OpenAI: GPT Image 1

GPT Image 1 är OpenAI:s inbyggt multimodala bildmodell, som tar emot text- och bildindata och producerar bildutdata. Den kan generera en ny scen, använda referensbilder för att forma en komposition eller redigera befintligt material genom en ny instruktion. Praktiskt arbete omfattar illustration, produktbilder, designkoncept och lokala ändringar vägledda av en mask. Detta är den namngivna utgåvan GPT Image 1, separat från Image 1 Mini, Image 1.5 och senare GPT Image-versioner.

Förbered en brief som anger motiv, miljö, komposition, ljussättning och visuell stil. Om uppgiften behöver synlig text inkluderar du den exakta formuleringen och förklarar dess avsedda hierarki och position. För en referenskomposition tilldelar du varje bild en tydlig roll, till exempel produkt, miljö eller visuellt uttryck. De direkta genererings- och redigeringsflödena tillåter en prompt på upp till 32 000 tecken och ett till tio bildresultat. Jämför de returnerade varianterna mot samma brief och behåll det valda materialet för efterföljande arbete.

Redigering kan ta emot upp till sexton referensbilder. GPT Image 1 stöder low och high för input_fidelity, med low som standard. Denna kontroll påverkar insatsen för att bevara källbildens egenskaper och stil; den är åtskild från renderingskvalitet och utmatningsstorlek. En redigering med hög återgivningstrogenhet är användbar när källdetaljer är viktiga, men är ingen garanti för att varje identifierande detalj förblir identisk. Ange vad som ska behållas och vad som får ändras i stället för att enbart förlita dig på inställningen för återgivningstrogenhet.

Maskerad redigering identifierar ett område att ändra. Förbered källan och masken i samma format och mått, under 50 MB enligt guidens krav, med en alfakanal i masken. Med flera källbilder tillämpas masken på den första. En användbar redigeringsbrief kan be om en annan väggfärg samtidigt som möbler, kameravinkel och ljussättning behålls. Modellen använder masken som vägledning snarare än att lova en exakt gräns, så granska både det ändrade området och dess omgivning.

De dokumenterade standardstorlekarna för utdata är 1024 × 1024, 1536 × 1024 och 1024 × 1536 pixlar, med automatiskt storleksval där det stöds. Kvaliteten är low, medium, high eller auto. GPT Image 1 använder dessa standardformat och kvalitetsnivåer upp till high. Välj standardformat utifrån den avsedda visningen och detaljnivå utifrån materialets syfte.

PNG är standardutdata, med JPEG och WebP som alternativ. Komprimering från 0 till 100 är tillgänglig för JPEG och WebP. Transparenta, opaka och automatiska bakgrundsval stöder olika leveransbehov; transparens kräver PNG eller WebP. För en fristående grafik använder du ett format som behåller alfakanalen innan den placeras i en senare layout. För en fullständig scen behåller du bakgrunden och motivets förhållande till den i briefen.

OpenAI dokumenterar generering och redigering direkt, och modellkortet omfattar också konversationsbaserad bildanvändning. Vid iterativt arbete behåller du det valda resultatet som källa för en uppföljande ändring i stället för att underförstått välja en annan variant. Bildreferensen dokumenterar strömning med upp till tre partiella bilder; dessa visar förloppet snarare än extra färdiga tillgångar. Håll ihop den färdiga bilden och briefen så att senare redigeringar hänvisar till den faktiska kompositionen. Tillverkarens gränssnitt stöder också batchbearbetning.

Modellen kan fortfarande ha svårt med exakt textplacering, hårt strukturerade layouter och konsekvens över återkommande motiv. Granska text, objektgränser, färgbehandling och de detaljer som identifierar källmaterialet i avsedd storlek. Om en redigering behöver förfinas beskriver du den synliga avvikelsen och de element som ska bevaras. GPT Image 1 är användbar för en konkret följd av generering, referensstyrd redigering och materialförberedelse, med sina egna standardstorlekar och valbara återgivningstrogenhet för indata hållna åtskilda från andra utgåvor.