OpenAI on julkaissut kehittäjäsivustollaan oppaan GPT Image 2.6 -kuvamallien kehotteiden kirjoittamiseen. Eteläkorealaisen AI Timesin mukaan opas julkaistiin 7. marraskuuta paikallista aikaa.

Malleja on kaksi. Oppaan mukaan pienempi Flare sopii työhön, jossa nopeus ratkaisee. Perusmalli Sunburst sopii yksityiskohtaisempiin kuviin ja tarkkoihin muokkauksiin. Kummallakin voi luoda ja muokata kuvia sekä tehdä läpinäkyvän taustan.

Kerro, mitä muutetaan ja mitä säilytetään

Opas neuvoo kertomaan ensin, mihin kuvaa käytetään, ja kuvaamaan sitten aiheen, sommittelun, tyylin ja rajoitukset. Kuvaan tuleva teksti kirjoitetaan lainausmerkkeihin, ja kehotteessa kerrotaan sen paikka, kirjasin ja esiintymiskerrat. Oikeinkirjoitus pitää silti tarkistaa valmiista kuvasta.

Muokkauskehotteeseen kirjoitetaan ”muuta vain X” ja luetellaan säilytettävät asiat, kuten henkilön tunnistettavuus, muodot, asettelu ja valaistus. Jos mukana on useita kuvia, opas neuvoo numeroimaan ne ja kertomaan kunkin tehtävän, esimerkiksi aihe, tyyli tai tausta. Muutokset tehdään yksi kerrallaan, ja edellinen tulos annetaan seuraavan muokkauksen syötteeksi.

Jos osan kuvasta täytyy pysyä pikselilleen samana, opas neuvoo yhdistämään hyväksytyn muokkauksen alkuperäiseen kuvaan.

Muokattavan kohdan voi myös merkitä. Alkuperäisen kuvan mukana lähetetään samankokoinen läpinäkyvä PNG-kuva, jossa kohde on ympyröity (markup-parametri). OpenAI:n omassa esimerkissä kumpikin malli värjäsi keittiökuvan maljakon koboltinsiniseksi ja poisti merkintäympyrän. Opas kehottaa silti vertaamaan kuvan muita osia alkuperäiseen ylimääräisten muutosten varalta.

Suunnittelu ja yksityiskohdat säädetään erikseen

Complexity-asetus määrää, kuinka paljon malli suunnittelee sommittelua ennen piirtämistä. Tasoja on kolme, ja oletuksena on korkein. Quality-asetus taas säätää yksityiskohtia, kuten pintarakennetta ja pientä tekstiä.

Jos asettelu on pielessä, opas neuvoo vertaamaan complexity-tasoja muuttamatta quality-asetusta. Jos asettelu on oikein mutta pieni teksti epäselvää, vertaillaan quality-tasoja. Korkeampi complexity ei aina näy: valmiiksi tarkasti määritellyssä kuvassa ero voi jäädä pieneksi. Yksittäisen yksityiskohdan muokkaus kannattaa aloittaa matalimmalta tasolta.

Kuvanluonnissa tulosteeksi voi valita myös muokattavan SVG-vektorikuvan tai GIF-animaation. Kaavioissa opas kehottaa tarkistamaan ulkoasun lisäksi nimiöt ja tiedon oikeellisuuden.

Opas koskee rajapintaa, periaatteet myös ChatGPT:tä

Opas on kirjoitettu OpenAI:n ohjelmointirajapintaa varten, jossa mallien nimet ovat gpt-image-2.6-flare ja gpt-image-2.6-sunburst. AI Timesin mukaan osaa mallivalinnoista ja lisäasetuksista ei voi säätää ChatGPT:ssä, mutta perusperiaatteet pätevät sielläkin.

Aiemmista malleista siirtyville opas neuvoo vertaamaan aluksi samoilla kehotteilla, kuvilla ja asetuksilla. Muokkauspyynnöistä jätetään input_fidelity-parametri pois, eikä GPT Image 2.6 tue reasoning.summary-kenttää. Hinnat ovat OpenAI:n kuvanluonnin hinnastossa.