عرضه Images 2.6 از سوی OpenAI با قابلیت ساخت GIF و تولید تصویر تا ۵۰ درصد سریع‌تر

شرکت OpenAI نسخه Images 2.6 را برای ChatGPT، Codex و API معرفی کرده است. این نسخه با سرعت بیشتر در تولید تصاویر، امکان ساخت انیمیشن‌های GIF و حفظ انسجام بهتر در مراحل مختلف ویرایش همراه است. به گفته این شرکت، ابزارهای تولید تصویر OpenAI اکنون هفته‌ای بیش از ۴ میلیارد تصویر تولید می‌کنند؛ یعنی به‌طور میانگین بیش از ۵۰۰ میلیون تصویر در روز.

قابلیت‌های Images 2.6 شرکت OpenAI

Images 2.6 تصاویر را ۵۰ درصد سریع‌تر از نسل قبلی تولید می‌کند. API این نسخه شامل دو مدل GPT-Image-2.6 Flare و GPT-Image-2.6 Sunburst است. مدل Flare با تمرکز بر بهبود کیفیت چیدمان و ترکیب‌بندی تصاویر، برای طراحی پوستر، تصاویر محصولات و محتوای بصری حرفه‌ای مناسب است. این مدل در تنظیمات کیفیت پایین می‌تواند یک تصویر را تنها در شش ثانیه تولید کند. در مقابل، مدل Sunburst برای تولید تصاویر با کیفیت بالاتر طراحی شده و در تنظیمات کیفیت متوسط و بالا، جزئیات بیشتری ارائه می‌دهد و انسجام تصاویر را در ویرایش‌های متوالی بهتر حفظ می‌کند.

یکی دیگر از قابلیت‌های جدید این نسخه، تولید GIF است. کاربران می‌توانند با استفاده از توضیحات متنی، طرح‌های اولیه ساده یا تصاویر موجود، انیمیشن بسازند. OpenAI کاربردهایی مانند متحرک‌سازی شخصیت‌های نمادین برندها و تصاویر محصولات، ساخت واکنش‌های تصویری و میم برای شبکه‌های اجتماعی و طراحی استوری‌بوردهای متحرک برای بررسی حرکت پیش از آغاز تولید ویدئو را از جمله موارد استفاده این قابلیت معرفی کرده است.

استارتاپ Town که دستیار هوشمند مبتنی بر هوش مصنوعی برای محیط کار توسعه می‌دهد، از API نسخه Images 2.6 برای بررسی و طراحی شخصیت‌های متحرک در تعاملات روزمره محیط کار استفاده کرده است.

از دیگر قابلیت‌هایی که به API اضافه شده‌اند می‌توان به موارد زیر اشاره کرد:

• نشانه‌گذاری تصاویر: قابلیت نشانه‌گذاری تصویر که پیش‌تر در ChatGPT در دسترس بود، اکنون به API نیز اضافه شده است. توسعه‌دهندگان با استفاده از این ابزار می‌توانند بخش‌های مشخصی از یک تصویر را برای اعمال ویرایش‌های دقیق تعیین کنند.
• خروجی SVG: نسخه Images 2.6 امکان خروجی گرفتن از تصاویر با فرمت SVG را فراهم می‌کند؛ فرمتی که در وب‌سایت‌ها، اپلیکیشن‌ها و محصولات چاپی کاربرد دارد.
• کنترل پیچیدگی: پارامتر جدیدی به کاربران اجازه می‌دهد میزان برنامه‌ریزی و پردازشی را که مدل برای تولید تصویر به کار می‌گیرد، تنظیم کنند. OpenAI برای بیشتر ویرایش‌ها سطح پیچیدگی پایین را پیشنهاد می‌کند؛ اما برای تصاویری که عناصر متعدد یا محدودیت‌های مشخصی دارند، استفاده از سطح متوسط یا بالا را توصیه می‌کند.
• کنترل کیفیت تصویر: تنظیمات جداگانه‌ای نیز برای تعیین میزان جزئیات بصری و وفاداری تصویر در نظر گرفته شده است. این تنظیمات مستقل از پارامتر پیچیدگی عمل می‌کنند.

ایمنی تصاویر و تشخیص منشأ محتوا

به گفته OpenAI، مدل GPT-Image-2.6 Sunburst از چندین مرحله بررسی ایمنی در فرایند تولید و ویرایش تصاویر استفاده می‌کند. این بررسی‌ها شامل ارزیابی درخواست‌های متنی کاربران، تصاویر ورودی و خروجی‌های تولیدشده است تا درخواست‌ها یا محتواهای مغایر با سیاست‌های این شرکت شناسایی شوند. همچنین، قابلیت تولید تصویر در ChatGPT اکنون در کنار سامانه‌های نظارتی قبلی، از یک سازوکار طبقه‌بندی هم‌زمان محتوای سوءاستفاده جنسی از کودکان (CSAM) بهره می‌برد.

OpenAI برای قابلیت تولید GIF نیز تدابیر حفاظتی جدیدی در نظر گرفته است تا حرکات جنسی‌سازی‌شده و مفاهیم آسیب‌زایی را که ممکن است در جریان پخش فریم‌های مختلف یک انیمیشن شکل بگیرند، شناسایی کند. بر اساس ارزیابی این شرکت، سامانه نظارت بر محتوای GIF به نرخ یادآوری کلی ۷۷.۷ درصد دست یافته است. با این حال، OpenAI تأکید می‌کند که شناسایی تخلفات مرتبط با حرکت همچنان دشوار است و بنابراین ممکن است این تدابیر نتوانند تمام موارد تخلف را تشخیص دهند.

تصاویر تولیدشده از طریق ChatGPT، Codex و API شرکت OpenAI به سازوکارهایی برای مشخص کردن منشأ محتوا مجهز هستند. این سازوکارها شامل فراداده C2PA و واترمارک نامرئی SynthID متعلق به Google DeepMind می‌شوند. فناوری SynthID در کنار فراداده C2PA به شناسایی محتوای تولیدشده با هوش مصنوعی کمک می‌کند.

زمان عرضه و قیمت‌گذاری

نسخه Images 2.6 شرکت OpenAI در سراسر جهان و برای تمام سطوح اشتراک ChatGPT و Codex در دسترس قرار گرفته است. کاربران می‌توانند از طریق نسخه‌های وب، دسکتاپ و اپلیکیشن‌های موبایل به این قابلیت دسترسی داشته باشند. توسعه‌دهندگان نیز می‌توانند هر دو مدل GPT-Image-2.6 Flare و GPT-Image-2.6 Sunburst را از طریق API استفاده کنند.

قیمت‌گذاری استاندارد API برای هر دو مدل Images 2.6 به شرح زیر است:

قیمت‌ها به‌ازای هر یک میلیون توکن محاسبه شده‌اند.

OpenAI همچنین قیمت‌گذاری جداگانه‌ای برای استفاده از API به‌صورت دسته‌ای (Batch API) در مدل‌های تصویری قبلی خود منتشر کرده است. این قیمت‌ها شامل مدل GPT-Image-2 و مدل‌های GPT-Image-2.5 Flare و GPT-Image-2.5 Sunburst می‌شوند.

قیمت‌های این جدول به‌ازای هر یک میلیون توکن در API دسته‌ای هستند. این تعرفه‌ها فقط به مدل‌های قبلی فهرست‌شده مربوط می‌شوند و شامل GPT-Image-2.6 نیستند.