Images 2.6 néven jelentős frissítést adott ki az OpenAI, amellyel a generatív mesterséges intelligencia már animált GIF-eket is létrehozhat, miközben a vállalat szerint a képgenerálás 50 százalékkal gyorsabbá vált. A fejlesztők két új modell, a gyorsabb Flare és a részletesebb munkákra szánt Sunburst közül választhatnak. A frissítés a ChatGPT-ben, a Codexben és az API-n keresztül is elérhető.
Az OpenAI november 4-én mutatta be az Images 2.6 rendszert, amely a korábbi képgeneráló modellek továbbfejlesztésére épül. A frissítés egyik leglátványosabb újdonsága az animált GIF-ek készítése: a felhasználó szöveges utasításból vagy meglévő képből is létrehozhat rövid, ismétlődő animációt. A ChatGPT-ben az animáció sebessége és egyes képkockái is módosíthatók. Az OpenAI a közösségi médiás tartalmakat, a márkafigurákat, a termékbemutatókat és a kreatív történetmesélést emeli ki a lehetséges alkalmazások között.
A fejlesztők számára két különböző modellváltozat érkezett. A GPT-Image-2.6 Flare elsősorban a gyors generálásra és az ismételt képszerkesztési feladatokra készült, míg a GPT-Image-2.6 Sunburst a részletesebb kompozíciókat és a következetesebb vizuális megjelenítést helyezi előtérbe. A vállalat közlése szerint a Flare alacsony minőségi beállítás mellett akár hat másodperc alatt is képes elkészíteni egy képet. A Sunburst különösen olyan munkáknál lehet hasznos, amelyeknél ugyanazokat a szereplőket, termékeket vagy márkaelemeket több szerkesztési lépésen keresztül kell megőrizni.
Az OpenAI szerint az Images 2.6 képgenerálása összességében 50 százalékkal gyorsabb elődjénél. A fejlesztői felületre bekerült a képen belüli pontos jelölésekkel irányított szerkesztés, az SVG-kimenet és egy új, háromfokozatú összetettségi beállítás is. Utóbbival meghatározható, mennyi előkészítő tervezést végezzen a modell a kép létrehozása előtt. Az alacsonyabb szint egyszerűbb módosításokhoz, a magasabb szint összetett jelenetekhez és részletesebb vizuális utasításokhoz lehet előnyös. A modellek képi kimenetének API-ára egymillió számlázott képtokenenként 30 dollár, a teljes költséget azonban a bemenet és az egyéb feldolgozási műveletek is befolyásolják.
Olvasd el: A világ élvonalába került a Microsoft új generatív mesterséges intelligencia képszerkesztője
Átalakulhat a digitális tartalomgyártás, ha a mesterséges intelligencia már nemcsak statikus képeket, hanem animációkat és tovább szerkeszthető grafikai anyagokat is készít egyetlen munkafolyamatban?
Az új lehetőségek különösen a marketingben és a kreatív iparágakban lehetnek érdekesek. Egy vállalkozás például azonos arculattal készíthet több termékképet, azokból közösségi médiás animációkat állíthat elő, majd a grafikai anyagokat különböző felületekhez igazíthatja. Az SVG-kimenet további lehetőséget jelenthet weboldalakhoz, alkalmazásokhoz és nyomtatott anyagokhoz készülő vizuális elemeknél. A pontosabban irányítható képszerkesztés pedig csökkentheti annak szükségességét, hogy egy kisebb módosítás miatt az egész képet újra kelljen készíteni.
A fejlesztés ugyanakkor nem jelenti azt, hogy minden animáció vagy grafika automatikusan hibátlan és professzionális felhasználásra kész. Az összetett mozgásoknál, a képkockák közötti következetességnél, a pontos feliratoknál és a termékek részleteinél továbbra is előfordulhatnak hibák. A vállalat sebességi eredményei ráadásul meghatározott beállításokra vonatkoznak, és a megjelenéskor nem álltak rendelkezésre átfogó, független benchmarkeredmények az új modellek képminőségéről. Az OpenAI külön biztonsági értékelést is közzétett, amely a manipulált képek és animációk lehetséges kockázataival foglalkozik.
Az Images 2.6 megjelenése jól mutatja, hogy a generatív mesterséges intelligencia a különálló képkészítő eszközökből egyre inkább összetett vizuális munkakörnyezetté fejlődik. A versenyben már nem kizárólag a képek látványossága számít, hanem a generálás sebessége, a szerkesztés pontossága és az elkészített anyagok további felhasználhatósága is. Ha ezek a képességek tovább fejlődnek, a kreatív szakemberek számára a mesterséges intelligencia nem egyszerűen egy gyors képalkotó eszköz, hanem a teljes vizuális gyártási folyamat egyik központi eleme lehet.
Olvasd el ezt is: Nyílt súlyú generatív mesterséges intelligencia érkezett képgenerálásra és képszerkesztésre
Források: OpenAI, OpenAI API Documentation, OpenAI Deployment Safety Hub, The Verge
CS.SZ.
