ChatGPT Images 2.6 معرفی شد؛ ساخت GIF، ذخیره عکس مرجع و ویرایش دقیق‌تر
اخبار هوش مصنوعی · تاریخ معرفی
OpenAI مدل ChatGPT Images 2.6 را معرفی کرد. این نسخه برای ساخت و ویرایش سریع‌تر تصویر طراحی شده و به گفته شرکت، هنگام تغییر پس‌زمینه یا دکور، جزئیات سوژه را بهتر حفظ می‌کند. OpenAI همچنین امکان ذخیره عکس مرجع برای استفاده در گفت‌وگوهای بعدی را معرفی کرده و عرضه تدریجی قابلیت ساخت GIF در ChatGPT را آغاز کرده است. اعلامیه رسمی OpenAI و یادداشت انتشار
در ChatGPT Images 2.6 چه چیزی تغییر کرده است؟
OpenAI می‌گوید مدل جدید تصویر را حدود ۵۰ درصد سریع‌تر از قبل تولید می‌کند. این عدد بر اساس گزارش خود شرکت است و زمان هر درخواست به نوع تصویر، تنظیمات ویرایش و محیط استفاده بستگی دارد. برای کسی که چند طرح برای یک کاور می‌سازد یا پس‌زمینه یک عکس محصول را چند بار عوض می‌کند، تغییر مهم دیگر حفظ بهتر جزئیات بین ویرایش‌هاست. جزئیات سرعت و ویرایش در اعلامیه رسمی
فرض کنید یک عکس آتلیه‌ای دارید و می‌خواهید برای دو پست، یک‌بار بک‌گراند کرم و بار دیگر بک‌گراند آبی بسازید. چیزی که در عمل اهمیت دارد این است که بعد از هر تغییر، صورت، مدل مو و لباس هنوز به تصویر مرجع نزدیک باشند. برای عکس محصول هم همین معیار درباره فرم بدنه، رنگ، بسته‌بندی و نوشته روی برچسب صدق می‌کند. نتیجه هر ویرایش را کنار فایل اصلی ببینید، به‌خصوص اگر قرار است عکس محصول در فروشگاه منتشر شود.
ساخت GIF با ChatGPT چطور کار می‌کند؟
طبق راهنمای OpenAI، می‌توانید با یک دستور متنی GIF تکرارشونده بخواهید یا یک عکس ثابت آپلود کنید و توضیح دهید کدام بخش آن حرکت کند. پس از ساخت، می‌توانید سرعت پخش را تنظیم کنید و فایل را ذخیره یا به اشتراک بگذارید. راهنمای رسمی می‌گوید ChatGPT فعلاً GIF متحرکی را که خودتان آپلود می‌کنید ویرایش نمی‌کند. برای شروع، از عکس ثابت یا GIF ساخته‌شده در همان گفتگو استفاده کنید. راهنمای رسمی ساخت و ویرایش GIF
برای اولین امتحان فقط یک حرکت بخواهید. اگر هم دوربین بچرخد، هم محصول حرکت کند و هم نور عوض شود، پیدا کردن علت یک ایراد دشوارتر می‌شود. خروجی را چند بار پخش کنید و لحظه برگشت به فریم اول را ببینید. برای معرفی یک گجت، ثابت ماندن فرم دستگاه و طبیعی بودن تکرار حرکت دو معیار کاربردی برای انتخاب نسخه نهایی‌اند.
عکس مرجع را چطور برای گفت‌وگوهای بعدی ذخیره کنیم؟
در راهنمای OpenAI آمده که می‌توانید عکس را آپلود کنید و از ChatGPT بخواهید آن را با یک نام به‌عنوان مرجع ذخیره کند. بعد در گفت‌وگوی دیگری، با نوشتن @ و نام ذخیره‌شده، همان عکس را در درخواست جدید به کار ببرید. برای مثال، می‌توانید عکس یک گجت را با نام Gadget01 ذخیره کنید و بعد برای ساخت کاور با @Gadget01 به آن ارجاع بدهید. راهنمای ذخیره و استفاده مجدد از عکس مرجع
هنگام استفاده از مرجع مشخص کنید چه چیزی باید ثابت بماند. مثلاً بنویسید «رنگ، فرم بدنه و جای دکمه‌های @Gadget01 حفظ شوند و فقط پس‌زمینه به یک میز استودیویی روشن تغییر کند». برای پرتره، ویژگی‌های ثابت می‌توانند فرم صورت، رنگ پوست، خط رویش مو و لباس باشند. ذخیره مرجع انتخاب عکس را ساده‌تر می‌کند و بازبینی خروجی همچنان بخشی از کار است.
