OpenAI: GPT Image 1

A GPT Image 1 az OpenAI eleve multimodális képmodellje, amely szöveges és képi bemeneteket fogad, és képi kimeneteket állít elő. Generálhat új jelenetet, referenciaképekkel alakíthat kompozíciót, vagy új utasítással szerkeszthet meglévő anyagot. Gyakorlati feladatai közé tartozik az illusztráció, a termékkép, a tervezési koncepció és a maszkkal irányított helyi változtatás. Ez a név szerint megadott GPT Image 1 kiadás, az Image 1 Minitől, az Image 1.5-től és a későbbi GPT Image verzióktól különállóan.

Készítsen leírást, amely megadja a témát, a környezetet, a kompozíciót, a világítást és a vizuális stílust. Ha a feladat látható szöveget igényel, írja le a pontos megfogalmazást és annak kívánt hierarchiáját és helyét. Referenciakompozíciónál minden képhez rendeljen egyértelmű szerepet, például terméket, környezetet vagy vizuális megjelenítést. A közvetlen generálási és szerkesztési munkafolyamatok legfeljebb 32 000 karakteres promptot és egytől tízig terjedő számú képi eredményt engednek meg. A visszaadott változatokat ugyanahhoz a leíráshoz mérje, és a választott anyagot őrizze meg a későbbi munkához.

A szerkesztés legfeljebb tizenhat referenciaképet fogadhat. A GPT Image 1 low és high input_fidelity értéket támogat, alapértelmezése low. Ez a vezérlő a forráskép jellemzőinek és stílusának megőrzésére fordított erőfeszítést befolyásolja; különálló a renderelési minőségtől és a kimeneti mérettől. A nagy forráshűségű szerkesztés akkor hasznos, ha a forrás részletei fontosak, de nem garantálja, hogy minden azonosító részlet teljesen ugyanaz marad. Adja meg, mit kell megtartani és mi változhat, ne kizárólag a forráshűségi beállításra hagyatkozzon.

A maszkolt szerkesztés kijelöli a módosítandó területet. A forrást és a maszkot azonos formátumban és méretben, az útmutató követelményei szerint 50 MB alatt készítse elő, a maszkban alfacsatornával. Több forráskép esetén a maszk az elsőre alkalmazódik. Hasznos szerkesztési leírás kérhet eltérő falszínt a bútorok, a kamera szöge és a világítás megtartásával. A modell a maszkot iránymutatásként használja, nem ígér pontos határt, ezért a módosított területet és környezetét is vizsgálja meg.

A dokumentált szabványos kimeneti méretek 1024 × 1024, 1536 × 1024 és 1024 × 1536 képpont, ahol támogatott, automatikus méretválasztással. A minőség low, medium, high vagy auto lehet. A GPT Image 1 ezeket a szabványos képméreteket és legfeljebb high minőségi szintet használja. A szabványos képméretet a tervezett megjelenítéshez, a részletszintet az anyag céljához válassza meg.

A PNG az alapértelmezett kimenet, alternatívaként JPEG és WebP választható. JPEG-hez és WebP-hez 0 és 100 közötti tömörítés érhető el. Az átlátszó, nem átlátszó és automatikus háttérválasztás különböző átadási igényeket támogat; az átlátszóság PNG-t vagy WebP-t igényel. Önálló grafikához olyan formátumot használjon, amely megőrzi az alfacsatornát a későbbi elrendezésbe helyezés előtt. Teljes jelenetnél a hátteret és a téma ahhoz való viszonyát is foglalja bele a leírásba.

Az OpenAI közvetlen generálást és szerkesztést dokumentál, és a modellkártya beszélgetéses képhasználatot is tartalmaz. Ismétlődő munkánál a választott eredményt őrizze meg a következő módosítás forrásaként, ne válasszon hallgatólagosan másik változatot. A képes referencia legfeljebb három részleges képet használó streamelést dokumentál; ezek a haladást mutatják, nem további kész anyagok. A befejezett képet és a leírást tartsa együtt, hogy a későbbi szerkesztések a tényleges kompozícióra hivatkozzanak. A gyártó felülete kötegelt feldolgozást is támogat.

A modellnek továbbra is nehézséget okozhat a pontos szövegelhelyezés, a szigorúan strukturált elrendezés és a visszatérő témák közötti következetesség. A tervezett méretben ellenőrizze a feliratokat, a tárgyak határait, a színvilágot és a forrásanyagot azonosító részleteket. Ha egy szerkesztés finomításra szorul, írja le a látható eltérést és a megőrzendő elemeket. A GPT Image 1 generálás, referenciaalapú szerkesztés és anyag-előkészítés konkrét sorozatához használható, saját szabványos méreteit és választható bemeneti forráshűségét a többi kiadástól elkülönítve.