Wypróbowaliśmy najlepszy model do generowania obrazów! ChatGPT radzi sobie z mnóstwem tekstu i świetnymi portretami

Firmy technologiczne nieustannie prześcigają się w tworzeniu najbardziej zdolnego modelu językowego. Nie mniejszą wagę przywiązują również do generowania treści multimedialnych, a przede wszystkim do tworzenia obrazów. Podczas gdy jeszcze niedawno Google mógł być uważany za króla z modelem Nano Banana 2, wraz z wtorkowym wprowadzeniem modelu ChatGPT Images 2.0, OpenAI przejmuje prowadzenie. Wypróbowaliśmy nowy model i przedstawiamy przykłady z praktyki.

ChatGPT ponownie królem generowania obrazów

Podczas gdy rok temu firmy stojące za modelami AI kusiły przede wszystkim zapierającymi dech w piersiach obrazami o szerokim spektrum kolorów, OpenAI w związku z ChatGPT Images 2.0 koncentruje się przede wszystkim na praktyczności. Nie chodzi o to, że model nie jest w stanie generować fascynujących scenerii – sami zresztą zobaczycie je poniżej – ale priorytetem jest precyzyjne przestrzeganie instrukcji, dokładna praca z obiektami, a przede wszystkim bezbłędny tekst w różnych językach i o wysokiej gęstości. Motorem napędowym jest zdolność myślenia, którą model OpenAI posiada po raz pierwszy, a także możliwość wyszukiwania informacji w internecie.

Twórcy jasno dają do zrozumienia, że nowy model nie służy tylko do zabawy. Potrafi tworzyć najwyższej klasy infografiki, gotowe do natychmiastowej publikacji w mediach społecznościowych, zachwycające plakaty, a nawet strony czasopism i wspaniałe komiksy. Doskonale radzi sobie również z naśladowaniem pisma odręcznego. Krótko mówiąc, nic dziwnego, że w rankingu Arena AI zajął pierwsze miejsce z wyraźną przewagą punktową.

Praktyczne przykłady: plakat, przepisy i obrazek ilustracyjny

Gdy tylko po raz pierwszy wypróbowałem ChatGPT Images 2.0, zdałem sobie sprawę, jak bardzo żałuję, że OpenAI nie wprowadziło tego modelu kilka miesięcy wcześniej. Nie tak dawno temu musiałem stworzyć plakat z informacjami o filozofie Williamie Jamesie. Ponieważ nie jestem ekspertem od projektowania, a przede wszystkim nie chciałem poświęcać czasu na to specyficzne zadanie, postanowiłem poprosić o pomoc Gemini. Do promptu dołączyłem pliki ze wszystkimi potrzebnymi informacjami i portretem filozofa, a otrzymałem obraz, który był wizualnie tak okropny, że nie powiesiłbym go nawet na drzwiach toalety. Tym bardziej zaskoczył mnie teraz wynik ChatGPT – bardziej doświadczeni prawdopodobnie rozpoznaliby, że plakat stworzyła sztuczna inteligencja, ale za jego ostateczną formę zdecydowanie nie ma się czego wstydzić.

Ulubionym przykładem zastosowania podczas prezentacji nowych modeli do generowania obrazów jest przetwarzanie przepisów na formę wizualną. Nie wahałem się więc i wkleiłem do ChatGPT instrukcję przygotowania kulek Raffaello skopiowaną z internetu. O rezultacie śmiem twierdzić, że jest fascynujący – podobnie jak w przypadku filozofa, godne uwagi jest, z jaką ilością tekstu poradziła sobie AI. Bardzo doceniam również końcowy projekt, którym jako bloger kulinarny natychmiast wzbogaciłbym swój artykuł (gdybym nim był, oczywiście).

Ponieważ ten projekt mi się podobał, postanowiłem, że z pomocą ChatGPT Images 2.0 stworzę również inne przepisy na moje ulubione przysmaki – sałatkę ziemniaczaną i koktajl truskawkowy. Konsystencja jest świetna i podoba mi się, w jaki sposób AI dostosowuje paletę kolorów do danego dania.

Na koniec potrzebowałem ilustracji do artykułu o nieautoryzowanym dostępie do modelu Anthropic Mythos (który ukazał się na stronie w czwartek po południu). Trochę zainspirowałem się agencją Reuters, gdzie chętnie wykorzystuje się motyw ze smartfonem i logo firmy/usługi. Dlatego dołączyłem logo Anthropic do ChatGPT i wprowadziłem prompt:

„wygeneruj mi atrakcyjny, szerokokątny obraz, na którym będzie telefon z logo Anthropic na tle głowy humanoidalnej sztucznej inteligencji. obraz będzie szerokokątny i atrakcyjny kolorystycznie”

W pierwszej wersji obrazu nie podobał mi się jednak współczynnik proporcji – wiedziałem, że po przycięciu nie zmieści się w siatce, którą muszę się kierować. Kliknąłem więc obraz i w menu wybrałem nowy współczynnik proporcji 16:9. ChatGPT po chwili generowania przedstawił nowy obraz.

Oczywiście mogliście zauważyć, że prompty, których użyłem, były dość trywialne. Eksperci od sztucznej inteligencji tworzą prompty nawet dziesiątki minut, czasem godziny, aby uzyskać jak najdokładniejsze wyniki. Ja w ten sposób raczej pokazałem, jak nawet kompletny laik może uzyskać wysokiej jakości wyniki z ChatGPT, któremu po prostu nie chce się tworzyć długich, szczegółowych instrukcji.

Potrafię sobie wyobrazić, że powyższa infografika dotycząca zegarka Redmi Watch 6 byłaby doskonalsza, gdybym bardziej pobawił się promptem. Biorąc pod uwagę, że spędziłem na niej łącznie około trzech minut, wliczając w to samo oczekiwanie na jej wykonanie, jest jednak całkiem przyzwoita.

Edytuje Twoje zdjęcia tak, jak sobie życzysz

ChatGPT Images 2.0 doskonale radzi sobie również ze zmianą stylu zdjęć. Moje selfie z Hiszpanii po wprowadzeniu promptu „Stwórz z tego zdjęcia animowanego awatara. Zachowaj wszystkie szczegóły, w tym tło, tylko przerysuj to w formie animowanej.” wygląda tak:

Równie interesujące było przekształcenie zdjęcia w obraz science fiction pełen neonów za pomocą trywialnego promptu „Przerób ten obraz w stylu cyberpunkowym z neonami”

Na koniec przypomniałem sobie, że po długim czasie mógłbym zmienić zdjęcie profilowe redaktora lub na platformach takich jak LinkedIn. Dołączyłem więc do ChatGPT trzy moje selfie i prompt „Stwórz mi portret studyjny jako nowe zdjęcie profilowe na mój profil redaktora. Dołączam Ci moje zdjęcia, żebyś wiedział, jak wyglądam. Będę miał na sobie czarną koszulę z rozpiętym górnym guzikiem i poważny, choć uśmiechnięty wyraz twarzy.”.

Chociaż jestem zadowolony z wyniku pod względem dokładności i przestrzegania instrukcji, będę musiał jeszcze zdecydować, czy ten typ zdjęcia naprawdę mi odpowiada na tyle, abym mógł się nim publicznie prezentować…

Galeria przykładów: portret, Android i inne

Co sądzicie o nowym modelu do tworzenia obrazów?