چت‌جی‌پی‌تی با ابزار Sketch نقاشی‌های دستی را به تصویر نهایی تبدیل می‌سازد

به گزارش خبرگزاری آنا؛ اوپن‌ای‌آی می‌گوید کاربران در مجموع هر هفته بیش از سه میلیارد تصویر با چت‌جی‌پی‌تی Images و مدل‌های GPT-Image در API تولید می‌کنند و نسخه ۲.۵ با هدف بهبود کیفیت و کنترل بیشتر روی فرایند تولید تصویر توسعه یافته است. مهم‌ترین تغییر فقط افزایش کیفیت خروجی نیست؛ مدل جدید هنگام کار با تصویر مرجع بهتر می‌تواند چهره، اشیا و ویژگی‌های متمایز سوژه را حفظ کند و در ویرایش‌های متوالی نیز کمتر از ظاهر اولیه فاصله می‌گیرد. این ویژگی برای کاربری‌هایی مانند تغییر پس‌زمینه، جابه‌جایی سوژه یا اصلاح بخشی از عکس اهمیت دارد که کاربر نمی‌خواهد سایر قسمت‌های تصویر ناخواسته تغییر کنند.

ویرایش فقط همان بخشی که کاربر خواسته است

یکی از تمرکز‌های اصلی Images ۲.۵ روی ویرایش موضعی تصویر قرار دارد. اوپن‌ای‌آی می‌گوید مدل بهتر تشخیص می‌دهد کدام بخش باید تغییر کند و در مقابل، چه قسمت‌هایی باید دست‌نخورده باقی بمانند. برای مثال، اگر کاربر بخواهد تنها محصولی را در یک تصویر عوض کند یا متن، پس‌زمینه یا یک شیء را تغییر دهد، مدل باید ترکیب‌بندی، سوژه اصلی و دیگر جزئیات را تا حد امکان ثابت نگه دارد.

این بهبود در مکالمات طولانی‌تر نیز ادامه پیدا می‌کند. نسخه‌های قبلی ممکن بود پس از چند مرحله ویرایش، بعضی جزئیات قبلی را تغییر دهند یا کیفیت تصویر به‌تدریج افت کند، اما Images ۲.۵ برای حفظ تغییرات قبلی و ادامه دادن همان مسیر طراحی شده است. به گفته اوپن‌ای‌آی، این ثبات برای کار‌های حرفه‌ای اهمیت زیادی دارد، زیرا طراح می‌تواند چند اصلاح کوچک را پشت سر هم انجام دهد بدون اینکه هر بار مجبور باشد تصویر را از ابتدا بسازد.

تصاویر طبیعی‌تر و دستور‌های پیچیده قابل‌فهم‌تر شده‌اند

مدل تازه در نورپردازی و بافت‌ها نیز بهبود یافته و تصاویر مرجع را با وفاداری بیشتری بازسازی می‌کند. اوپن‌ای‌آی می‌گوید سوژه‌های انسانی و اشیای مشخص در نسخه جدید قابل‌شناسایی‌تر باقی می‌مانند و ویژگی‌هایی مانند فرم صورت، پوشش یا دیگر مشخصات ظاهری کمتر در طول فرایند تولید تغییر می‌کنند.

درک دستور‌های پیچیده بصری هم بهتر شده است. Images ۲.۵ می‌تواند ترکیب‌بندی‌های شلوغ‌تر، پس‌زمینه شفاف و چیدمان‌های چندبخشی را دقیق‌تر مدیریت کند و هنگام درخواست سبک بصری مشخص نیز کمتر از مسیر موردنظر فاصله بگیرد. چنین قابلیتی برای طراحی پوستر، تصاویر تبلیغاتی، رابط‌های کاربری یا مجموعه‌ای از تصاویر با هویت بصری یکسان کاربرد دارد.

تولید تصویر تا ۵۰ درصد سریع‌تر شده است

سرعت یکی دیگر از تغییرات مهم نسل جدید است. اوپن‌ای‌آی اعلام کرده زمان انتظار برای تولید تصویر نسبت به Images ۲.۰ تا ۵۰ درصد کاهش یافته است؛ در نتیجه کاربر می‌تواند یک تصویر بسازد، نتیجه را بررسی کند و اصلاحات بعدی را سریع‌تر اعمال کند.

کاهش زمان تولید به‌ویژه در فرایند‌هایی اهمیت دارد که کاربر چند نسخه متفاوت از یک ایده می‌سازد یا بار‌ها روی جزئیات آن تغییر ایجاد می‌کند. در چنین شرایطی، کاهش زمان هر مرحله می‌تواند فرایند رسیدن از ایده اولیه به خروجی نهایی را به شکل محسوسی کوتاه‌تر کند.

