A OpenAI lançou oficialmente o seu mais recente modelo de geração de imagens multimodais, o gpt-image-1, e abriu-o a programadores globais através da API. Este modelo tem como principais vantagens o baixo custo, a elevada capacidade de controlo e a forte interação multimodal, marcando a transição da geração de imagens de IA de aplicações de "nível de brinquedo" para aplicações de "nível industrial". Fase de aplicação de "nível industrial". Tanto os criadores individuais como os utilizadores de nível empresarial podem realizar uma transição perfeita dos esboços conceptuais para os desenhos acabados através da API.
Descrição oficial:https://openai.com/index/image-generation-api/
I. Funções principais e destaques técnicos
1. Três funções principais: geração, edição, variantes
- Geração de imagens: gpt-image-1 suporta entrada mista de texto+imagem. O gpt-image-1 pode analisar com exatidão pedidos complexos e gerar imagens que estão em conformidade com as leis da física. Por exemplo, se introduzir "desenhar o corpo de uma garrafa de água mineral com vários estilos", o modelo pode produzir rapidamente soluções de design criativas com estilos diferentes.
- Edição de imagens: A modificação local, a migração de estilos ou a fusão de elementos de imagens existentes podem ser efectuadas diretamente através da API. Por exemplo, carregue quatro imagens de presentes para gerar uma bela imagem de cesto de presentes com todos os presentes.
- Variantes de imagem (apenas para DALL-E 2): Crie rapidamente variantes estilizadas com base em imagens existentes para melhorar a eficiência do design.
2. opções altamente personalizáveis
Os programadores podem controlar com precisão os parâmetros de saída através da API:
- Tamanho e formato: Suporta 1024×1024, 1024×1536 e outras resoluções, com saída em formato PNG, JPEG ou WebP.
- Qualidade e compressão: três graus de qualidade: baixa, média e alta, a taxa de compressão JPEG pode ser personalizada (0-100%).
- Fundo e transparência: Altere o fundo transparente com um clique para se adaptar às necessidades de design.
- Geração em lote: acelere a iteração criativa gerando várias imagens de uma só vez através do parâmetro n.
3) Vantagens em termos de custos
- Pagamento consoante o uso: o preço do Token de entrada de texto é de $5/milhão, o Token de saída de imagem é de $40/milhão.
- Preços por etapas:
- Baixa qualidade (1024 x 1024): cerca de 0,02 ¤/folha
- Qualidade média: cerca de 0,07 dólares por folha
- Alta qualidade: cerca de 0,19 dólares por folha
II Cenários de aplicação e integração empresarial
A flexibilidade do gpt-image-1 permitiu-lhe entrar rapidamente em vários sectores:
- Ferramentas criativas: Adobe Firefly, Canva e outras plataformas integram o modelo, oferecendo opções de personalização como o estilo Ghibli.
- Comércio eletrónico e design: o Photoroom converte uma única imagem de produto numa imagem de apresentação de modelo através da API; o HeyGen optimiza o processo de edição de avatares.
- Software empresarial: a Wix e a InVideo utilizam modelos para gerar materiais de marketing; as imagens das receitas de teste da Instacart são geradas automaticamente.
III Comparação técnica e vantagens
| caraterização | gpt-image-1 | DALL-E 2/3 |
|---|---|---|
| apoio multimodal | Entrada mista de texto + imagem | Texto ou imagem apenas unimodal |
| Granularidade personalizada | Suporta o ajuste fino do tamanho, qualidade, taxa de compressão, etc. | Personalização limitada |
| custos (de fabrico, de produção, etc.) | Mais baixo (tão baixo quanto $0,02 por folha) | elevado |
| Flexibilidade da API | Suporta funcionalidades avançadas, como a edição de máscaras e a composição de várias imagens | Geração básica de imagens |
Sam Altman, CEO da OpenAI, observou que a conceção da API do gpt-image-1 está mais centrada no controlo do programador e é particularmente adequada para cenários em que a eficiência e a personalização têm de ser equilibradas.
IV. Início rápido: Como chamar a API?
O seguinte exemplo de código Python mostra como gerar um "mapa de sprite de gato cinzento estilo pixel":
from openai import OpenAI
importar base64
cliente = OpenAI()
resposta = client.images.generate(
model="gpt-image-1",
model="gpt-image-1", prompt="Desenhar uma folha de sprite 2D estilo pixel art de um gato cinzento tabby",
tamanho="1024x1024",
background="transparente",
qualidade="alta"
)
image_data = response.data[0].b64_json
com open("sprite.png", "wb") as f.
f.write(base64.b64decode(image_data))
O lançamento do gpt-image-1 não só reduz o limiar da criatividade, como também promove a penetração da IA multimodal no mundo empresarial. Com a expansão do ecossistema API, poderão surgir mais soluções intersectoriais no futuro - desde o design automatizado até ao encaixe virtual, as imagens geradas por IA serão omnipresentes. A openAI provou mais uma vez a sua liderança no domínio da IA. O gpt-image-1, com a sua profundidade tecnológica e facilidade de utilização, abre um novo espaço de criação visual para programadores e empresas. Abre um espaço totalmente novo para a criação visual. Experimente-o agora e ponha as suas ideias "no papel"!
Se quiser utilizar a conta exclusiva paga oficial GPT Plus, Claude Pro, Grok Super, pode contactar a nossa equipa de profissionais (wx: abch891) se não souber como carregar a sua conta.
