ओपनएआय म्हणते की ओपनएआय इमेजेस 2.6 मागील आवृत्तीपेक्षा 50% वेगाने प्रतिमा निर्माण करते. हे एडिटिंग फेऱ्यांमध्ये उत्तम सुसंगतता देखील हायलाइट करते, ज्यामध्ये प्रतिमेचे इतर भाग बदलत असताना पात्राचे कपडे, उत्पादनाचे स्वरूप किंवा ब्रँड घटक यासारखे तपशील जतन करणे समाविष्ट आहे.
हे निर्मात्यांना मदत करू शकते ज्यांना मोहिमेसाठी अनेक संबंधित व्हिज्युअलची आवश्यकता आहे. तथापि, सुधारित सुसंगतता परिपूर्ण संपादनांची हमी देत नाही. OpenAI नोंदवते की निवडलेले क्षेत्र नेहमीच अचूक नसतात आणि बदल हायलाइट केलेल्या क्षेत्राच्या पलीकडे वाढू शकतात.
OpenAI प्रतिमा 2.6 ॲनिमेटेड GIF तयार करा आणि संपादित करा
दैनंदिन वापरकर्त्यांसाठी सर्वात दृश्यमान नवीन वैशिष्ट्य म्हणजे GIF जनरेशन. वापरकर्ते मजकूर प्रॉम्प्टमध्ये ॲनिमेशनचे वर्णन करू शकतात किंवा स्थिर प्रतिमा किंवा स्केच अपलोड करू शकतात आणि विचारू शकतात विषय जिवंत करण्यासाठी ChatGPT.
उदाहरणार्थ, ते एका वर्णाचे चित्रण लहान वेव्हिंग ॲनिमेशनमध्ये बदलू शकतात किंवा सोशल मीडियासाठी लूपिंग प्रतिक्रिया तयार करू शकतात. परिणाम एक लहान ॲनिमेटेड GIF आहे, पूर्ण-लांबीचा AI-व्युत्पन्न व्हिडिओ नाही. GIF तयार केल्यानंतर, वापरकर्ते त्याचा प्लेबॅक गती समायोजित करू शकतात आणि परिणाम सामायिक करू शकतात.
ही नियंत्रणे साध्या ॲनिमेटेड सामग्रीसाठी आहेत आणि टाइमलाइन, ऑडिओ ट्रॅक किंवा अचूक कीफ्रेम समायोजन ऑफर करणाऱ्या पूर्ण व्हिडिओ-संपादन इंटरफेसमध्ये गोंधळून जाऊ नये. ते संभाषणातील बदलांची विनंती देखील करू शकतात.
विद्यमान GIF अपलोड करणे सध्या पारंपरिक फ्रेम-बाय-फ्रेम संपादन कार्यप्रवाह प्रदान करत नाही. वापरकर्ते त्याऐवजी स्थिर प्रतिमा किंवा इतर व्हिज्युअल संदर्भ देऊ शकतात आणि ChatGPT ला त्यावर आधारित नवीन ॲनिमेशन तयार करण्यास सांगू शकतात.
GIF सामाजिक पोस्ट, प्रतिक्रिया, स्टोरीबोर्ड आणि मोहीम मालमत्तांमध्ये लहान, लूपिंग मोशनसाठी डिझाइन केलेले आहेत. ते पूर्ण-लांबीचे AI व्हिडिओ नाहीत आणि व्हिडिओ-उत्पादन वर्कफ्लो बदलत नाहीत.
जतन केलेल्या संदर्भ प्रतिमांचा पुन्हा वापर करा
ChatGPT जतन केलेल्या संदर्भ प्रतिमा देखील सादर करत आहे, संभाषणांमध्ये दृश्य संदर्भांचा पुन्हा वापर करणे सोपे करण्यासाठी डिझाइन केलेले वैशिष्ट्य. वापरकर्ते फोटो अपलोड करू शकतात, त्याला नाव देऊ शकतात आणि सेव्ह करू शकतात. नंतरच्या संभाषणात, ते अपलोड न करता प्रतिमा पुन्हा वापरण्यासाठी @ नंतर जतन केलेले संदर्भ नाव टाइप करू शकतात.
