OpenAI: GPT Image 2

GPT Image 2 är en bildgenereringsmodell från OpenAI, listad på api14 under modell-id:t openai/gpt-image-2. Den tillhör kategorin bild, och OpenAI beskriver den som sin senaste bildgenereringsmodell, med stöd för högfidilitetsbildgenerering och redigering. Om din applikation behöver producera eller modifiera bilder snarare än text, är detta den modellfamilj du bör titta på först.

Modellen tar emot text- och bildindata och returnerar bilder som sin enda utdatamodalitet. Den kombinationen är det som gör redigering möjlig: du kan skicka en prompt på egen hand, eller kombinera en prompt med referensbilder för att styra resultatet. Kontextfönstret är 400 000 tokens, med en maximal utdata på 360 000 tokens. Genereringen styrs genom en uppsättning bildparametrar. Bildförhållandet kan ställas in på 1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16, 21:9 eller auto. Quality accepterar auto, low, medium eller high. Background accepterar auto eller opaque. Du kan begära mellan 1 och 10 bilder per anrop med n, ange mellan 0 och 16 indatareferenser, och ställa in utdatakomprimering var som helst från 0 till 100.

Dessa funktioner pekar mot en ganska bred uppsättning praktiska användningsområden. Text till bild-generering täcker marknadsföringsmaterial, app- och webbkonst, konceptutforskning och platshållar- eller produktionsbilder. Eftersom modellen också tar emot bildindata passar redigeringsarbetsflöden naturligt: att ge en befintlig resurs en ny stil, justera en komposition, eller producera varianter som håller sig nära en medföljande referens. Parametern input_references, som tillåter upp till 16 bilder, passar uppgifter där flera källbilder behöver ligga till grund för ett enda resultat, till exempel att kombinera element från flera referenser. Parametern n hjälper när du vill ha flera kandidater i en begäran, och inställningarna för bildförhållande och kvalitet låter dig matcha utdata mot en specifik plats i en layout, från kvadratiska sociala format till breda 21:9-banners.

Du anropar modellen genom api14:s OpenAI-kompatibla API med modell-id:t openai/gpt-image-2, så befintliga OpenAI-klientbibliotek och begäransformat fungerar i allmänhet oförändrat. De parametrar som stöds är max_tokens, response_format, seed och structured_outputs, tillsammans med bildparametrarna som beskrivs ovan: aspect_ratio, quality, background, n, input_references och output_compression. Parametern seed är användbar när du behöver reproducerbara resultat mellan körningar, och response_format låter dig styra hur bilddatan kommer tillbaka. Eftersom gränssnittet är OpenAI-kompatibelt är att byta till denna modell från en annan OpenAI-bildmodell mest en fråga om att ändra modell-id:t och justera parametrar.

En sak att ha i åtanke är utdatamodaliteten. GPT Image 2 returnerar endast bilder, så den är inte rätt val när du behöver textkompletteringar, chattsvar eller någon annan textutdata; en textmodell passar bättre för dessa fall. Inom bildarbete definierar parameterintervallen gränserna: högst 10 bilder per begäran, högst 16 indatareferenser, och kvalitets- och komprimeringsvärden begränsade till de listade alternativen. Om din uppgift faller inom dessa gränser täcker denna modell både generering och redigering genom en enda endpoint.