GPT Image 2 je už dostupné pre všetkých v ChatGPT

Open AI práve zverejnilo novú verziu GPT Image ktorú nazvalo ChatGPT Images, svoje znovu lepší model na generovanie obrázkov všetkých štýlov. Podľa OpenAI má ponúknuť presnejšie plnenie zadaní, lepšie zachovanie detailov pri úpravách a zároveň aj rýchlejšie generovanie.  Lepšie sú zachytené aj texty, vie teraz vytvoriť celé noviny, ale aj celé obrázky webov, chatu.

Veľkou zmenou je práca s editáciou obrázkov. Po nahratí fotografie alebo iného obrázka má model spoľahlivejšie meniť len to, čo používateľ naozaj žiada, bez toho, aby zbytočne rozbil zvyšok scény. OpenAI hovorí o lepšom pridávaní, odoberaní, kombinovaní, miešaní aj preskupovaní prvkov. V praxi to má pomôcť pri bežných úpravách fotiek, skúšaní oblečenia či účesov a aj pri štýlových transformáciách, ktoré zachovajú podstatu pôvodného obrázka.

Nové ChatGPT Images má byť zároveň kreatívnejšie aj pri väčších premenách. Systém vie pracovať s textom, rozložením a štýlmi tak, aby sa dal obrázok nielen jemne upraviť, ale aj výraznejšie prepracovať. OpenAI ukazuje príklady ako filmové plagáty, reklamy, maľby, módne vizuály či rôzne štylizované premeny postáv. Súčasťou nového prostredia sú aj prednastavené štýly a nápady, takže používateľ nemusí všetko vypisovať ručne.

Firma zdôrazňuje aj lepšie dodržiavanie pokynov. Model má byť presnejší pri zložitejších zadaniach, kde treba zachovať vzťahy medzi viacerými objektmi alebo správne rozmiestniť množstvo rôznych prvkov. V ukážkach to OpenAI demonštruje napríklad na obrázkoch s hustou mriežkou predmetov, kde má nová verzia zvládať komplikované zadania lepšie než staršia.

Posun prišiel aj vo vykresľovaní textu. OpenAI tvrdí, že nový model zvláda hustejší a menší text, čo sa hodí pri tvorbe infografík, plagátov, novinových rozložení alebo vizuálov s väčším množstvom popisov. Spolu s tým firma spomína aj celkové zlepšenie kvality výstupov, prirodzenejší vzhľad obrázkov a lepšie zvládanie scén s množstvom malých tvárí.

Novinkou je aj samostatný priestor Images priamo v ChatGPT. Je dostupný v bočnom paneli na webe aj v mobilnej aplikácii a má uľahčiť skúšanie nových nápadov. Obsahuje prednastavené filtre a trendy príkazy, ktoré sa priebežne menia. Cieľom je, aby bolo generovanie obrázkov rýchlejšie, jednoduchšie a viac orientované na experimentovanie.

OpenAI zároveň hovorí aj o využití pre pracovné nasadenie. Nový model má byť vhodný pre marketing, dizajn, e-commerce aj internú komunikáciu, keďže dokáže rýchlejšie generovať obrázky, robiť presné zásahy a držať konzistentné vizuálne detaily naprieč viacerými iteráciami.

Firma priznáva, že systém ešte nie je bez chýb. Aj keď v mnohých oblastiach vidí výrazný posun, stále spomína limity pri niektorých štýloch, viacerých tvárach či viacjazyčných výstupoch. V niektorých odborných alebo vedeckých vizualizáciách sa podľa nej stále môžu objaviť nepresnosti.

Popri ChatGPT prichádza novinka aj do API ako gpt-image-1.5. Táto verzia má priniesť rovnaké vylepšenia ako ChatGPT Images, vrátane lepšieho zachovania log, značkových prvkov a konzistentných vizuálov pri úpravách. OpenAI uvádza, že vstupy aj výstupy obrázkov sú pri GPT Image 1.5 v API o 20 percent lacnejšie než pri GPT Image 1, čo má firmám umožniť viac iterovať za rovnaké náklady.