GPT-Image-2.6 wurde vollständig ausgerollt, es kann GIF und SVG direkt ausgeben, und 6.2 Astra ist ebenfalls erschienen.

GPT-Image-2.6 ist plötzlich veröffentlicht worden!

Die gesamte Generierungszeit wurde um 50 % verkürzt, das schnellste Bild wird in 6 Sekunden erzeugt; native Unterstützung für die Generierung von animierten GIF-Bildern; Unterstützung für den direkten Export des SVG-Vektorformats.

OpenAI hat in der API erstmals die „Planungsleistung für Szenarien“ und die „Pixel-Rendering-Qualität“ des Modells in zwei unabhängige Parameter unterteilt, was die Kosten und den Zeitaufwand für mehrstufige Änderungen erheblich reduziert.

Derzeit ist GPT-Image-2.6 in ChatGPT, Codex und der API vollständig verfügbar, alle kostenlosen und zahlenden Benutzer können es direkt verwenden.

Trennung von „Planungsleistung“ und „Bildqualität“, Bilder in nur 6 Sekunden erzeugen

Diesmal wurde auf der API-Seite von GPT-Image-2.6 erstmals zwei spezifische Modelle eingeführt, nämlich Flare und Sunburst.

Flare konzentriert sich auf Geschwindigkeit und Layout, es ist speziell für die Layoutoptimierung kommerzieller visueller Inhalte wie Poster und E-Commerce-Produktbilder ausgelegt, und die Generierungszeit eines einzelnen Bildes im niedrigen Qualitätsmodus wurde auf 6 Sekunden komprimiert.

Sunburst ist für anspruchsvolle Aufgaben zuständig, es bietet eine höhere Detailgenauigkeit in den mittleren und hohen Qualitätsmodi und löst hauptsächlich das Konsistenzproblem, dass sich Charaktere und Waren während der mehrstufigen Dialogänderungen allmählich verändern.

Die Änderung der zugrundeliegenden Steuerungslogik ist ebenfalls bemerkenswert ~

Beim vorherigen Aufruf der Bildgenerierungs-API konnten Entwickler normalerweise nur die Auflösung oder allgemeine Qualitätsstufen anpassen. Selbst wenn nur die Hintergrundfarbe geändert werden sollte, musste das Modell die gesamte Kompositionsplanung vollständig neu durchführen.

Diesmal fügt Images 2.6 einen neuen Parameter namens „complexity“ (Komplexität) hinzu, der speziell dazu dient, zu steuern, wie viel Rechenleistung das Modell für die Szenenplanung vor der Generierung aufwendet. Der ursprüngliche Parameter „quality“ (Bildqualität) ist ausschließlich für visuelle Details und Wiedergabetreue zuständig.

Diese Entkopplung von Konzeptionsaufwand und Rendergenauigkeit folgt demselben Prinzip wie die Anpassung der Tiefe der Denkfähigkeit bei großen Textmodellen.

In praktischen Arbeitsabläufen können Entwickler bei täglichen lokalen Feinabstimmungen oder schnellen Bildänderungen den Wert von „complexity“ auf niedrig einstellen und gleichzeitig eine hohe „quality“-Ausgabe beibehalten.

Auf diese Weise kann die Zeit eingespart werden, die das Modell für die Neuplanung der Komposition benötigt, und es wird nur eine hochpräzise Nachzeichnung durchgeführt.

Nur bei komplexen Szenen mit mehreren Elementen im selben Bild oder sehr vielen Einschränkungen muss der Wert von „complexity“ erhöht werden.

△ Das Bild wurde von KI generiert

„Abkürzung“ mit 3×2-Sequenzframes, native Unterstützung für animierte GIFs

Die native Unterstützung für animierte GIFs ist die offensichtlichste neue Funktion von Images 2.6.

Wenn Sie dem Maskottchen Ihrer Marke kleine Bewegungen hinzufügen möchten, oder einige Memes für soziale Medien erstellen wollen, oder einfach mit einem Kugelschreiber eine Eule auf ein linieniertes Notizbuch zeichnen …

Geben Sie es an das Modell weiter, die resultierenden animierten Aufkleber haben alle einen sauberen Hintergrund und flüssige Bewegungen.

Wie kann ein Bildgenerierungsmodell ohne die Unterstützung eines schweren Videogenerierungsmodells schnell ein flüssiges GIF erzeugen?

