OpenAI: GPT Image 2

GPT Image 2 は OpenAI の画像生成モデルで、api14 にモデル ID openai/gpt-image-2 として掲載されています。画像カテゴリに属し、OpenAI はこれを最新の画像生成モデルと説明しており、高忠実度の画像生成と編集をサポートします。アプリケーションでテキストではなく画像を生成または修正する必要がある場合、まず検討すべきモデルファミリーです。

このモデルはテキストと画像の入力を受け付け、唯一の出力モダリティとして画像を返します。この組み合わせが編集を可能にします。プロンプトだけを送信することも、プロンプトに参照画像を組み合わせて結果を導くこともできます。コンテキストウィンドウは 400,000 トークンで、最大出力は 360,000 トークンです。生成は一連の画像パラメータで制御します。アスペクト比は 1:1、3:2、2:3、4:3、3:4、16:9、9:16、21:9 または auto に設定できます。quality は auto、low、medium または high を受け付けます。background は auto または opaque を受け付けます。n で 1 回の呼び出しにつき 1 から 10 枚の画像を要求でき、0 から 16 個の入力参照を指定し、output compression を 0 から 100 の範囲で設定できます。

これらの機能は、かなり幅広い実用的用途を示しています。テキストから画像の生成は、マーケティング素材、アプリや Web のアートワーク、コンセプト探索、プレースホルダーまたは本番用画像をカバーします。このモデルは画像入力も受け付けるため、編集ワークフローが自然に適合します。既存素材のスタイル変更、構図の調整、または提供された参照に近い状態を保つバリエーションの生成などです。最大 16 枚の画像を許可する input_references パラメータは、複数のソース画像から 1 つの結果を得る必要があるタスク、たとえば複数の参照から要素を組み合わせる場合に適しています。n パラメータは 1 回のリクエストで複数の候補が欲しい場合に役立ち、アスペクト比と品質設定により、正方形のソーシャル形式からワイドな 21:9 バナーまで、レイアウト内の特定の枠に出力を合わせられます。

このモデルは api14 の OpenAI 互換 API を通じて、モデル ID openai/gpt-image-2 を使用して呼び出します。そのため、既存の OpenAI クライアントライブラリとリクエスト形式は概ねそのまま利用できます。サポートされるパラメータは max_tokens、response_format、seed、structured_outputs で、上記の画像パラメータである aspect_ratio、quality、background、n、input_references、output_compression も含まれます。seed パラメータは実行間で再現可能な結果が必要な場合に役立ち、response_format は画像データがどのように返されるかを制御できます。インターフェースが OpenAI 互換であるため、別の OpenAI 画像モデルからこのモデルへ切り替えるのは、主にモデル ID を変更しパラメータを調整するだけです。

留意すべき点の 1 つは出力モダリティです。GPT Image 2 は画像のみを返すため、テキスト補完、チャット応答、その他のテキスト出力が必要な場合には適していません。そのようなケースにはテキストモデルの方が適しています。画像作業においては、パラメータ範囲が境界を定義します。1 リクエストにつき最大 10 枚の画像、最大 16 個の入力参照、quality と compression の値は記載された選択肢に限定されます。タスクがこれらの範囲内に収まる場合、このモデルは単一のエンドポイントを通じて生成と編集の両方をカバーします。