उदाहरणार्थ, एखादा निर्माता उत्पादनाचा फोटो किंवा वर्ण संदर्भ जतन करू शकतो आणि दुसऱ्या व्हिज्युअलची विनंती करताना त्याचा वापर करू शकतो. हे सर्व प्रकल्पांमध्ये सातत्य राखण्यात मदत करू शकते, जरी ते प्रत्येक पिढीमध्ये समान परिणामांची हमी देत नाही. जतन केलेल्या संदर्भ प्रतिमा चॅटजीपीटी वैशिष्ट्य आहेत, फ्लेअर किंवा सनबर्स्ट API मॉडेल्सची वेगळी क्षमता नाही. वैशिष्ट्य हळूहळू रोल आउट होत आहे.
प्रतिमा २.६ वि प्रतिमा २.५: काय बदलले आहे?
प्रतिमा 2.6 पूर्वीच्या प्रतिमा 2.5 मॉडेलवर वेग, संपादन सातत्य आणि विकसक नियंत्रण यावर अधिक लक्ष केंद्रित करते. OpenAI ने इमेज-जनरेशन स्पीडमध्ये 50% सुधारणा केल्याचा अहवाल दिला आहे आणि संपादन फेऱ्यांमध्ये व्हिज्युअल तपशीलांचे अधिक चांगले संरक्षण हायलाइट केले आहे.
अपडेटमध्ये ChatGPT मध्ये GIF निर्मिती, जतन केलेल्या संदर्भ प्रतिमा आणि ॲनिमेटेड GIF आणि SVG आउटपुटसाठी API समर्थन देखील समाविष्ट आहे. नवीन जटिलता नियंत्रणे विकासकांना प्रतिमेच्या विनंतीमध्ये किती नियोजन करतात यावर अतिरिक्त प्रभाव देतात.
या जोडण्यांमुळे इमेज 2.6 ग्राहक प्रतिमा निर्मिती आणि विकसक वर्कफ्लो या दोन्हीसाठी एक व्यापक अपडेट बनते, फक्त दुसरे मॉडेल रिफ्रेश करण्याऐवजी.
फ्लेअर वि सनबर्स्ट: विकसकांना काय मिळते?
OpenAI ने दोन API मॉडेल पर्याय जारी केले आहेत: GPT-Image-2.6 Flare आणि GPT-Image-2.6 Sunburst. ते भिन्न प्राधान्यक्रम देतात आणि त्यांना मानक ChatGPT इंटरफेसमध्ये दोन वेगळे मोड मानले जाऊ नये.
GPT-Image-2.6 Flare आणि GPT-Image-2.6 Sunburst हे दोन वेगळे API मॉडेल पर्याय आहेत जे वेगवेगळ्या क्रिएटिव्ह वर्कफ्लोसाठी डिझाइन केलेले आहेत. फ्लेअर वेग आणि जलद पुनरावृत्तीला प्राधान्य देते, ज्यामुळे ते दृश्ये द्रुतपणे तयार करण्यासाठी आणि परिष्कृत करण्यासाठी योग्य बनते.
ओपनएआय म्हणते की जेव्हा गुणवत्ता सेटिंग कमी असते तेव्हा ते कमीतकमी सहा सेकंदात प्रतिमा तयार करू शकते. हा एका विशिष्ट सेटिंग अंतर्गत कंपनीने नोंदवलेला निकाल आहे, प्रक्रिया वेळेची हमी नाही.
ओपनएआय फ्लेअरमध्ये सुधारित लेआउट गुणवत्ता देखील हायलाइट करते, विशेषतः पोस्टर्स, उत्पादन प्रतिमा आणि इतर व्यावसायिक व्हिज्युअल डिझाइनसाठी.
हे मॉडेल मार्केटर्स आणि डिझायनर्ससाठी उपयुक्त बनवू शकते ज्यांना अनेक पुनरावृत्तींद्वारे कार्य करताना प्रचारात्मक ग्राफिक्स आणि उत्पादन-केंद्रित व्हिज्युअल तयार करण्याची आवश्यकता आहे.