Die Antwort liegt in den Prompt-Wörtern des offiziell veröffentlichten OpenArt-Kooperationsfalls.

Für diese animierten Bilder, in denen ein Büroangestellter bei einem starken Aktienkursrückgang weint und bei einem starken Aktienkursanstieg Geld verteilt, sieht der Prompt, der dem Modell übergeben wird, tatsächlich so aus:

„Erzeuge ein einzelnes animiertes Sequenzbild (Sprite Sheet) für nahtlos wiederholende GIFs … es enthält streng 6 aufeinanderfolgende Frames, angeordnet in einem präzisen Raster von 3 Spalten × 2 Zeilen, gelesen von links nach rechts und von oben nach unten. Jeder Bereich hat genau die gleiche Größe. Halte eine feste 3/4-Perspektive von vorne ein, mit demselben Charakter, demselben Schreibtisch, Monitor, Kleidung und Hintergrund … der sechste Frame geht reibungslos in den ersten Frame über. Keine Untertitel, keine Ränder, keine leeren Flächen.“

Haben Sie es verstanden?

Images 2.6 hat die komplexe räumlich-zeitliche Diffusionsberechnung für Videos überhaupt nicht angefasst, sondern nutzt ein Sequenzframe-Konzept, das aus der Spieleindustrie entlehnt ist, und zeichnet 6 lückenlose Stop-Motion-Animationen (Sprite Sheet) in einem einzigen Bild fertig.

Nach dem Zusammenfügen der zugeschnittenen Frames ist das GIF fertig, oder?

Der Vorteil dieses Verfahrens besteht darin, dass die hohe Verzögerung bei der Inferenz von Videomodellen umgangen wird und gleichzeitig die Gesichtszüge des Charakters, die Falten der Kleidung und die relativen Positionen der Hintergrundobjekte in jedem Frame relativ fest bleiben.

Diese Funktion wird bereits von einigen Unternehmen in der Praxis eingesetzt ~

Zum Beispiel hat das Startup-Unternehmen Town, das einen KI-Büroassistenten entwickelt, diese Funktion über die API integriert, um speziell animierte Mikroausdrücke wie Tippen und Feedback für virtuelle Assistenten in Arbeitssoftware zu generieren.

Direkte SVG-Ausgabe, lokale Markierungsfunktion wurde für die API freigegeben

Dieses Update bringt außerdem zwei praktische Engineering-Funktionen mit sich.

Eine davon ist der Export von SVG-Vektorgrafiken, die andere ist die Bildmarkierung (Image markup) auf der API-Seite.

Jeder, der schon einmal mit Frontend- oder UI-Entwicklung zu tun hatte, weiß, dass die KI-generierten Bitmap-Bilder beim Vergrößern unscharfe Kanten haben … wenn man sie in Webseiten oder Apps einbinden möchte, muss man normalerweise ein Drittanbieter-Tool verwenden, um sie in das Vektorformat zu konvertieren.

Das ist ziemlich umständlich.

Images 2.6 unterstützt den Export von SVG direkt nativ.

Wenn Programmierer in Codex Frontend-Code schreiben, können sie das Modell direkt dazu bringen, unendlich skalierbare Icons, Komponenten und Illustrationen zu generieren, die direkt in die Codebibliothek eingefügt werden können.

Alle Zwischenkonvertierungsschritte werden vollständig eingespart!

Außerdem wurde die Funktion zum Auswählen und lokalen Nachzeichnen von Bildern (Image markup), die bisher nur in der ChatGPT-Webseite verfügbar war, nun offiziell für die API freigegeben.

Unternehmensteams können im Backend ihrer eigenen Produkte direkt Bereiche, die geändert werden sollen, mit Koordinaten oder Masken markieren. In Kombination mit der hohen Konsistenz des Sunburst-Modells kann die Stapelverarbeitung von Bildänderungen wie in einer Fließband ablaufen.

One More Thing

Eine kleine Überraschung, die außerhalb des Bildgenerierungsmodells entdeckt wurde:

GPT-6.2 Astra ist jetzt auf Google Cloud erschienen ~

Referenzlinks:

[1]https://openai.com/index/introducing-images-2-6/

[2]https://x.com/lyraxana/status/2118123296738677133

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „QbitAI“, Autor: Heng Yu, veröffentlicht mit Genehmigung von 36Kr.