OpenAI: GPT Image 2

GPT Image 2 to model generowania obrazów od OpenAI, wymieniony na api14 pod identyfikatorem modelu openai/gpt-image-2. Należy do kategorii obrazów, a OpenAI opisuje go jako swój najnowszy model generowania obrazów, obsługujący generowanie i edycję obrazów o wysokiej wierności. Jeśli Twoja aplikacja musi tworzyć lub modyfikować obrazy, a nie tekst, to jest rodzina modeli, od której warto zacząć.

Model przyjmuje dane wejściowe w postaci tekstu i obrazów, a zwraca obrazy jako jedyny tryb wyjściowy. To połączenie umożliwia edycję: możesz wysłać sam prompt lub połączyć prompt z obrazami referencyjnymi, aby pokierować wynikiem. Okno kontekstu wynosi 400 000 tokenów, a maksymalne wyjście to 360 000 tokenów. Generowanie jest kontrolowane przez zestaw parametrów obrazu. Współczynnik proporcji można ustawić na 1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16, 21:9 lub auto. Jakość przyjmuje wartości auto, low, medium lub high. Tło przyjmuje wartości auto lub opaque. Możesz zażądać od 1 do 10 obrazów na wywołanie za pomocą n, podać od 0 do 16 referencji wejściowych oraz ustawić kompresję wyjściową w zakresie od 0 do 100.

Te możliwości wskazują na dość szeroki zestaw praktycznych zastosowań. Generowanie obrazów z tekstu obejmuje materiały marketingowe, grafikę do aplikacji i stron internetowych, eksplorację koncepcji oraz obrazy zastępcze lub produkcyjne. Ponieważ model przyjmuje również dane wejściowe w postaci obrazów, przepływy pracy związane z edycją pasują tu naturalnie: zmiana stylu istniejącego materiału, korygowanie kompozycji lub tworzenie wariantów blisko powiązanych z dostarczoną referencją. Parametr input_references, który pozwala na maksymalnie 16 obrazów, pasuje do zadań, w których kilka obrazów źródłowych ma wpłynąć na jeden wynik, na przykład łączenie elementów z wielu referencji. Parametr n pomaga, gdy chcesz uzyskać kilka kandydatów w jednym żądaniu, a ustawienia współczynnika proporcji i jakości pozwalają dopasować wynik do konkretnego miejsca w układzie, od kwadratowych formatów społecznościowych po szerokie banery 21:9.

Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu openai/gpt-image-2, więc istniejące biblioteki klienckie OpenAI i kształty żądań zasadniczo pozostają aktualne. Obsługiwane parametry to max_tokens, response_format, seed i structured_outputs, obok opisanych powyżej parametrów obrazu: aspect_ratio, quality, background, n, input_references i output_compression. Parametr seed jest przydatny, gdy potrzebujesz powtarzalnych wyników między uruchomieniami, a response_format pozwala kontrolować sposób zwracania danych obrazu. Ponieważ interfejs jest zgodny z OpenAI, przejście na ten model z innego modelu obrazu OpenAI to głównie kwestia zmiany identyfikatora modelu i dostosowania parametrów.

Jedna rzecz do zapamiętania to tryb wyjściowy. GPT Image 2 zwraca wyłącznie obrazy, więc nie jest właściwym wyborem, gdy potrzebujesz uzupełnień tekstu, odpowiedzi czatu lub innego wyjścia tekstowego; model tekstowy lepiej pasuje do takich przypadków. W pracy z obrazami zakresy parametrów wyznaczają granice: co najwyżej 10 obrazów na żądanie, co najwyżej 16 referencji wejściowych oraz wartości jakości i kompresji ograniczone do wymienionych opcji. Jeśli Twoje zadanie mieści się w tych granicach, model ten obsługuje zarówno generowanie, jak i edycję przez jeden punkt końcowy.