Sketch ایده دست‌کشیده را به تصویر تبدیل می‌کند

اوپن‌ای‌آی هم‌زمان قابلیت تازه‌ای به نام Sketch را نیز به چت‌جی‌پی‌تی اضافه کرده است. کاربر می‌تواند مستقیماً داخل چت یک طرح ساده بکشد و سپس از همان طرح به‌عنوان مرجع برای ساخت تصویر نهایی استفاده کند. برای مثال، می‌توان محل تقریبی وسایل یک اتاق، شکل لباس یا ترکیب‌بندی یک تصویر را با خطوط ساده مشخص کرد و سپس سبک و جزئیات موردنظر را به‌صورت متنی توضیح داد.

هدف Sketch این است که کاربر برای توضیح موقعیت اشیا یا ساختار تصویر مجبور نباشد همه چیز را با متن شرح دهد. برای استفاده از این قابلیت می‌توان عبارت @Sketch را داخل چت وارد کرد.

قالب‌های آماده و ثبت نظر مستقیم روی تصویر

قابلیت دیگری که همراه Images ۲.۵ ارائه شده، قالب‌های آماده برای برخی فرمت‌های رایج تصویری است. کاربر می‌تواند به‌جای شروع از صفحه خالی، قالب‌هایی مانند پوستر یا محصولات تبلیغاتی را انتخاب و سپس اطلاعات، سبک و عناصر موردنظر خود را به آن اضافه کند.

امکان ثبت مستقیم نظر یا Comment روی بخش مشخصی از تصویر نیز اضافه شده است. چنین روشی می‌تواند درخواست ویرایش را دقیق‌تر کند؛ به‌جای توضیح اینکه «شیء سمت راست تصویر» باید تغییر کند، کاربر می‌تواند همان قسمت را مشخص و دستور اصلاح را مستقیماً روی آن ثبت کند.

اوپن‌ای‌آی همچنین امکان اشتراک‌گذاری پرامپت را همراه تصویر فراهم کرده است. کاربری که تصویر تولیدشده را با دیگران به اشتراک می‌گذارد می‌تواند دستور اصلی آن را نیز در اختیارشان قرار دهد تا افراد دیگر همان ایده را با تصاویر و جزئیات شخصی خود بازسازی کنند.

دو مدل تازه برای توسعه‌دهندگان معرفی شدند

نسخه ۲.۵ فقط به چت‌جی‌پی‌تی محدود نیست و اوپن‌ای‌آی دو مدل جدید با نام‌های GPT-Image-۲.۵ Flare و GPT-Image-۲.۵ Sunburst را نیز برای API معرفی کرده است. Flare به‌عنوان انتخاب پیش‌فرض برای بیشتر کاربرد‌ها طراحی شده و به گفته شرکت، نسبت به GPT-Image-۲ کیفیت بالاتری دارد و با حدود ۵۰ درصد تأخیر کمتر تصویر تولید می‌کند. این مدل برای تولید محتوای شبکه‌های اجتماعی، تصاویر محصول، جست‌وجوی بصری، نمونه‌سازی سریع و تولید انبوه تصویر در نظر گرفته شده است.

Sunburst در مقابل برای کار‌هایی طراحی شده که دقت و کنترل بیشتر از سرعت اهمیت دارد. اوپن‌ای‌آی این مدل را برای تولید تصاویر تبلیغاتی نهایی، تصاویر حرفه‌ای محصول و پروژه‌هایی پیشنهاد می‌کند که چند مرحله ویرایش دقیق دارند. زمان تولید در Sunburst بیشتر است، اما هدف آن حفظ بهتر جزئیات و کنترل بیشتر روی خروجی نهایی است.

واترمارک نامرئی و C۲PA همچنان استفاده می‌شوند

اوپن‌ای‌آی اعلام کرده Images ۲.۵ از همان سازوکار‌های ایمنی نسل‌های قبلی استفاده می‌کند و درخواست‌ها و تصاویر برای جلوگیری از تولید محتوای مضر بررسی می‌شوند. شرکت همچنین همچنان از فراداده C۲PA و واترمارک نامرئی برای کمک به شناسایی تصاویر تولیدشده با ابزار‌های خود استفاده می‌کند.

چت‌جی‌پی‌تی Images ۲.۵ برای کاربران چت‌جی‌پی‌تی، چت‌جی‌پی‌تی Work و Codex در همه پلن‌ها و روی نسخه وب، دسکتاپ و موبایل در حال عرضه است. دو مدل GPT-Image-۲.۵ Flare و Sunburst نیز هم‌اکنون از طریق API در دسترس توسعه‌دهندگان قرار گرفته‌اند.