OpenAI: GPT Image 1

GPT Image 1 on OpenAI:n natiivisti multimodaalinen kuvamalli, joka vastaanottaa teksti- ja kuvasyötteitä ja tuottaa kuvia. Se voi generoida uuden näkymän, käyttää viitekuvia sommittelun ohjaamiseen tai muokata olemassa olevaa aineistoa uudella ohjeella. Käytännön töitä ovat kuvitus, tuotekuvat, suunnittelukonseptit ja maskin ohjaamat paikalliset muutokset. Tämä on nimetty GPT Image 1 -versio, joka eroaa Image 1 Ministä, Image 1.5:stä ja myöhemmistä GPT Image -versioista.

Valmistele briiffi, joka määrittää kohteen, ympäristön, sommittelun, valaistuksen ja visuaalisen tyylin. Jos tehtävä tarvitsee näkyvää tekstiä, anna täsmällinen sanamuoto ja selitä sen tarkoitettu hierarkia ja sijainti. Anna viitteisiin perustuvassa sommittelussa kullekin kuvalle selkeä rooli, kuten tuote, ympäristö tai visuaalinen käsittely. Suorat luonti- ja muokkaustyönkulut sallivat enintään 32 000 merkin kehotteen ja yhdestä kymmeneen kuvatulosta. Vertaa palautettuja variaatioita samaan briiffiin ja säilytä valittu aineisto jatkotyötä varten.

Muokkaus voi vastaanottaa enintään kuusitoista viitekuvaa. GPT Image 1 tukee input_fidelity-arvoja low ja high, ja oletus on low. Tämä säätö vaikuttaa siihen, kuinka paljon mallin työ kohdistuu lähtökuvan piirteiden ja tyylin säilyttämiseen; se on erillinen renderöinnin laadusta ja tuloskoosta. Korkean lähdeuskollisuuden muokkaus on hyödyllinen lähtökuvan yksityiskohtien ollessa tärkeitä, mutta se ei takaa jokaisen tunnistavan yksityiskohdan säilymistä samanlaisena. Kerro, minkä tulee säilyä ja mikä saa muuttua sen sijaan, että luottaisit pelkkään uskollisuusasetukseen.

Maskattu muokkaus osoittaa muutettavan alueen. Valmistele lähtökuva ja maski samassa muodossa ja samoissa mitoissa, oppaan vaatimusten mukaisesti alle 50 MB, ja lisää maskiin alfakanava. Useita lähtökuvia käytettäessä maski kohdistuu ensimmäiseen. Käyttökelpoinen muokkausbriiffi voi pyytää toista seinäväriä säilyttäen kalusteet, kamerakulman ja valaistuksen. Malli käyttää maskia ohjauksena eikä lupaa täsmällistä rajaa, joten tarkista sekä muutettu alue että sen ympäristö.

Dokumentoidut vakiotuloskoot ovat 1024 × 1024, 1536 × 1024 ja 1024 × 1536 pikseliä, ja automaattinen koonvalinta on käytettävissä siellä, missä sitä tuetaan. Laatu on low, medium, high tai auto. GPT Image 1 käyttää näitä vakiokuvakokoja ja high-tasoon ulottuvia laatuasetuksia. Valitse vakiokoko tarkoitetun näytön ja yksityiskohtaisuuden taso aineiston tarkoituksen mukaan.

PNG on oletustulos, ja JPEG ja WebP ovat vaihtoehtoja. JPEG ja WebP tarjoavat pakkauksen väliltä 0–100. Läpinäkyvä, peittävä ja automaattinen taustavalinta tukevat erilaisia toimitustarpeita; läpinäkyvyys vaatii PNG- tai WebP-muodon. Käytä erillisessä grafiikassa alfakanavan säilyttävää muotoa ennen sen sijoittamista myöhempään asetteluun. Pidä kokonaisessa näkymässä tausta ja kohteen suhde siihen mukana briiffissä.

OpenAI dokumentoi luonnin ja muokkauksen suoraan, ja mallikortti sisältää myös keskustelullisen kuvakäytön. Säilytä iteratiivisessa työssä valittu tulos jatkomuutoksen lähtökuvana sen sijaan, että valitsisit epäsuorasti toisen variaation. Kuvaviite dokumentoi suoratoiston, jossa on enintään kolme osittaista kuvaa; nämä näyttävät etenemistä eivätkä ole ylimääräisiä valmiita aineistoja. Pidä valmistunut kuva ja briiffi yhdessä, jotta myöhemmät muokkaukset viittaavat varsinaiseen sommitteluun. Valmistajan rajapinta tukee myös eräkäsittelyä.

Mallilla voi edelleen olla vaikeuksia tekstin täsmällisen sijoittelun, tiukasti jäsenneltyjen asettelujen ja toistuvien kohteiden johdonmukaisuuden kanssa. Tarkista tekstit, esineiden rajat, värikäsittely ja lähtöaineiston tunnistavat yksityiskohdat tarkoitetussa koossa. Jos muokkaus tarvitsee viimeistelyä, kuvaile näkyvä poikkeama ja säilytettävät elementit. GPT Image 1 on hyödyllinen konkreettisessa luonnin, viitteiden ohjaaman muokkauksen ja aineiston valmistelun sarjassa, jossa sen omat vakiokoot ja valittava syöteuskollisuus pidetään erillään muista versioista.