نسل تازه تولید تصویر OpenAI با قابلیت تفکر و دقت بیشتر

اوپن‌ای‌آی ابزارهای تولید تصویر خود را یک قدم دیگر به چیزی نزدیک‌تر کرده که کمتر شبیه یک فیلتر و بیشتر شبیه یک دستیار خلاق عمل می‌کند. ChatGPT Images 2.0 اکنون با آنچه شرکت «قابلیت‌های تفکر» می‌نامد در حال عرضه است و همین موضوع، معادله را خیلی سریع تغییر می‌دهد.

به‌جای آنکه فقط یک پرامپت را به تصویر تبدیل کند، سیستم جدید می‌تواند اطلاعات را از وب جست‌وجو و ترکیب کند و سپس همان داده‌ها را به تصاویر حرفه‌ای و آماده تولید تبدیل کند. در عمل، این یعنی محصول جدید فقط یک ابزار ساخت تصویر نیست، بلکه می‌تواند برای تولید نمودار، اینفوگرافیک، دیاگرام و سایر دارایی‌های بصری با زمینه و جزئیات بسیار بیشتر به کار برود.

اوپن‌ای‌آی همچنین Images 2.0 را به‌عنوان جایگزینی جدی برای اپلیکیشن‌های مستقل ویرایش تصویر معرفی می‌کند. این ابزار می‌تواند پس‌زمینه را حذف کند، نسبت ابعاد را تنظیم کند و تا هشت تصویر را هم‌زمان با وضوح 2K تولید کند. همین موضوع آن را به گزینه‌ای بسیار منعطف‌تر برای تولیدکنندگان محتوا، بازاریاب‌ها و تیم‌هایی تبدیل می‌کند که به تصاویر سریع و بدون جابه‌جایی میان چند ابزار نیاز دارند.

چشم دقیق‌تر برای جزئیات

یکی از مهم‌ترین بهبودها این است که این مدل تا چه اندازه با تصاویر ساختاریافته خوب کار می‌کند. گفته می‌شود اینفوگرافیک‌ها و دیاگرام‌ها با دقت و وفاداری بصری بسیار بهتری خروجی می‌گیرند و این به‌روزرسانی از زبان‌های بیشتری با دقت بالاتر پشتیبانی می‌کند. همچنین به نظر می‌رسد دستورهای پرامپت را دقیق‌تر دنبال می‌کند؛ موضوعی که اغلب تفاوت میان یک خروجی قابل استفاده و یک تلاش دوباره خسته‌کننده را رقم می‌زند.

اهمیت این موضوع از چیزی که به نظر می‌رسد بیشتر است. هر کسی که از ابزارهای هوش مصنوعی برای تولید تصویر استفاده کرده باشد، درد از دست رفتن یک جزئیات مهم، خارج شدن از موضوع اصلی یا نمایش نامناسب متن را می‌شناسد. اوپن‌ای‌آی ظاهراً مستقیماً همین نقاط ضعف را هدف گرفته است، به‌ویژه برای کاربرانی که به تصاویری نیاز دارند که فقط زیبا نباشند، بلکه در محیط‌های حرفه‌ای هم واقعاً کاربردی باشند.

ChatGPT Images 2.0 برای همه کاربران چت‌جی‌پی‌تی در دسترس است، اما حالت پیشرفته‌تر «Images with thinking» فقط برای طرح‌های Plus، Pro، Business و Enterprise ارائه می‌شود. بنابراین هرچند همه به موتور نسل جدید دسترسی دارند، هوشمندترین لایه این تجربه پشت پلن‌های پولی قرار گرفته است.

تصویر کلی این تحول به‌راحتی قابل مشاهده است. اوپن‌ای‌آی در حال دور کردن تولید تصویر از یک قابلیت نمایشی یک‌باره و نزدیک کردن آن به یک ابزار کاری است که می‌تواند استدلال کند، زمینه را جمع‌آوری کند و خروجی تمیزتری در مقیاس بالا تولید کند. برای تیم‌هایی که سرعت، ثبات و کیفیت بصری برایشان حیاتی است، این یک تغییر معنادار به حساب می‌آید.