OpenAI prezentuje Images 2.6, aktualizację swojego generatora obrazów, która dodaje tworzenie animowanych GIF-ów oraz wprowadza do API funkcję adnotacji, już obecną w ChatGPT. Poddany pięciu praktycznym testom dotyczącym generowania, retuszu i animacji, model poradził sobie z niektórymi zadaniami, a inne pozostawił niedokończone.
- OpenAI wydaje Images 2.6, aktualizację generatora obrazów, która dodaje animowane GIF-y.
- OpenAI twierdzi, że model generuje obrazy o 50% szybciej, ale testy tego nie potwierdziły.
- Model dobrze radzi sobie z generowaniem scen, retuszem i animacją, lecz gubi część tekstu.
- Autor zaleca sprawdzać każdy wynik, ponieważ błędy w tekście i konturach nadal występują.
Nowości skupione na tworzeniu
Images 2.6 umożliwia tworzenie animowanych GIF-ów, czyli krótkich animowanych obrazów w powszechnie używanym w internecie formacie. Daje też deweloperom możliwość regulowania złożoności fazy planowania, etapu poprzedzającego generowanie obrazu. Dla użytkownika metoda pozostaje zbliżona do tej z poprzedniej wersji: opisanie oczekiwanego rezultatu, dołączenie w razie potrzeby obrazu referencyjnego, a następnie wskazanie, co ma pozostać niezmienione.
OpenAI twierdzi, że aktualizacja generuje obrazy o 50% szybciej. Jest to deklaracja wydawcy, której pięć opisanych poniżej testów nie pozwoliło zweryfikować poprzez kontrolowane porównanie prędkości.
Pięć testów, zróżnicowane wyniki
Pierwszy test wymagał kinematograficznego zdjęcia szklanej szklarni na zaśnieżonym grzbiecie górskim o zmierzchu. Lód, kondensacja, rośliny tropikalne i ciepłe światło miały współistnieć w wiarygodny sposób. Autor uznał wynik za bardzo udany.
Drugi test dotyczył menu kawiarni. Tekst, przesłany do ChatGPT w formie jednostronicowego PDF, zawierał dziewięć linii, pięć cen oraz hindi słowo « कॉफी ». Autor uważa, że uzyskana wizualizacja spełnia wszystkie kryteria, ale sekcja FAQ testu wskazuje, że model nie odtworzył wiernie wszystkich znaków: słowa i ceny zostały zachowane, ale pięć separatorów w postaci myślników zostało pominiętych. Test nie pozwala również stwierdzić natywnego wsparcia PDF przez model obrazu, ponieważ odczyt dokumentu leży w gestii działania ChatGPT.
Trzeci test polegał na retuszu fotografii wnętrza. Za pomocą narzędzia adnotacji narysowano czerwony prostokąt wokół fotela, którego materiał miał zmienić się na zielony aksamitny welur, bez modyfikowania reszty pomieszczenia. Autor określa modyfikację jako chirurgiczną.
Czwarty test wymagał planszy w stylu przewodnika terenowego przedstawiającej cykl życia motyla monarchy, z czterema stadiami, czterema dokładnymi etykietami i strzałkami wskazującymi sekwencję. Wynik opisano jako klarowny układ, nadający się do zilustrowania metamorfozy.
Ostatni test miał na celu stworzenie zapętlonego GIF-a przedstawiającego miedziany czajniczek pod deszczem, ze spiralą pary, która na chwilę tworzy serce. Wynik uznano za płynny. Według sekcji FAQ jest to GIF z 12 klatkami o długości pętli 2,16 sekundy.
Ograniczenia, na które należy uważać
Autor podkreśla, że wyniki nie są idealne. Błędy w tekście, konturach obiektów i precyzji wizualnej nadal występują, co wymaga sprawdzenia każdego końcowego obrazu. Podsumowuje, że Images 2.6 wydaje się obiecujący zarówno do eksploracji kreatywnej, jak i praktycznego retuszu, pod warunkiem weryfikacji wyniku.
