انقلاب بصری اوپن‌ای‌آی با ChatGPT Images ۲.۵؛ سرعت دوبرابر و جهش بزرگ در ویرایش دقیق تصویر
فرایند تولید تصویر با هوش مصنوعی از مرحله آزمون‌وخطا عبور کرده و وارد عصر ابزارهای حرفه‌ای و قابل‌اعتماد شده است. شرکت اوپن‌ای‌آی (OpenAI) با رونمایی از مدل پیشرفته ChatGPT Images 2.5 گام بلندی در ارتقای کیفیت بصری و سرعت پردازش برداشت. این مدل نه‌تنها خروجی‌هایی شفاف‌تر با نورپردازی و بافت‌های کاملاً طبیعی خلق می‌کند، بلکه زمان انتظار کاربران را نسبت به نسل قبلی تا ۵۰ درصد کاهش داده است.
این تحول در شرایطی رخ می‌دهد که طبق اعلام اوپن‌ای‌آی، هر هفته بالغ بر ۳ میلیارد تصویر در بستر چت‌جی‌پی‌تی و رابط‌های برنامه‌نویسی (API) این شرکت تولید می‌شود؛ آماری شگفت‌انگیز که انگیزه اصلی توسعه این نسخه بهینه‌تر بوده است.
حفظ چهره و هویت سوژه؛ برگ برنده Images 2.5
بزرگ‌ترین چالش طراحان در نسخه‌های پیشین، تغییر ناخواسته مشخصات چهره یا ویژگی‌های اصلی سوژه در حین بازتولید بود. در نسخه ۲٫۵، مدل به شکلی چشمگیر به عکس‌های مرجع (Reference Images) وفادار می‌ماند. این بدان معناست که کاربر می‌تواند یک سوژه مشخص را در محیط‌ها، سبک‌های هنری و زوایای نوری گوناگون قرار دهد، بدون آنکه هویت بصری، بافت پوست یا فرم اصلی آن دستخوش دگرگونی شود.
علاوه بر این، قابلیت ویرایش هدفمند (Inpainting) به بلوغ تازه‌ای رسیده است؛ بدین ترتیب کاربر می‌تواند تنها بخش معینی از کادر را ویرایش کند، درحالی‌که سایر لایه‌ها و عناصر پیچیده پس‌زمینه دست‌نخورده باقی می‌مانند.
معرفی ابزارهای تعاملی: از «اسکچ» تا بازخورد مستقیم روی بوم
اوپن‌ای‌آی هم‌زمان با ارتقای هسته پردازشی، رابط کاربری چت‌جی‌پی‌تی را به امکانات تعاملی کارآمدی مجهز کرده است:
- ابزار طراحی دستی (Sketch): کاربران می‌توانند مستقیماً درون محیط گفتگو، طرحی ساده و اولیه از چیدمان دکوراسیون، فرم لباس یا پرسپکتیو مورد نظر خود رسم کنند تا هوش مصنوعی بر اساس همان خطوط راهنما، اثر نهایی را خلق کند.
- قالب‌های آماده (Templates): برای جلوگیری از سردرگمی در برابر صفحه سفید، فرمت‌های پیش‌فرضی مانند پوستر (Poster) و طراحی محصول (Merch) در دسترس قرار گرفته‌اند.
- کامنت‌گذاری مستقیم روی تصویر: امکان علامت‌گذاری بخش‌های خاصی از تصویر جهت ارسال دستورهای اصلاحی دقیق فراهم شده است.
- اشتراک‌گذاری پرامپت: کاربران می‌توانند پرامپت‌ها و ساختار ویرایشی موفق خود را با دیگران به اشتراک بگذارند.
ورود دو مدل اختصاصی به API برای توسعه‌دهندگان
اوپن‌ای‌آی دست توسعه‌دهندگان و کسب‌وکارها را نیز باز گذاشته و دو مدل مجزا را در بخش API عرضه کرده است:
- مدل GPT-Image-2.5 Flare: انتخابی ایده‌آل برای تولید سریع و پرتعداد محتوای شبکه‌های اجتماعی، نمونه‌سازی اولیه و موتورهای جست‌وجوی تصویری با ۵۰ درصد تأخیر کمتر.
- مدل GPT-Image-2.5 Sunburst: مدلی متمرکز بر نهایت ظرافت و کنترل‌پذیری بالا که برای طراحی کمپین‌های تبلیغاتی سازمانی و تصاویر آماده چاپ تجاری طراحی شده است.
این به‌روزرسانی بزرگ برای تمامی کاربران اشتراکی و رایگان پلتفرم‌های دسکتاپ، وب و اپلیکیشن موبایل چت‌جی‌پی‌تی به‌صورت تدریجی دردسترس قرار دارد.