OpenAI: GPT Image 1 Mini

GPT Image 1 Mini to model generowania obrazów od OpenAI. Jest pozycjonowany jako opłacalny wariant GPT Image 1, mający na celu tworzenie wysokiej jakości obrazów przy zmniejszonym opóźnieniu w porównaniu z pełnym modelem. W api14 pojawia się w kategorii obrazów i jest identyfikowany przez identyfikator modelu openai/gpt-image-1-mini.

Model przyjmuje dane wejściowe tekstowe i obrazowe oraz zwraca obrazy. Jego okno kontekstowe wynosi 400 000 tokenów, a maksymalne wyjście to 360 000 tokenów. Ponieważ modalnością wyjściową jest obraz, a nie tekst, model jest zbudowany do zadań generowania, a nie do czatu czy uzupełniania tekstu. Wejścia obrazowe oznaczają, że można dostarczyć materiał referencyjny wraz z promptem, którego model może użyć do pokierowania tym, co tworzy.

To połączenie wejścia tekstowego i obrazowego z wyjściem obrazowym obsługuje szereg praktycznych zastosowań. Możesz generować obrazy na podstawie opisów słownych, tworzyć wariacje istniejącego obrazu, przekazując go jako referencję, lub kierować generowaniem za pomocą kilku referencji jednocześnie. Kontrolki proporcji, jakości i tła pozwalają dopasować wynik do konkretnego układu lub przypadku użycia, takiego jak kwadratowy materiał do mediów społecznościowych, kadr portretowy czy przezroczyste tło do komponowania. Ponieważ generowanie jest jedynym wyjściem, model nie jest przeznaczony do zadań takich jak opisywanie, klasyfikacja czy wyodrębnianie tekstu z obrazów.

Wywołujesz go przez kompatybilne z OpenAI API api14, używając identyfikatora modelu openai/gpt-image-1-mini. Obsługiwane parametry żądania to max_tokens, response_format, seed i structured_outputs. Obok nich model udostępnia kontrolki specyficzne dla obrazów: aspect_ratio przyjmuje 1:1, 3:2, 2:3 lub auto; quality przyjmuje auto, low, medium lub high; background przyjmuje auto, transparent lub opaque; n ustawia, ile obrazów zwrócić, od 1 do 10; input_references ustawia, ile obrazów referencyjnych przekazać, od 0 do 16; a output_compression mieści się w zakresie od 0 do 100. Seed pozwala odtworzyć generowanie, a response_format kontroluje sposób zwracania wyniku.

Miej ten zestaw parametrów na uwadze podczas planowania integracji. Model zwraca wyłącznie obrazy, więc jeśli potrzebujesz tekstu z obrazu, lepszym wyborem będzie model wizyjny lub multimodalny model tekstowy. Okno kontekstowe 400 000 tokenów jest hojne dla promptów i referencji, ale wyjściem jest obraz, a nie proza. Jeśli twoje obciążenie koncentruje się na generowaniu obrazów z tekstu lub referencji i chcesz opłacalny wariant GPT Image 1, ten model jest odpowiednim wyborem.