GPT Image 2

GPT Image 2 stanowi najważniejszą aktualizację OpenAI w zakresie generowania obrazów od czasu DALL·E 3. Architektura została przebudowana od podstaw — nie dzieli już wag z GPT-4o — i konsoliduje to, co kiedyś było dwuetapowym procesem, w pojedynczy etap wnioskowania. Ta zmiana strukturalna ma dwie konsekwencje dla twórców. Po pierwsze, wierność promptom drastycznie rośnie: wieloczęściowe prompty z ograniczeniami przestrzennymi ("baristka nalewająca espresso po lewej stronie, z tablicą kredową za nią z napisem 'Morning Brew — $4.50'") rozwiązują się poprawnie, zamiast gubić elementy. Po drugie, renderowanie tekstu osiąga jakość produkcyjną. Tam, gdzie wcześniejsze modele produkowały dekoracyjny bełkot, GPT Image 2 dostarcza czytelny, poprawnie sformatowany tekst w języku angielskim, mandaryńskim, japońskim, koreańskim, hindi i bengalskim — odblokowując zastosowania takie jak wielojęzyczne kreacje reklamowe, zlokalizowane makiety produktów i międzynarodowe infografiki, które wcześniej wymagały ręcznej postprodukcji.

Wiedza modelu o świecie rzeczywistym to kolejny krok naprzód. Układy sklepów IKEA, interfejs YouTube, ikony Windows i zgodne z marką opakowania produktów pojawiają się teraz z rozpoznawalną wiernością zamiast przybliżeń. W połączeniu z obsługą wielu obrazów referencyjnych — LoveGen AI pozwala na maksymalnie cztery obrazy referencyjne na generację — możesz zablokować twarz postaci w całej kampanii marketingowej, przenieść oświetlenie z jednego zdjęcia na wygenerowaną scenę lub wkomponować produkt w zdjęcie lifestylowe marki bez utraty tożsamości, która nękała wcześniejsze narzędzia. Żółty odcień obecny w gpt-image-1 i 1.5 został całkowicie wyeliminowany, zapewniając neutralne tony odpowiednie do komercyjnego druku. Maksymalna rozdzielczość to 2K (do 2048×2048), z eksperymentalnymi wynikami dostępnymi powyżej 2560×1440, co czyni GPT Image 2 opłacalnym do prac edytorskich, e-commerce i systemów projektowych, gdzie wcześniejsze modele ogólnego przeznaczenia wymagały mocnego retuszu.