OpenAI ir pievienojusi uzlabotu attēlu ģenerēšanu GPT-4o - tagad ChatGPT pēc noklusējuma

OpenAI paziņoja par gaidītu attēlu ģenerēšanas uzlabojumu. Tagad, lai attēlus radītu, nav nepieciešams atsevišķs modelis kā, piemēram, DALL-E, jo jaunais uzlabotais attēlu ģenerators ir atrodams GPT-4o sastāvā.

Tirgū pastāv daudzi mākslīgā intelekta modeļi, kas spēj radīt iespaidīgas vizuālās ainas, taču bieži vien tiem ir problēmas ar teksta, logotipu un citu ikdienā sastopamu elementu attēlošanu.

OpenAI apgalvo, ka tās jaunais attēlu ģenerators GPT-4o atrisina šīs problēmas. Tas spēj precīzi atveidot tekstu un labāk sekot norādēm, pateicoties tā zināšanu bāzei un sarunas kontekstam. Turklāt jaunais modelis ļauj rediģēt augšupielādētos attēlus vai radīt jaunus, izmantojot augšupielādētos attēlus kā vizuālu iedvesmu.

Pieejamība un jaunas iespējas

Atjaunotais attēlu ģenerētājs GPT-4o jau tiek ieviests visiem ChatGPT Plus, Pro, Team un Free lietotājiem. Tā kā modelis būs standarta ChatGPT attēlu ģenerēšanai, lietotājiem vairs nebūs manuāli jāizvēlas to pirms pieprasījumu ievadīšanas.

Lietotāji var pielāgot attēlus, norādot malu attiecību, precīzas krāsas (HEX kodi) vai pat caurspīdīgu fonu. Nākamo nedēļu laikā jaunais ģenerators būs pieejams arī ChatGPT Enterprise un Edu lietotājiem.

Jauno modeli var arī izmantot Sora attēlu veidošanai vai ar īpaša DALL-E GPT starpniecību. Izstrādātājiem attēlu ģenerācijas atbalsts caur API GPT-4o parādīsies tuvāko nedēļu laikā.

Modeļa ierobežojumi

Neraugoties uz daudzajiem uzlabojumiem, modelim joprojām ir vairāki ierobežojumi:

• Ģenerēšanas laiks — uzlabotas detaļas dēļ attēla radīšana var aizņemt līdz vienai minūtei.
• Apgriešana — gariem attēliem, piemēram, plakātiem, var būt pārāk cieša apgriešana, it īpaši apakšējā daļā.
• Detalizāciju izgudrošana — pieprasījumos ar nepietiekamu kontekstuālo informāciju modelis var "izdomāt" detaļas.
• Zināšanu ierobežojumi — sarežģītu koncepciju izveidē (piemēram, pilnai periodiskai tabulai) modelis var neprecīzi atveidot vairāk nekā 10-20 objektus vienlaikus.
• Grūtības ar nelatīņu valodām — simboli var tikt attēloti nekorekti vai izkropļoti.
• Attēla daļu rediģēšana — atsevišķu detaļu labošana (piemēram, pareizrakstības kļūdas) ne vienmēr darbojas bez blakusparādībām attēlā.
• Detalizācijas problēmas mazos izmēros — modelis var nekorekti attēlot sīkas detaļas.

OpenAI plāno novērst šos ierobežojumus tuvāko nedēļu un mēnešu laikā.

Visiem ar šo ģeneratoru radītajiem attēliem būs C2PA metadati, un iekšējais rīks OpenAI tos varēs pārbaudīt pēc izcelsmes.

Neskatoties uz dažiem ierobežojumiem, jaunais attēlu ģenerators GPT-4o ievērojami uzlabo attēlu precizitāti un pielāgojamību. OpenAI sola arī turpmākus uzlabojumus, nodrošinot lietotājiem vēl kvalitatīvāku un ērtāku rīku darbam ar attēliem.

Nesen OpenAI izlaida GPT-4.5, bet tā pieejamība ir ierobežota, jo "beidzās GPU".

Avots: neowin