OpenAI: GPT Image 1

GPT Image 1 هو نموذج لتوليد الصور وتحريرها من OpenAI، مُدرج على api14 تحت معرّف النموذج openai/gpt-image-1. يقع في فئة الصور، ويصفه مزوّده بأنه يولّد الصور ويحرّرها عبر واجهة Images API مخصّصة. إذا كنت تعمل بالفعل مع نماذج OpenAI، فهذا هو المورّد نفسه، مكشوفًا هنا عبر واجهة api14 المتوافقة مع OpenAI.

يستقبل النموذج مدخلات نصية ومدخلات صور ويعيد صورًا. نافذة السياق لديه 400,000 رمز، بحد أقصى للمخرجات يبلغ 360,000. تمنحك معاملات الصور تحكّمًا في شكل ما يعود وجودته: يقبل aspect_ratio القيم 1:1 أو 3:2 أو 2:3 أو auto؛ ويقبل quality القيم auto أو low أو medium أو high؛ ويقبل background القيم auto أو transparent أو opaque. يمكنك طلب ما بين 1 و10 صور في كل استدعاء عبر n، وتقديم ما بين 0 و16 مرجعًا للمدخلات عند التحرير، وضبط output_compression في أي قيمة من 0 إلى 100. يبرز المزوّد عرض النص بدقة، والخلفيات الشفافة، ودعم ما يصل إلى 16 صورة مرجعية عند التحرير.

تشير هذه القدرات إلى مجموعة محدّدة إلى حد كبير من المهام. عرض النص بدقة يجعله خيارًا معقولًا للصور التي تحتاج إلى كلمات مقروءة داخلها، مثل اللافتات أو النماذج الأولية أو صور المنتجات التي تحمل ملصقات. الخلفيات الشفافة تناسب الأصول التي ستُركّب في مكان آخر، مثل الأيقونات أو الشعارات أو عناصر التصميم متعدّدة الطبقات. إدخال الصور المرجعية هو ما يجعل التحرير عمليًا: يمكنك تمرير صور موجودة وطلب تغييرات بدلًا من التوليد من الصفر، وهذا مفيد عند التكرار على تصميم أو إعادة تصميم أصل مع الحفاظ على بنيته. توليد عدة تنويعات في استدعاء واحد عبر n يساعد عندما تريد خيارات للاختيار منها بدلًا من نتيجة واحدة.

لاستدعائه عبر api14، استخدم معرّف النموذج openai/gpt-image-1 مع نقطة النهاية المتوافقة مع OpenAI، لذا ينبغي أن تنتقل مكتبات عميل OpenAI الحالية وأشكال الطلبات مع تغييرات طفيفة. المعاملات المدعومة هي max_tokens وresponse_format وseed وstructured_outputs، إلى جانب معاملات الصور الموصوفة أعلاه. استخدم seed عندما تحتاج إلى مخرجات قابلة للتكرار عبر التشغيلات، وresponse_format للتحكم في كيفية إعادة النتيجة. ولأن النموذج يخرج صورًا لا نصًا، فتعامل معه كنقطة نهاية توليد لا كنقطة نهاية إكمال محادثة، حتى وإن كانت واجهة API متوافقة.

أحد الاعتبارات العملية هو أن وسيلة الإخراج هي الصور فقط. إذا كانت مهمتك توليد نص أو تصنيفًا أو أي شيء يعيد نثرًا أو نصًا منظّمًا، فإن نموذج نصي سيكون أنسب؛ وstructured_outputs هنا ينطبق داخل طلب توليد صورة بدلًا من تحويل النموذج إلى مساعد نصي. سياق الـ 400,000 رمز والحد الأقصى للمخرجات البالغ 360,000 سخيّان، لكن القيد المفيد عادة هو سقف الصور المرجعية البالغ 16 عند التحرير وسقف 10 صور في كل استدعاء. خطّط حول هذه الأرقام عند تجميع العمل على دفعات.