OpenAI: GPT Image 1

GPT Image 1 er OpenAIs bildemodell som er multimodal fra grunnen av. Den tar imot tekst og bilder som inndata og produserer bilder som utdata. Den kan generere en ny scene, bruke referansebilder til å forme en komposisjon eller redigere eksisterende bildemateriell gjennom en ny instruksjon. Praktisk arbeid omfatter illustrasjon, produktbilder, designkonsepter og lokale endringer styrt av en maske. Dette er den navngitte utgaven GPT Image 1, adskilt fra Image 1 Mini, Image 1.5 og senere GPT Image-versjoner.

Klargjør en oppdragsbeskrivelse som angir motiv, setting, komposisjon, lys og visuell stil. Hvis oppgaven trenger synlig tekst, bør du ta med den nøyaktige ordlyden og forklare tiltenkt hierarki og plassering. For en referansekomposisjon gir du hvert bilde en tydelig rolle, som et produkt, omgivelser eller en visuell behandling. De direkte genererings- og redigeringsflytene tillater en prompt på opptil 32 000 tegn og ett til ti bilderesultater. Sammenlign de returnerte variantene mot den samme oppdragsbeskrivelsen, og behold den valgte filen til videre arbeid.

Redigering kan ta imot opptil seksten referansebilder. GPT Image 1 støtter low og high for input_fidelity, med low som standard. Denne kontrollen påvirker innsatsen for å bevare kildebildets egenskaper og stil; den er adskilt fra gjengivelseskvalitet og utdatastørrelse. En redigering med høy detaljbevaring er nyttig når kildedetaljer betyr noe, men garanterer ikke at hver identifiserende detalj forblir identisk. Angi hva som skal beholdes, og hva som kan endres, i stedet for å stole på innstillingen for detaljbevaring alene.

Maskert redigering angir et område som skal endres. Klargjør kilden og masken med samme format og dimensjoner, under 50 MB i henhold til veiledningens krav, med en alfakanal i masken. Med flere kildebilder brukes masken på det første. En nyttig redigeringsbeskrivelse kan be om en annen veggfarge mens møbler, kameravinkel og lys bevares. Modellen bruker masken som veiledning uten å love en nøyaktig grense, så kontroller både det endrede området og omgivelsene.

De dokumenterte standardstørrelsene for utdata er 1024 × 1024, 1536 × 1024 og 1024 × 1536 piksler, med automatisk størrelsesvalg der dette støttes. Kvalitet er low, medium, high eller auto. GPT Image 1 bruker disse standardformatene og kvalitetsnivåer opptil high. Velg standardformatet ut fra den tiltenkte visningen og detaljnivået ut fra filens formål.

PNG er standardutdata, med JPEG og WebP som alternativer. Komprimering fra 0 til 100 er tilgjengelig for JPEG og WebP. Valg av gjennomsiktig, ugjennomsiktig eller automatisk bakgrunn støtter ulike leveringsbehov; gjennomsiktighet krever PNG eller WebP. For en isolert grafisk figur bør du bruke et format som beholder alfakanalen før du plasserer den i en senere layout. For en fullstendig scene bør du ta med bakgrunnen og motivets forhold til den i oppdragsbeskrivelsen.

OpenAI dokumenterer direkte generering og redigering, og modellkortet omfatter også samtalebasert bildebruk. For trinnvis arbeid bør du beholde det valgte resultatet som kilde for en oppfølgende endring, i stedet for å velge en annen variant implisitt. Bildereferansen dokumenterer strømming med opptil tre delbilder; disse viser fremdrift, ikke ekstra ferdige ressurser. Hold det ferdige bildet og oppdragsbeskrivelsen samlet, slik at senere redigeringer viser til den faktiske komposisjonen. Produsentens grensesnitt støtter også satsvis behandling.

Modellen kan fortsatt ha problemer med presis tekstplassering, stramt strukturerte layouter og konsistens på tvers av tilbakevendende motiver. Kontroller skrift, objektgrenser, fargebehandling og detaljene som identifiserer kildematerialet, i den tiltenkte størrelsen. Hvis en redigering må finpusses, bør du beskrive det synlige avviket og elementene som skal bevares. GPT Image 1 er nyttig for en konkret sekvens med generering, referansestyrt redigering og klargjøring av ressurser, der egne standardstørrelser og valgbar detaljbevaring i inndata holdes adskilt fra andre utgaver.