OpenAI: GPT Image 1

GPT Image 1 to natywnie multimodalny model obrazowy OpenAI, który przyjmuje tekst i obrazy, a wyniki zwraca w postaci obrazów. Może generować nową scenę, korzystać z obrazów referencyjnych do kształtowania kompozycji lub edytować istniejący materiał zgodnie z nową instrukcją. Praktyczne prace obejmują ilustracje, zdjęcia produktowe, koncepcje projektowe i lokalne zmiany kierowane maską. To wersja oznaczona GPT Image 1, odrębna od Image 1 Mini, Image 1.5 i późniejszych wersji GPT Image.

Przygotuj opis wskazujący główny obiekt, otoczenie, kompozycję, oświetlenie i styl wizualny. Jeśli zadanie wymaga widocznego tekstu, podaj dokładne brzmienie i wyjaśnij jego zamierzoną hierarchię i położenie. W kompozycji opartej na referencjach przypisz każdemu obrazowi jasną rolę, taką jak produkt, otoczenie lub sposób przedstawienia. Bezpośrednie procesy generowania i edycji dopuszczają prompt do 32 000 znaków i od jednego do dziesięciu wyników obrazowych. Porównaj zwrócone warianty z tym samym opisem i zachowaj wybrany materiał do dalszej pracy.

Edycja może przyjmować do szesnastu obrazów referencyjnych. GPT Image 1 obsługuje wartości low i high parametru input_fidelity, z low jako wartością domyślną. Ustawienie to wpływa na wysiłek wkładany w zachowanie cech i stylu obrazu źródłowego; jest niezależne od jakości renderowania i rozmiaru wyniku. Edycja z wysoką wiernością przydaje się, gdy liczą się szczegóły źródła, ale nie gwarantuje, że każda cecha pozwalająca je rozpoznać pozostanie identyczna. Określ, co należy zachować, a co może się zmienić, zamiast polegać wyłącznie na ustawieniu wierności.

Edycja z maską wskazuje obszar do modyfikacji. Przygotuj źródło i maskę w tym samym formacie i wymiarach, o rozmiarze poniżej 50 MB zgodnie z wymaganiami przewodnika, z kanałem alfa w masce. Przy wielu obrazach źródłowych maska jest nakładana na pierwszy. Przydatny opis edycji może dotyczyć zmiany koloru ściany przy zachowaniu mebli, kąta kamery i oświetlenia. Model używa maski jako wskazówki, nie obiecując dokładnej granicy, dlatego sprawdź zarówno zmieniony obszar, jak i jego otoczenie.

Udokumentowane standardowe rozmiary wyniku to 1024 × 1024, 1536 × 1024 i 1024 × 1536 pikseli, z automatycznym wyborem rozmiaru tam, gdzie jest obsługiwany. Jakość przyjmuje wartości low, medium, high lub auto. GPT Image 1 używa tych standardowych kadrów i poziomów jakości do high. Dobierz standardowy kadr do docelowego wyświetlania, a poziom szczegółów do przeznaczenia materiału.

Domyślnym wynikiem jest PNG, z alternatywami JPEG i WebP. Dla JPEG i WebP dostępna jest kompresja od 0 do 100. Tła przezroczyste, nieprzezroczyste i automatyczne odpowiadają różnym potrzebom dostarczenia materiału; przezroczystość wymaga PNG lub WebP. W przypadku wyizolowanej grafiki użyj formatu zachowującego kanał alfa przed umieszczeniem jej w późniejszym układzie. W przypadku kompletnej sceny uwzględnij w opisie tło i relację głównego obiektu do niego.

OpenAI dokumentuje bezpośrednie generowanie i edycję, a karta modelu obejmuje także konwersacyjne użycie obrazów. Przy stopniowym dopracowywaniu zachowuj wybrany wynik jako źródło kolejnej zmiany, zamiast niejawnie wybierać inny wariant. Dokumentacja obrazowa opisuje strumieniowanie do trzech obrazów częściowych; pokazują one postęp, a nie dodatkowe gotowe materiały. Przechowuj ukończony obraz wraz z opisem, aby późniejsze edycje odnosiły się do rzeczywistej kompozycji. Interfejs producenta obsługuje również przetwarzanie wsadowe.

Model nadal może mieć trudności z precyzyjnym położeniem tekstu, ściśle uporządkowanymi układami i spójnością powracających obiektów. Sprawdź napisy, granice przedmiotów, kolorystykę i cechy identyfikujące materiał źródłowy w docelowym rozmiarze. Jeśli edycja wymaga dopracowania, opisz widoczną rozbieżność i elementy do zachowania. GPT Image 1 przydaje się w konkretnej sekwencji generowania, edycji opartej na referencjach i przygotowania materiału, z zachowaniem odrębności jego standardowych rozmiarów i wybieralnej wierności wejścia względem innych wersji.