सनबर्स्ट उच्च-गुणवत्तेचे आउटपुट आणि संपादन राउंडमध्ये अधिक सुसंगततेला प्राधान्य देते, विशेषतः जेव्हा गुणवत्ता सेटिंग मध्यम किंवा उच्च असते. हे तपशीलवार व्हिज्युअल कार्यासाठी अधिक योग्य आहे ज्यासाठी अधिक अचूकता आवश्यक आहे. हे विकसक-फेसिंग API मॉडेल निवडी आहेत, प्रत्येक ChatGPT वापरकर्ता मानक इंटरफेसमधून निवडू शकणारे दोन अदलाबदल करण्यायोग्य मोड नाहीत.
क्रिएटिव्ह वर्कफ्लोसाठी नवीन API नियंत्रणे
OpenAI इमेज मार्कअप आणत आहे, जो ChatGPT मध्ये आधीच उपलब्ध होता, API मध्ये. विकसक त्यांना बदलू इच्छित असलेले क्षेत्र ओळखण्यासाठी आणि विनंती केलेल्या संपादनाचे प्रॉम्प्टमध्ये वर्णन करण्यासाठी भाष्य स्तर वापरू शकतात.
हे सर्व OpenAI उत्पादनांमध्ये मार्कअप-मार्गदर्शित संपादनाला पूर्णपणे नवीन क्षमता म्हणून हाताळल्याशिवाय प्रतिमा बदलांचे मार्गदर्शन करण्यासाठी अनुप्रयोगांना अधिक थेट मार्ग देते. विकसक प्रतिमेच्या गुणवत्तेपासून स्वतंत्रपणे जटिलता समायोजित करू शकतात.
कमी जटिलता जलद संपादनांना अनुकूल असू शकते, तर तपशीलवार दृश्यांना उच्च सेटिंगचा फायदा होऊ शकतो. उच्च जटिलतेमुळे पिढीचा कालावधी वाढू शकतो आणि काहीवेळा अवांछित बदल होऊ शकतात.
सर्वोच्च सेटिंग निवडल्याने आपोआप चांगल्या परिणामाची हमी मिळत नाही, त्यामुळे डेव्हलपर्सने आउटपुटची तुलना करावी आणि प्रत्येक कार्याला अनुकूल अशी सेटिंग निवडावी.
ही नियंत्रणे उत्पादनांमध्ये प्रतिमा वैशिष्ट्ये तयार करणाऱ्या विकासकांसाठी आहेत, ChatGPT मधील सामान्य जतन-संदर्भ वापरासाठी नाही. तथापि, मार्कअप-मार्गदर्शित संपादन पिक्सेल-परिपूर्ण परिणामांची हमी देत नाही.
OpenAI च्या दस्तऐवजीकरणात असे नमूद केले आहे की प्रतिमा मॉडेल अद्याप अचूक प्लेसमेंट आणि लेआउट-संवेदनशील रचनांसह संघर्ष करू शकतात आणि बदल इच्छित निवडीच्या पलीकडे असलेल्या क्षेत्रांवर परिणाम करू शकतात. SVG आउटपुट उत्पादनापूर्वी डिझाइनचे पुनरावलोकन करण्याची आवश्यकता देखील काढून टाकत नाही.
जटिलता आणि प्रतिमा गुणवत्ता नियंत्रण पिढीच्या दोन भिन्न पैलू. प्रतिमा तयार करण्यापूर्वी मॉडेलचे किती नियोजन लागू होते हे जटिलता निर्धारित करते, तर गुणवत्ता दृश्य तपशील आणि आउटपुटची निष्ठा नियंत्रित करते.
विकसक कमी, मध्यम किंवा उच्च जटिलता निवडू शकतात. ओपनएआय बऱ्याच द्रुत संपादन कार्यांसाठी कमी जटिलतेची शिफारस करते, तर मध्यम किंवा उच्च सेटिंग्ज असंख्य घटक किंवा तपशीलवार मर्यादांचा समावेश असलेल्या दृश्यांसाठी अधिक योग्य असू शकतात.
