OpenAI выпустила Images 2.6 с GIF и сохранёнными референсами

OpenAI выпустила Images 2.6, новую версию генератора изображений для ChatGPT и Codex . В демонстрации компания показала, как обычный рисунок совы от руки превращается в короткую анимацию. В ChatGPT такую анимацию можно сделать из своей картинки или придумать с нуля.

GIF из описания или рисунка

Если картинка уже есть, загрузите её и опишите, что должно двигаться. Например, можно попросить, чтобы бумажный кораблик качался на волнах, а движение повторялось по кругу. Без исходной картинки достаточно описать саму сцену. Готовый GIF можно скачать, ускорить или замедлить, а правки задать прямо в чате. Редактировать GIF, созданный в другом приложении, ChatGPT пока не умеет.

В API можно задать от 2 до 64 кадров и от 20 до 2000 мс на кадр. Эти настройки доступны при генерации с output_format со значением gif. Запрос на редактирование изображения GIF не возвращает.

Одна фотография для разных чатов

В ChatGPT можно загрузить снимок, попросить сохранить его как референс и дать ему имя. Если сохранить фото собаки под именем Бублик, в новом чате можно попросить нарисовать «@Бублик в костюме космонавта». Повторно прикреплять снимок не придётся.

Отдельно OpenAI заявляет, что модель лучше удерживает детали при последовательных правках. Например, если сначала заменить фон на снимке товара, а затем поправить освещение, форма упаковки и оформление этикетки должны сохраняться точнее. Документация по-прежнему предупреждает, что детали персонажей и фирменной графики могут меняться при повторных генерациях.

Flare для скорости, Sunburst для деталей

По данным OpenAI, Images 2.6 генерирует изображения на 50% быстрее прежней версии. В API модель gpt-image-2.6-flare при низком качестве может выдать изображение за шесть секунд. Это лучший заявленный результат, время отдельного запроса может отличаться. gpt-image-2.6-sunburst рассчитана на задачи, где важны мелкие детали. При среднем и высоком качестве она, по данным компании, точнее передаёт их и лучше сохраняет в серии правок.

Базовые ставки у моделей одинаковые. Миллион токенов стоит $5 для входного текста, $8 для входных изображений и $30 для выходных изображений. Стоимость запроса зависит от числа токенов, в том числе от размеров и качества результата.

Разметка, вектор и сложность сцены

В Images API можно отправить исходник и отдельный прозрачный слой с разметкой. Например, обвести вазу на снимке кухни и попросить перекрасить её, сохранив остальную сцену. Слой подсказывает модели, куда направить правку. Он не защищает пиксели за пределами круга от изменений.

Для иконок и иллюстраций API теперь выдаёт SVG с редактируемыми контурами и цветами. SVG доступен при генерации. Подать его как исходник в запрос на редактирование нельзя.

У обеих моделей есть параметр complexity. Он задаёт, сколько усилий модель тратит на планирование картинки. По умолчанию стоит high. Для замены фона можно выбрать low, для сложной композиции с текстом оставить high или попробовать medium. Детализация изображения регулируется отдельно через quality.

Базовая генерация Images 2.6 доступна на всех тарифах ChatGPT и Codex. GIF в ChatGPT включают постепенно, поэтому новая модель может быть доступна в аккаунте раньше анимации. Flare и Sunburst уже доступны через API.