OpenAI оновлює свою функцію генерування зображень, і вона вражає

Генерування по-новому

Нова функція генерування зображень очікується не лише для користувачів підписок Plus, Pro і Team, а й, що найважливіше, для безкоштовних також. Це буде інструмент генерації зображень за замовчуванням у моделі 4o, тож вам не потрібно буде відкривати Dall-E щоразу, коли ви захочете створити картинку. Ця функція також з'явиться в Sora, повідомляє 24 Канал з посиланням на TechCrunch.

Компанія заявляє, що платформа буде генерувати високоякісні зображення на основі ваших підказок, проведеної розмови або завантажених файлів. В останньому випадку вона зможе редагувати вже існуючі зображення на основі підказок, включно з зображеннями людей. Наприклад, ви зможете змінити одяг, домалювати якісь деталі чи змінити фон.

Нова модель генерування зображень OpenAI також може похвалитися значними покращеннями в рендерингу тексту та контекстному розумінні.

Ці нові інструменти призначені як для особистого, так і для професійного використання. OpenAI наводить кілька прикладів того, де цей тип генерації зображень може бути корисним: створення інфографіки, рекламної графіки для соціальних мереж і зображень з великою кількістю тексту. Компанія навіть показала один з прикладів роботи нової моделі:

Інфографіка на тему дисперсії світла, яка демонструє призму, яка розділяє біле світло на спектр кольорів. Можна побачити, що робота з текстовими написами не просто вийшла на новий рівень, вона ідеальна / Фото OpenAI

Приклад роботи генератора зображень у складі GPT-4o / Фото OpenAI

• Компанія заявляє, що функція пропонує "потужний потенціал для фотореалізму, включаючи точність світла, тіні та текстури".
• Вона також має здатність розуміти контекст. OpenAI стверджує, що це може бути використано для створення "плакату птахів, знайдених у Центральному парку" або "візуалізації епохи історії мистецтва, про яку раніше йшлося в розмові".

Щоб запустити нову функцію обробки зображень, OpenAI навчала GPT-4o на "загальнодоступних даних", а також на власних даних, отриманих у результаті партнерства з такими компаніями, як Shutterstock.

Багато постачальників генеративного ШІ розглядають навчальні дані як конкурентну перевагу, тому вони тримають їх і будь-яку інформацію, пов'язану з ними, в таємниці. Деталі навчальних даних також є потенційним джерелом судових позовів, пов'язаних з інтелектуальною власністю, що є ще одним стримуючим фактором для компаній, які не хочуть розкривати багато інформації.

Ми поважаємо права художників у тому, як ми робимо результат, і у нас є політика, яка не дозволяє нам створювати зображення, що безпосередньо імітують роботу будь-якого живого художника,
– сказав Бред Лайткап, головний операційний директор OpenAI.

Усе це побудовано на GPT-4o, моделі ШІ, яка була вперше випущена минулого року. Буква "o" в назві означає "omni", що вказує на мультимодальні можливості моделі. Саме це забезпечує багато з вищезгаданих функцій, наприклад, можливість працювати над завантаженими файлами.

Ще трохи прикладів роботи генератора зображень

Це згенероване зображення чудово відображає текст різними шрифтами / Фото Marc Hoag/OpenAI

У наступному випадку художник Метт Менендес попросив ШІ перетворити його малюнок на картинку:

В іншому випадку вчений-біомедик та імунолог згенерував цілий комікс про життя імунних T-клітин, і результат виглядає просто неймовірно якісно:

Ще один приклад роботи генератора зображень у складі GPT-4o, який показує будову клітини / Фото Derya Unutmaz/OpenAI

Наступні два випадки показують:

• Фотореалістичне зображення на фермерському ринку, яке нібито зроблене у 2006 році. На зображенні навіть можна побачити дату зйомки.
• Промпт звучав так: "Створи фотореалістичне зображення двох відьом у віці 20 років (одна з попелястим каштановим волоссям, інша з довгим хвилястим каштановим волоссям), які читають вуличні знаки".