GPT Image 2

GPT Image 2 ถือเป็นการอัปเกรดการสร้างรูปภาพครั้งสำคัญที่สุดของ OpenAI นับตั้งแต่ DALL·E 3 สถาปัตยกรรมนี้ถูกสร้างขึ้นใหม่ทั้งหมด — ไม่ได้ใช้ชุดข้อมูลร่วมกับ GPT-4o อีกต่อไป — และรวมขั้นตอนที่เคยเป็น 2 ขั้นตอนเข้าด้วยกันเป็นขั้นตอนการให้เหตุผลเพียงครั้งเดียว การเปลี่ยนแปลงโครงสร้างนี้มีผลดีต่อครีเอเตอร์สองประการ ประการแรกคือการทำตามคำสั่ง (Prompt Adherence) ดีขึ้นอย่างมหาศาล: คำสั่งที่มีหลายส่วนพร้อมข้อจำกัดเชิงพื้นที่ (เช่น "บาริสต้ากำลังเทเอสเพรสโซอยู่ทางซ้าย โดยมีกระดานดำเมนูอยู่ข้างหลังเธอที่เขียนว่า 'Morning Brew — $4.50'") จะแสดงผลได้อย่างถูกต้องโดยไม่ทิ้งองค์ประกอบใดไป ประการที่สองคือการเรนเดอร์ข้อความที่อยู่ในระดับใช้งานจริงได้ ในขณะที่โมเดลรุ่นก่อนๆ มักสร้างตัวอักษรที่อ่านไม่ออก แต่ GPT Image 2 มอบข้อความที่อ่านง่าย จัดวางช่องไฟอย่างถูกต้อง ทั้งภาษาอังกฤษ จีนกลาง ญี่ปุ่น เกาหลี ฮินดี และเบงกาลี — ปลดล็อกกรณีการใช้งาน เช่น สื่อโฆษณาหลายภาษา ม็อคอัพสินค้าที่ปรับตามท้องถิ่น และอินโฟกราฟิกระดับสากลที่ก่อนหน้านี้ต้องผ่านขั้นตอนหลังการผลิตด้วยมือ

ความรู้เกี่ยวกับโลกแห่งความเป็นจริงของโมเดลนี้ก็ก้าวไปอีกขั้น เลย์เอาต์ร้าน IKEA, อินเทอร์เฟซของ YouTube, ไอคอน Windows และบรรจุภัณฑ์สินค้าที่สอดคล้องกับแบรนด์ จะปรากฏขึ้นด้วยความสมจริงที่เป็นที่จดจำได้แทนที่จะเป็นการคาดคะเน เมื่อจับคู่กับการรองรับการอ้างอิงหลายรูปภาพ — LoveGen AI อนุญาตให้ใช้รูปภาพอ้างอิงได้สูงสุด 4 รูปต่อการสร้างหนึ่งครั้ง — คุณสามารถล็อกใบหน้าตัวละครข้ามแคมเปญการตลาด ถ่ายโอนการจัดแสงจากภาพถ่ายหนึ่งไปยังฉากที่สร้างขึ้น หรือตัดต่อสินค้าลงในภาพไลฟ์สไตล์ของแบรนด์โดยไม่มีปัญหาเอกลักษณ์คลาดเคลื่อนเหมือนเครื่องมือรุ่นเก่า โทนสีเหลืองที่เคยพบใน gpt-image-1 และ 1.5 ถูกกำจัดออกไปโดยสิ้นเชิง มอบโทนสีที่เป็นกลางเหมาะสำหรับกระบวนการพิมพ์เชิงพาณิชย์ ความละเอียดสูงสุดคือ 2K (สูงสุด 2048×2048) พร้อมเอาต์พุตทดลองที่เกินกว่า 2560×1440 ทำให้ GPT Image 2 เหมาะสำหรับงานนิตยสาร อีคอมเมิร์ซ และงานระบบการออกแบบที่โมเดลทั่วไปรุ่นก่อนๆ ต้องใช้การรีทัชอย่างหนัก