تست پیشنهادی دیجیتالوکس؛ یک پرتره، دو تغییر پس‌زمینه
- عکس مرجع را نگه دارید. یک پرتره واضح انتخاب کنید که جزئیات چهره، مو و لباس در آن دیده شوند.
- ویرایش اول را بسازید. بخواهید فقط پس‌زمینه به خاکستری روشن تغییر کند. زاویه دوربین و سوژه ثابت بمانند.
- ویرایش دوم را روی خروجی اول انجام دهید. این بار فقط رنگ پس‌زمینه را کرم کنید. این ترتیب برای بررسی تغییرات پیاپی است.
- هر سه تصویر را هم‌اندازه مقایسه کنید. فرم چشم و فک، رنگ پوست، لبه مو، بافت لباس و جای سوژه در کادر را جدا نگاه کنید.
برای بررسی دقیق‌تر، همان تغییر دوم را یک‌بار مستقیماً از عکس اصلی هم انجام دهید. اگر نسخه‌ای که از عکس اصلی شروع شده شباهت بیشتری دارد، برای آن سوژه ارزش دارد هر طرح تازه را از مرجع اصلی بسازید. این بخش روش اجرای آزمون را توضیح می‌دهد. نتیجه به عکس و دستور ویرایش شما بستگی دارد.
برای آماده کردن عکس و پرامپت تست، راهنمای ساخت عکس آتلیه‌ای با هوش مصنوعی را ببینید.
Images 2.6 برای چه کسانی در دسترس است؟
OpenAI در اعلامیه معرفی گفته مدل Images 2.6 در ChatGPT و Codex برای همه طرح‌ها روی وب، موبایل و دسکتاپ عرضه شده است. قابلیت GIF برنامه عرضه تدریجی خودش را دارد. برای توسعه‌دهندگان نیز دو مدل GPT-Image-2.6 Flare و GPT-Image-2.6 Sunburst در API معرفی شده‌اند. OpenAI مدل Flare را برای سرعت و Sunburst را برای کارهایی که به جزئیات و ثبات بیشتری نیاز دارند توضیح داده است. جزئیات رسمی عرضه و دسترسی
| قابلیت | محل دسترسی | وضعیت اعلام‌شده |
|---|---|---|
| مدل Images 2.6 | ChatGPT و Codex | عرضه برای همه طرح‌ها |
| ساخت GIF | ChatGPT | عرضه تدریجی |
| Flare و Sunburst | API | مدل‌های جداگانه برای توسعه‌دهندگان |
پرسش‌های متداول
آیا ChatGPT Images 2.6 برای کاربران رایگان هم عرضه شده؟
طبق اعلام OpenAI، مدل اصلی برای همه طرح‌ها عرضه شده است. دسترسی به مدل اصلی و فعال شدن GIF دو موضوع جدا هستند و GIF به‌تدریج عرضه می‌شود.
می‌شود یک عکس معمولی را در ChatGPT متحرک کرد؟
اگر قابلیت GIF برای حساب شما فعال باشد، می‌توانید عکس ثابت را آپلود کنید و حرکت موردنظر را توضیح دهید. برای نتیجه قابل بازبینی، در درخواست اول فقط یک حرکت مشخص بخواهید.
آیا نسخه 2.6 چهره را در همه ویرایش‌ها دقیقاً ثابت نگه می‌دارد؟
OpenAI از بهبود حفظ جزئیات خبر داده است. میزان شباهت به عکس ورودی و نوع ویرایش بستگی دارد. بعد از هر مرحله، چهره و جزئیات مهم را با عکس اصلی مقایسه کنید.
