწერის ყველა დონეზე, კომპიუტერის აპში, მობილურსა და ვებში. API-ში ორივე მოდელი, Flare და Sunburst, ხელმისაწვდომია.
API-ის ფასი ტოკენებზეა დამოკიდებული და ორივე მოდელისთვის ერთნაირია: ტექსტური შეყვანა 5 დოლარი ღირს 1 მილიონ ტოკენზე, სურათის შეყვანა 8 დოლარი, სურათის გამოტანა კი 30 დოლარი. ქეშირებული შეყვანა უფრო იაფია: ტექსტისთვის 1,25 დოლარი, სურათისთვის 2 დოლარი. ეს ტარიფები GPT-Image-2.5-ის ფასებს ემთხვევა. ერთი სურათის საბოლოო ფასი ზომასა და ხარისხზეა დამოკიდებული. ორივე მოდელი Image API-ის გენერაციისა და რედაქტირების (images/generations და images/edits) მისამართებზე მუშაობს.
უსაფრთხოების შეფასებებსა და დაცვის მექანიზმებზე OpenAI-მ ცალკე სისტემური ბარათი (system card) გამოაქვეყნა. Images 2.6 ამ ხაზს აგრძელებს და აქცენტს სიჩქარესა და რედაქტირების კონტროლზე აკეთებს.
წყაროები
სხვა თემები
ChatGPT-ის მომხმარებლები 1,2 მილიარდია: OpenAI ამბობს, რომ ძიება Google-ის მეხუთედს აღწევს
Weight-Space Programming: GPT-6 Astra ნეირონული ქსელების წონებს პირდაპირ წერს
OpenAI-მ LifeVal წარადგინა: შეფასების სისტემა