CEO OpenAI Сем Альтман представив велике оновлення можливостей генерації зображень у ChatGPT. Тепер ШІ-чатбот може використовувати модель GPT-4o компанії OpenAI для створення та модифікації зображень і фотографій. Які переваги та недоліки має генерація зображень у GPT-4o.
CEO OpenAI Сем Альтман представив велике оновлення можливостей генерації зображень у ChatGPT. Тепер ШІ-чатбот може використовувати модель GPT-4o компанії OpenAI для створення та модифікації зображень і фотографій. Які переваги та недоліки має генерація зображень у GPT-4o.
Як повідомляє TechCrunch, модель GPT-4o вже давно лежить в основі платформи чат-ботів зі штучним інтелектом, але до цього часу модель могла генерувати та редагувати лише текст, а не зображення.
При генерації зображень GPT-4o «думає» трохи довше, ніж модель DALL-E 3, яку вона фактично замінює. Але натомість, може створювати більш точні й детальні зображення, говорять в OpenAI. GPT-4o може редагувати наявні картинки, включно із зображеннями людей або тварин, трансформуючи їх або «домальовуючи» деталі, такі як об'єкти переднього і заднього плану.
Однією з переваг GPT-4o є послідовність у зображенні персонажів та об'єктів, яких вона може переносити у різні версії картинки, згідно промптів користувача. В OpenAI також підкреслюють точність передачі тексту на зображеннях, які генерує GPT-4o.
«Оскільки GPT-4o тепер має вбудовану функцію генерації зображень, ви можете вдосконалювати зображення за допомогою природної розмови. GPT-4o може спиратися на зображення і текст у контексті чату, забезпечуючи узгодженість у всьому. Наприклад, якщо ви створюєте персонажа для відеогри, зовнішній вигляд персонажа залишається послідовним протягом декількох ітерацій, оскільки ви вдосконалюєте його та експериментуєте», — говорять в OpenAI.
У компанії відзначають, що GPT-4o може аналізувати й навчатися на основі завантажених користувачем зображень, легко інтегруючи їхні деталі у свій контекст для створення зображень. У блозі OpenAI продемонстрували це на прикладі фото кицьки, яке користувач за допомогою GPT-4o доповнив деталями й додав відеоігровий інтерфейс.
Також відзначається здатність GPT-4o генерувати реалістичні зображення:
Водночас у компанії перерахували відомі розробникам недоліки генерації зображень у GPT-4o:
«Наша модель неідеальна. Наразі ми усвідомлюємо численні обмеження, які будемо намагатися усунути шляхом вдосконалення моделі після першого запуску», — говорять в OpenAI.
За словами Альтмана, нативна генерація зображень GPT-4o вже доступна в ChatGPT і Sora, продукті OpenAI для створення відео зі штучним інтелектом, для передплатників Pro-підписки за $200 на місяць. Проте в OpenAI повідомили, що незабаром ця функція буде доступна користувачам ChatGPT з підпискою Plus, а також безплатно.
Щоб забезпечити нову функцію обробки зображень, в OpenAI розповіли, що навчив GPT-4o на «загальнодоступних даних», а також на власних даних, отриманих у результаті партнерства з такими компаніями, як Shutterstock. Творці контенту, які не хочуть, щоб OpenAI використовувала їхні зображення, можуть подати заявку на видалення, через спеціальну форму.
