مدل جدید ChatGPT Images 2.5 رسماً معرفی شد و OpenAI در این نسخه مرزهای خلق محتوای تصویری را گسترش داده است. این مدل پیشرفته، عکسها را با جزئیات دقیقتر و با سرعت بسیار بالاتری تولید میکند.
OpenAI در بیانیه خود توضیح داده که مدل Images 2.5 نورپردازی طبیعیتر و بافتهای غنیتری تولید میکند، در حفظ هویت سوژهها از روی تصاویر مرجع عملکرد بسیار بهتری دارد و در ویرایشهای متوالی و چندمرحلهای، دستورات را پایدارتر دنبال میکند. علاوهبراین، تأخیر آن در تولید تصاویر در مقایسه با Images 2.0 تا ۵۰ درصد کاهش پیدا کرده است تا فرایند تصویرسازی و بازبینی سریعتر از گذشته پیش برود.
قابلیتهای جدید برای تولید تصویر
در ChatGPT، قابلیتهای تعاملی جدیدی نیز برای کنترل دقیقتر ارائه شده است. قابلیت Sketch به شما اجازه میدهد مستقیماً داخل محیط چت طرح موردنظر خود را بکشید تا بهعنوان راهنمای بصری تصویر نهایی استفاده شود. فعالسازی این ابزار با تایپ عبارت «Sketch@» در کادر گفتگو انجام میشود که با ارسال آن، پنجرهای اختصاصی برای طراحی ظاهر خواهد شد. در ویدیو زیر میتوانید نحوه عملکرد آن را مشاهده کنید.
ویژگی Templates نیز شروع خلق آثاری نظیر تراکتها یا عکسهای محصول را آسانتر میکنند. امکان ثبت کامنت مستقیم روی بخشهای مختلف تصاویر برای ویرایش هدفمند نیز فراهم شده و کاربران میتوانند پرامپتهای موفق خود را با دیگران به اشتراک بگذارند. ویدیو زیر نیز این قابلیت را نشان میدهد.
وفاداری به تصاویر مرجع و دقت ویرایش در مدل GPT Images 2.5
طبق توضیحات OpenAI، مدل GPT Images 2.5 عملکرد بهینهای در درک تصاویر مرجع دارد و میتواند سوژههای آشنا را با حفظ کامل ویژگیهای هویتی، در فضاسازیها، سبکها و ترکیببندیهای تازه بازسازی کند. نور و بافتها در عکس نهایی طبیعیتر شدهاند و برای چهره یا اشیا تغییرات ناخواسته صورت نمیگیرد.
در کنار وفاداری، ویرایش دقیق سوژهها نیز ارتقا یافته است. این مدل تنها بخشی را که دستور تغییر آن داده شده بازطراحی میکند و باقی جزئیات پسزمینه و ترکیببندی را حتی در صحنههای پیچیده بدون تغییر نگه میدارد. در حوزه API، این امکان وجود دارد که جزئیاتی نظیر یک محصول، بکگراند یا متن تبلیغاتی تغییر کند بدون اینکه هویت برند یا ساختار کلی آسیب ببیند. در گفتگوهای طولانی با ChatGPT نیز ویرایشهای پیاپی روی تصویر قبلی اعمال میشود؛ تغییرات اولیه از بین نمیروند و کیفیت بصری در گذر مراحل افت نخواهد کرد.
درک پرامپتهای پیچیده و سبکهای گوناگون در Images 2.5 بهبود چشمگیری داشته است. تصاویری که نیازمند درک اطلاعات جهان واقعی هستند با صحت بالاتری خلق میشوند و ساختارهای پیچیده مثل پسزمینههای شفاف بهراحتی پردازش میشوند.
نهایتاً در بخش ایمنی، OpenAI میگوید مدل جدید از لایههای نظارتی سختگیرانهای برای جلوگیری از محتوای مخرب بهره میبرد. برای شفافیت و پیگیری اصالت آثار نیز متادیتای C2PA و واترمارکهای نامرئی روی تمامی تصاویر ساختهشده درج میشود.
مدل Images 2.5 در دسترس تمامی کاربران نسخههای عادی، ChatGPT Work و Codex روی دسکتاپ، موبایل و وب قرار گرفته است. همچنین توسعهدهندگان به دو نسخه در API دسترسی دارند: مدل GPT‑Image‑2.5 Flare که با نصف شدن میزان تأخیر و سرعت بالا گزینه پیشفرض برنامهها است و مدل GPT‑Image‑2.5 Sunburst که برای خروجیهای بسیار حساس با جزئیات سنگین و زمان تولید طولانیتر توسعه پیدا کرده است.
نظرات کاربران