OpenAI представляет Images 2.6 — обновление своего генератора изображений, которое добавляет создание анимированных GIF и предоставляет API функцию аннотации, уже присутствующую в ChatGPT. В ходе пяти практических тестов, посвященных генерации, ретушированию и анимации, модель успешно справилась с одними задачами, а другие оставила незавершенными.
Новинки, сосредоточенные на создании
Images 2.6 позволяет создавать анимированные GIF, то есть короткие анимированные изображения в широко используемом в интернете формате. Он также дает разработчикам возможность регулировать сложность этапа планирования — шага, предшествующего генерации изображения. Для пользователя метод остается близким к предыдущей версии: описать ожидаемый результат, при необходимости прикрепить эталонное изображение, а затем указать, что должно остаться неизменным.
OpenAI утверждает, что обновление генерирует изображения на 50 % быстрее. Это заявление издателя, которое в пяти описанных ниже тестах не удалось проверить путем контролированного сравнения скорости.
Пять тестов, неоднозначные результаты
Первый тест требовал кинематографическую фотографию стеклянной оранжереи на заснеженном хребте в сумерках. Лед, конденсат, тропические растения и теплый свет должны были сосуществовать правдоподобно. Автор счел результат очень удачным.
Второй тест касался меню кафе. Текст, загруженный в ChatGPT в виде одностраничного PDF, содержал девять строк, пять цен и хинди-слово «कॉफी». Автор считает, что полученный визуал соответствует всем критериям, но в разделе часто задаваемых вопросов теста указано, что модель не воспроизвела все символы точно: слова и цены сохранены, но пять разделительных тире были опущены. Тест также не позволяет сделать вывод о нативной поддержке PDF моделью изображения, поскольку чтение документа относится к функционалу ChatGPT.
Третий тест заключался в ретушировании фотографии комнаты. С помощью инструмента аннотации красный прямоугольник был нарисован вокруг кресла, ткань которого нужно было заменить на бархат темно-зеленого цвета, не изменяя остальную часть комнаты. Автор назвал изменение хирургическим.
Четвертый тест требовал планшет в стиле полевого руководства по жизненному циклу бабочки монарха, с четырьмя стадиями, четырьмя точными подписями и стрелками, указывающими последовательность. Результат был описан как четкая компоновка, пригодная для иллюстрации метаморфоза.
Последний тест был направлен на создание зацикленного GIF, изображающего медный чайник под дождем, со струйкой пара, на мгновение формирующей сердце. Результат был оценен как плавный. Согласно разделу часто задаваемых вопросов, это GIF из 12 кадров с длительностью цикла 2,16 секунды.
Ограничения, требующие внимания
Автор подчеркивает, что результаты не идеальны. Ошибки сохраняются в тексте, контурах объектов и визуальной точности, что требует проверки каждого итогового изображения. Он заключает, что Images 2.6 выглядит перспективным как для творческого исследования, так и для практической ретуши, при условии проверки результата.
