«GPT Image 1.5» معرفی شد؛ مدل تولید تصویر جدید اپن‌ای‌آی با سرعت ۴ برابر و ویرایش پیشرفته

شرکت اپن‌ای‌آی در تازه‌ترین گام خود برای بازپس‌گیری جایگاه رهبری در بازار هوش مصنوعی، نسخه جدیدی از مدل تولید تصویر خود را با نام GPT Image 1.5 معرفی کرد. این مدل با تمرکز بر سرعت بالاتر، دقت بیشتر در پیروی از دستورات و ارائه قابلیت‌های پیشرفته ویرایش، به‌صورت عمومی در دسترس کاربران قرار گرفته است.

رقابت فشرده در بازار هوش مصنوعی و وضعیت «کد قرمز»

این مدل جدید از روز گذشته برای تمامی کاربران چت‌جی‌پی‌تی فعال شده و همچنین از طریق API در اختیار توسعه‌دهندگان قرار گرفته است. معرفی GPT Image 1.5 تلاشی استراتژیک از سوی اپن‌ای‌آی برای تقویت موقعیت خود در رقابت شدید با سایر مدل‌های تصویری هوش مصنوعی، به‌ویژه «جمینای» گوگل، محسوب می‌شود.

این رونمایی در شرایطی انجام می‌شود که پیش‌تر یادداشتی داخلی از سم آلتمن، مدیرعامل اپن‌ای‌آی، فاش شده بود که در آن از وضعیت «کد قرمز» در شرکت خبر داده و بر لزوم بازپس‌گیری جایگاه رهبری در بازار هوش مصنوعی پس از پیشرفت‌های اخیر گوگل تأکید کرده بود.

افزایش چشمگیر سرعت و قابلیت‌های ویرایش پیشرفته

طبق اعلام اپن‌ای‌آی، GPT Image 1.5 تصاویر را با سرعتی تا چهار برابر بیشتر نسبت به نسخه‌های پیشین تولید می‌کند و مجموعه‌ای از قابلیت‌های پیشرفته ویرایش پس از تولید را در اختیار کاربران می‌گذارد. این قابلیت‌ها به کاربران اجازه می‌دهند تا تغییرات جزئی و هدفمندی را بدون ایجاد ناهماهنگی در تصویر اعمال کنند. از جمله این تغییرات می‌توان به موارد زیر اشاره کرد:

• حفظ شباهت چهره در تصاویر
• تنظیم دقیق نورپردازی
• اصلاح ترکیب‌بندی
• تغییر تناژ رنگ

حل چالش ثبات بصری در ویرایش‌های موضعی

یکی از مشکلات رایج در ابزارهای تولید تصویر مبتنی بر هوش مصنوعی، ناتوانی در اعمال اصلاحات موضعی بدون تأثیرگذاری و تغییر کلی تصویر است. اپن‌ای‌آی ادعا می‌کند که در نسخه جدید، این مشکل تا حد زیادی برطرف شده و ثبات بصری در ویرایش‌های متوالی و هدفمند حفظ می‌شود.

«استودیوی خلاق» جدید در چت‌جی‌پی‌تی

همزمان با عرضه این به‌روزرسانی، بخش تولید تصاویر در چت‌جی‌پی‌تی نیز بازطراحی شده است. اکنون این بخش از طریق یک ورودی اختصاصی در نوار کناری قابل دسترس بوده و محیطی را فراهم می‌کند که به‌عنوان یک «استودیوی خلاق» برای مدیریت، مشاهده و ویرایش تصاویر تولید شده عمل می‌کند.

فیجی سیمو، مدیر ارشد بخش اپلیکیشن‌های اپن‌ای‌آی، در پستی وبلاگی اظهار داشت: «قابلیت‌های جدید نمایش و اصلاح تصاویر، فرایند خلق تصاویری نزدیک‌تر به ایده ذهنی کاربران را ساده‌تر می‌کند و امکان الهام گرفتن از دستورها و فیلترهای پرطرفدار را افزایش می‌دهد.»

برنامه‌های آتی برای گسترش تجربه بصری

اپن‌ای‌آی همچنین اعلام کرده است که در کنار بهبود تولید تصویر، قصد دارد تجربه بصری کلی چت‌جی‌پی‌تی را گسترش دهد. در این راستا، جست‌وجوهای جدید با نمایش تصاویر بیشتر و ذکر منابع شفاف همراه خواهند بود. این قابلیت می‌تواند در کاربردهای مختلفی مفید باشد، از جمله:

• تبدیل واحدها و محاسبات
• تحلیل داده‌ها و نمایش بصری نتایج
• بررسی نتایج ورزشی و نمودارهای مرتبط