OpenAI: GPT Image 1

GPT Image 1 er OpenAI’s billedmodel med indbygget multimodalitet, der accepterer tekst- og billedinput og producerer billedoutput. Den kan generere en ny scene, bruge referencebilleder til at forme en komposition eller redigere et eksisterende aktiv med en ny instruktion. Praktisk arbejde omfatter illustration, produktbilleder, designkoncepter og lokale ændringer styret af en maske. Dette er den navngivne GPT Image 1-udgave, adskilt fra Image 1 Mini, Image 1.5 og senere GPT Image-versioner.

Forbered et oplæg, der angiver motivet, omgivelserne, kompositionen, lyset og den visuelle stil. Hvis opgaven kræver synlig tekst, skal du medtage den nøjagtige ordlyd og forklare dens ønskede hierarki og placering. Til en referencekomposition skal du give hvert billede en klar rolle, såsom et produkt, et miljø eller en visuel behandling. De direkte genererings- og redigeringsforløb tillader en prompt på op til 32.000 tegn og ét til ti billedresultater. Sammenlign de returnerede variationer mod samme oplæg, og gem det valgte aktiv til efterfølgende arbejde.

Redigering kan modtage op til seksten referencebilleder. GPT Image 1 understøtter low og high input_fidelity, med low som standard. Denne indstilling påvirker indsatsen for at bevare kildebilledets træk og stil; den er adskilt fra renderingskvalitet og outputstørrelse. En redigering med høj kildetroskab er nyttig, når kildedetaljer betyder noget, men den garanterer ikke, at hver identificerende detalje forbliver identisk. Angiv, hvad der skal bevares, og hvad der må ændres, frem for kun at stole på indstillingen for kildetroskab.

Maskeret redigering angiver et område, der skal ændres. Forbered kilden og masken i samme format og dimensioner, under 50 MB ifølge vejledningens krav, med en alfakanal i masken. Med flere kildebilleder anvendes masken på det første. Et nyttigt redigeringsoplæg kan bede om en anden vægfarve, mens møbler, kameravinkel og lys bevares. Modellen bruger masken som vejledning frem for at love en præcis grænse, så efterse både det ændrede område og omgivelserne.

De dokumenterede standardstørrelser for output er 1024 × 1024, 1536 × 1024 og 1024 × 1536 pixels med automatisk størrelsesvalg, hvor det understøttes. Kvaliteten er low, medium, high eller auto. GPT Image 1 bruger disse standardrammer og kvalitetsniveauer op til high. Vælg standardrammen efter den tilsigtede visning og detaljeniveauet efter aktivets formål.

PNG er standardoutputtet med JPEG og WebP som alternativer. Komprimering fra 0 til 100 er tilgængelig for JPEG og WebP. Valg af gennemsigtig, uigennemsigtig eller automatisk baggrund understøtter forskellige leveringsbehov; gennemsigtighed kræver PNG eller WebP. Til en fritstående grafik skal du bruge et format, der bevarer alfakanalen, før grafikken placeres i et senere layout. Til en komplet scene skal baggrunden og motivets forhold til den forblive i oplægget.

OpenAI dokumenterer direkte generering og redigering, og modelkortet omfatter også samtalebaseret billedbrug. Ved trinvist arbejde skal du beholde det valgte resultat som kilde til en opfølgende ændring frem for underforstået at vælge en anden variation. Billedreferencen dokumenterer streaming med op til tre delvise billeder; disse viser fremskridt frem for ekstra færdige aktiver. Gem det færdige billede sammen med oplægget, så senere redigeringer henviser til den faktiske komposition. Producentens grænseflade understøtter også batchbehandling.

Modellen kan stadig have svært ved præcis tekstplacering, stramt strukturerede layouts og ensartethed på tværs af tilbagevendende motiver. Efterse tekst, objektgrænser, farvebehandling og de detaljer, der identificerer kildematerialet, i den tilsigtede størrelse. Hvis en redigering kræver forbedring, skal du beskrive den synlige uoverensstemmelse og de elementer, der skal bevares. GPT Image 1 er nyttig til en konkret sekvens af generering, referencestyret redigering og klargøring af aktiver, hvor dens egne standardstørrelser og valgbare inputtroskab holdes adskilt fra andre udgaver.