OpenAI rozszerza możliwości generowania obrazów w ChatGPT i Codexie. Najnowsza aktualizacja Images 2.6 umożliwia tworzenie animowanych GIF-ów na podstawie tekstu, fotografii lub szkiców. Użytkownicy zyskują również narzędzia do edycji pojedynczych klatek i bibliotekę obrazów referencyjnych. Dla programistów przygotowano dwa modele API – Flare i Sunburst.
ChatGPT Images 2.6 pozwala tworzyć i edytować animowane GIF-y
Osiem miesięcy po zamknięciu projektu Sora firma OpenAI ponownie rozwija narzędzia umożliwiające generowanie ruchomych obrazów. Tym razem koncentruje się jednak na krótkich, zapętlonych animacjach, a nie pełnowymiarowych materiałach wideo.
Dzięki Images 2.6 użytkownicy ChatGPT mogą przygotować animowany GIF, wpisując odpowiednie polecenie tekstowe lub przesyłając zdjęcie bądź odręczny rysunek. System automatycznie tworzy sekwencję klatek, którą można następnie modyfikować.
Nowe funkcje obejmują regulację tempa odtwarzania, podgląd poszczególnych klatek oraz możliwość poprawiania wybranych fragmentów animacji. Wcześniej ChatGPT nie oferował natywnego tworzenia GIF-ów w ramach jednego procesu.
Biblioteka obrazów referencyjnych ułatwia zachowanie spójności grafik
Istotnym elementem aktualizacji jest również biblioteka obrazów referencyjnych. Pozwala ona zapisywać fotografie osób, zwierząt lub fikcyjnych postaci i wykorzystywać je podczas kolejnych generacji bez konieczności ponownego przesyłania plików.
Rozwiązanie może być przydatne między innymi przy projektowaniu maskotek firmowych, materiałów marketingowych, ilustracji produktowych oraz animowanych reakcji wykorzystywanych w komunikatorach internetowych.
Generowanie GIF-ów ma ograniczenia techniczne
Nowa funkcjonalność nie oznacza, że ChatGPT zastępuje zaawansowane generatory wideo. Images 2.6 koncentruje się na stosunkowo krótkich animacjach tworzonych z określonej liczby klatek.
Domyślna konfiguracja przewiduje dziewięć klatek wyświetlanych przez 200 milisekund każda. Oznacza to, że pojedyncza pętla trwa około 1,8 sekundy.
Dokumentacja OpenAI zawiera jednak rozbieżności dotyczące maksymalnej długości animacji. Przewodnik wskazuje możliwość wykorzystania od 2 do 64 klatek, podczas gdy dokumentacja API określa limit na poziomie 16.
Jeden z programistów, który 5 listopada sprawdzał te ograniczenia, odnotował błędy podczas wszystkich siedmiu prób wygenerowania animacji przekraczających limit wskazany w API.
Dodatkowym ograniczeniem pozostaje budżet pikseli, uzależniony od rozdzielczości, liczby klatek oraz liczby jednocześnie generowanych animacji.
Pierwsze testy pokazują różnice w jakości animacji
Serwis Kingy AI przetestował możliwości Images 2.6 zarówno w interfejsie ChatGPT, jak i za pośrednictwem API.
W przypadku ChatGPT uzyskano animację składającą się z 12 klatek o rozdzielczości 358 × 358 pikseli. Każda klatka była wyświetlana przez 170 milisekund.
GIF przedstawiał poruszającą się butelkę, jednak przejście pomiędzy ostatnią a pierwszą klatką nie było całkowicie płynne.
Test API pozwolił natomiast wygenerować animację o rozdzielczości 512 × 512 pikseli, składającą się z dziesięciu klatek.
Wyniki wskazują, że jakość oraz parametry animacji mogą różnić się w zależności od sposobu korzystania z narzędzia.
OpenAI prezentuje modele GPT-Image-2.6 Flare i Sunburst
Aktualizacja obejmuje także dwa nowe modele przeznaczone dla programistów i firm wykorzystujących API OpenAI.
GPT-Image-2.6 Flare został opracowany z myślą o szybkim generowaniu i modyfikowaniu obrazów. Według producenta przygotowanie grafiki może zajmować zaledwie sześć sekund.
GPT-Image-2.6 Sunburst koncentruje się natomiast na wyższej jakości obrazu oraz zachowaniu spójności podczas kolejnych etapów edycji.
Oba modele obsługują generowanie grafik SVG, animowanych GIF-ów, kontrolowanie złożoności obrazów oraz edytowanie zaznaczonych obszarów.
OpenAI deklaruje również poprawę szybkości generowania obrazów o 50 proc. w porównaniu z wcześniejszymi rozwiązaniami.
Koszty Images 2.6 mogą być wyższe mimo niezmienionego cennika
Podstawowa stawka API pozostała na poziomie 30 dolarów za milion tokenów wyjściowych obrazu.
Nowe modele nie obsługują jednak tańszego trybu Batch API, który w przypadku GPT-Image-2.5 umożliwiał obniżenie kosztów o połowę.
Dodatkowo testy Kingy AI wykazały większe zużycie tokenów. Podczas trzech porównywalnych operacji generowania statycznych grafik Images 2.6 wykorzystał około 3,3 razy więcej tokenów wyjściowych niż poprzednia wersja.
Ze względu na niewielką próbę wyników tych nie należy traktować jako ostatecznej oceny wydajności. Pokazują one jednak, że rzeczywiste koszty korzystania z nowych modeli mogą być wyższe.
Animowane GIF-y rozszerzają praktyczne zastosowania ChatGPT
Images 2.6 stanowi kolejny etap rozwoju narzędzi graficznych OpenAI. Zamiast rozbudowanych filmów firma stawia na krótkie animacje, które można szybko przygotować, poprawić i wykorzystać w komunikacji internetowej.
Dla zwykłych użytkowników najważniejszą zmianą będzie możliwość edytowania pojedynczych klatek oraz ponownego wykorzystywania zapisanych obrazów referencyjnych. Programiści i przedsiębiorstwa powinni natomiast uwzględnić ograniczenia techniczne, zużycie tokenów i potencjalne koszty wdrożenia.
Nowa aktualizacja zwiększa wszechstronność ChatGPT, choć jej praktyczna opłacalność będzie zależała od jakości generowanych materiałów oraz skali wykorzystania API.
Henryk Sienkiewicz jest współpracownikiem Appki.com.pl i zajmuje się tematami związanymi z aktualnościami, polityką, biznesem, technologią, sportem, rozrywką oraz stylem życia. Koncentruje się na rzetelnym przekazywaniu informacji, bieżących wydarzeniach i tematach ważnych dla czytelników. Jego artykuły przedstawiają istotne wiadomości i trendy w sposób przejrzysty, zrozumiały i przyjazny dla odbiorców.
Leave a Reply