सुधारणा असूनही, प्रतिमा निर्मितीला अजूनही मर्यादा आहेत. ओपनएआयचे दस्तऐवजीकरण असे नमूद करते की मॉडेल अचूक मजकूर प्लेसमेंट, लेआउट-संवेदनशील रचना आणि अनेक पिढ्यांमध्ये आवर्ती वर्ण किंवा ब्रँड सातत्य राखण्यासाठी संघर्ष करू शकतात. जटिल प्रॉम्प्ट्सवर प्रक्रिया होण्यासाठी देखील जास्त वेळ लागू शकतो.
प्रत्येक तपशीलवार सूचना तंतोतंत पाळल्या जातील असे गृहीत न धरता विकसक आणि निर्मात्यांनी व्युत्पन्न केलेल्या व्हिज्युअलचे पुनरावलोकन केले पाहिजे.
API द्वारे ॲनिमेटेड GIF जनरेशन
GIF निर्मिती ChatGPT च्या इंटरफेसपुरती मर्यादित नाही. GPT-Image-2.6 Flare आणि Sunburst दोन्ही इमेज API द्वारे ॲनिमेटेड GIF आउटपुटला समर्थन देतात.
आउटपुट फॉरमॅट GIF वर सेट करून आणि प्रॉम्प्टमध्ये विषय, हालचाल आणि इच्छित लूपचे वर्णन करून विकसक GIF ची विनंती करू शकतात. हे तृतीय-पक्ष अनुप्रयोग आणि सर्जनशील कार्यप्रवाहांमध्ये ॲनिमेटेड प्रतिमा निर्मिती तयार करणे शक्य करते.
डेव्हलपर ॲनिमेशनची फ्रेम संख्या आणि फ्रेम कालावधी देखील नियंत्रित करू शकतात. API डीफॉल्ट नऊसह 2 ते 64 फ्रेम्सचे समर्थन करते, तर फ्रेम कालावधी 20 ते 2,000 मिलीसेकंदांपर्यंत असू शकतो. या सेटिंग्ज मॉडेलच्या आकाराच्या आणि एकूण पिक्सेल मर्यादांच्या अधीन आहेत. GIF आउटपुट इमेज-जनरेशन एंडपॉइंटद्वारे समर्थित आहे, इमेज-एडिट एंडपॉइंटद्वारे नाही.
API किंमत आणि वापर
डेव्हलपरने त्यांच्या ऍप्लिकेशन्समध्ये इमेज 2.6 समाकलित करताना API खर्चाचाही हिशेब ठेवला पाहिजे. API वापराचे बिल ChatGPT सदस्यत्वांमधून वेगळे केले जाते आणि अंतिम किंमत टोकन वापरावर आणि निवडलेल्या मॉडेल आणि सेटिंग्जवर अवलंबून असते.
OpenAI GPT-Image-2.6 Flare आणि Sunburst साठी स्वतंत्र किंमत तपशील प्रकाशित करते, त्यामुळे विकासकांनी प्रकल्पाच्या किंमतीचा अंदाज लावण्यापूर्वी अधिकृत किंमत पृष्ठाचा सल्ला घ्यावा.
तळ ओळ
OpenAI Images 2.6 GIF निर्मिती, जतन केलेल्या संदर्भ प्रतिमा आणि वर्कफ्लो संपादित करण्यासाठी सुधारणा जोडून स्थिर व्हिज्युअलच्या पलीकडे प्रतिमा निर्मितीचा विस्तार करते. ॲनिमेटेड GIF, SVG आउटपुट आणि जटिलता सेटिंग्जसाठी API सपोर्टसह, अपडेट फ्लेअर आणि सनबर्स्टद्वारे विकसकांना अधिक नियंत्रण देखील देते.
तथापि, नवीन वैशिष्ट्यांमध्ये व्यावहारिक मर्यादा आहेत. काही ChatGPT क्षमता अजूनही रोल आउट होत आहेत, API आउटपुटमध्ये विशिष्ट तांत्रिक निर्बंध आहेत आणि सुधारित सुसंगतता परिपूर्ण परिणामांची हमी देत नाही. OpenAI ची 50% गती सुधारणा आणि Flare चे सहा-सेकंद जनरेशन आकृती देखील कंपनी-अहवाल केलेल्या कामगिरीचे दावे समजले पाहिजेत.
Comments are closed.