OpenAI julkaisi keskiviikkona Images 2.6 -kuvamallin ChatGPT:hen, Codexiin ja rajapintaan. Uusi versio tuottaa kuvat puolet aiempaa nopeammin, osaa animoida ne GIF-muotoon ja pitää hahmot sekä tuotteet yhtenäisinä muokkausten välillä.
Julkistus on merkittävä jo pelkän käyttömäärän takia. OpenAI:n mukaan ChatGPT:llä, Codexilla ja rajapinnan kautta luodaan nyt neljä miljardia kuvaa viikossa. Se tarkoittaa keskimäärin yli puolta miljardia kuvaa päivässä.
Päivitys keskittyy kolmeen asiaan: nopeuteen, liikkeeseen ja hallittavuuteen. Kuluttajat saavat uudistukset suoraan ChatGPT:hen. Kehittäjille julkaisu tuo rajapintaan useita työkaluja, jotka helpottavat kuvien liittämistä osaksi omia sovelluksia ja automaatioita.
Puolet nopeampi generointi kahdella mallilla
Images 2.6 luo kuvat OpenAI:n mukaan 50 prosenttia edeltäjäänsä nopeammin. Rajapinnassa kehittäjät voivat valita kahdesta mallista: GPT-Image-2.6 Flare ja GPT-Image-2.6 Sunburst. Jako jatkaa edellisen sukupolven linjaa, jossa nopea ja tarkka malli erotettiin toisistaan.
Flare on nopeuteen viritetty vaihtoehto. Matalalla laatuasetuksella se tuottaa kuvan parhaimmillaan noin kuudessa sekunnissa. OpenAI:n mukaan Flare parantaa myös asettelua julisteissa, tuotekuvissa ja muissa ammattikäyttöön tarkoitetuissa visuaaleissa.
Sunburst on tarkoitettu työhön, jossa yksityiskohdat ratkaisevat. Keskitasoisella tai korkealla laatuasetuksella se tuottaa laadukkaampaa jälkeä ja pitää kuvan johdonmukaisempana muokkausten yli. Brändityössä tämä on olennaista, koska logon, tuotteen tai hahmon pitää näyttää samalta jokaisessa versiossa.
Valinta kahden mallin välillä on käytännössä kompromissi nopeuden ja tarkkuuden välillä. Luonnosvaiheessa ja suurissa erissä Flare tuottaa vaihtoehtoja nopeasti ja edullisesti. Kun lopullinen kuva hiotaan julkaisukuntoon, Sunburst on parempi valinta.
GIF-animaatiot tuovat liikkeen kuviin
Näkyvin uutuus on GIF-tuki. Images 2.6 osaa muuttaa still-kuvan lyhyeksi, toistuvaksi animaatioksi. OpenAI mainitsee käyttökohteina muun muassa brändimaskotin animoinnin kampanjaan, reaktiokuvat sosiaaliseen mediaan ja animoidut kuvakäsikirjoitukset ennen varsinaista videotuotantoa.
Lähtökohdaksi ei tarvita valmista suunnitelmaa. OpenAI:n esimerkissä kuulakärkikynällä viivapaperille piirretty pöllö muuttui ilmeikkääksi animoiduksi hahmoksi. Tämä madaltaa kynnystä erityisesti pienille tiimeille, joilla ei ole omaa animaattoria.
Ominaisuutta on jo testattu tuotannossa. Työavustajaa kehittävä startup Town käytti Images 2.6:ta rajapinnan kautta luodakseen animoidun Monty-hahmon. Hahmo näkyy viestikentän yläpuolella kirjoitusindikaattorina ja tuo arkiseen työkaluun persoonallisuutta.
GIF on tietoinen valinta videon sijaan. Formaatti toimii lähes kaikkialla sähköposteista pikaviestimiin ilman erillistä soitinta. Lyhyt, toistuva animaatio riittää moneen käyttötarkoitukseen, jossa täysimittainen video olisi raskas tuottaa.
Kehittäjät saavat tarkemmat työkalut
Rajapinta saa useita uusia ominaisuuksia. ChatGPT:stä tuttu kuvamerkintä (image markup) tulee nyt myös kehittäjien käyttöön. Sen avulla voi osoittaa kuvasta tarkan kohdan, johon muutos halutaan tehdä, sen sijaan että muutosta kuvailtaisiin pelkällä tekstillä.
Toinen uutuus on SVG-vienti. Vektorimuotoiset kuvat skaalautuvat ilman laadun heikkenemistä, joten ne sopivat suoraan verkkosivuille, sovelluksiin ja painotuotteisiin. Tämä säästää vaiheen, jossa rasterikuva on aiemmin piirretty käsin uudelleen vektoriksi.
Kolmas lisäys on uusi kompleksisuusparametri. Sillä säädetään, kuinka paljon malli suunnittelee ennen kuvan tuottamista. OpenAI suosittelee useimpiin muokkauksiin matalaa kompleksisuutta, joka nopeuttaa työtä. Monielementtisiin ja tiukasti rajattuihin näkymiin kannattaa kokeilla keski- tai korkeaa tasoa. Laatuasetus ohjaa edelleen yksityiskohtia, kompleksisuus puolestaan näkymän rakennetta.
Saatavuus ja merkitys yrityksille
Images 2.6 on saatavilla maailmanlaajuisesti heti ChatGPT:ssä ja Codexissa kaikilla tilaustasoilla työpöydällä, mobiilissa ja verkossa. Flare ja Sunburst ovat käytettävissä rajapinnassa, ja niiden hinnat löytyvät OpenAI:n kehittäjädokumentaatiosta. Yhtiö on julkaissut mallista myös järjestelmäkortin, jossa kuvataan turvallisuusarvioinnit ja suojaukset.
Yrityksille julkaisu tarkoittaa, että kuvatuotannon ja kevyen animaation voi yhä useammin automatisoida samassa työnkulussa. Markkinointitiimi voi luoda kampanjakuvan, muokata sitä merkinnöillä ja viedä lopputuloksen vektorina tai animaationa ilman erillisiä työkaluja.
Nopeus muuttaa myös kustannuslaskelmaa. Kun kuva valmistuu sekunneissa, malli sopii paremmin automaatioihin, jotka tuottavat esimerkiksi tuotekuvia verkkokaupan koko valikoimalle tai sosiaalisen median sisältöä päivittäin.
Automaatioiden rakentajille kiinnostavin yksityiskohta on kompleksisuusparametri. Sen avulla saman työnkulun eri vaiheisiin voi valita eri tason: pikaiset korjaukset kevyesti ja vaativat näkymät perusteellisemmin. Näin kustannukset ja odotusaika pysyvät hallinnassa ilman, että lopputuloksen laadusta tarvitsee tinkiä.
Yhteenveto
OpenAI:n Images 2.6 nopeuttaa kuvien luontia puolella ja tuo mukaan GIF-animaatiot, kuvamerkinnät rajapintaan ja SVG-viennin. Kahden mallin jako antaa kehittäjille valinnan nopean Flaren ja tarkan Sunburstin välillä.
Neljän miljardin viikoittaisen kuvan volyymi kertoo, että kuvageneroinnista on tullut arkinen työkalu. Seuraava kilpailun aalto käydään nopeudesta, johdonmukaisuudesta ja siitä, kuinka sujuvasti kuvat liikkuvat osaksi yritysten omia työnkulkuja.