OpenAI har på sin utvecklarwebbplats publicerat en guide till promptskrivning för bildmodellerna GPT Image 2.6. Enligt sydkoreanska AI Times publicerades guiden den 7 november lokal tid.

Det finns två modeller. Den mindre Flare passar enligt guiden för arbete där snabbhet är avgörande. Grundmodellen Sunburst passar för mer detaljerade bilder och precisa redigeringar. Med båda kan man skapa och redigera bilder samt göra bakgrunden transparent.

Säg vad som ska ändras och vad som ska behållas

Guiden råder användaren att först ange vad bilden ska användas till och sedan beskriva motiv, komposition, stil och begränsningar. Text som ska synas i bilden skrivs inom citattecken, och prompten anger dess placering, typsnitt och antal förekomster. Stavningen måste ändå kontrolleras i den färdiga bilden.

I redigeringsprompten skriver man ”ändra bara X” och räknar upp det som ska behållas, till exempel personens igenkännbarhet, geometri, layout och ljussättning. Om flera bilder ingår råder guiden användaren att numrera dem och ange varje bilds uppgift, till exempel motiv, stil eller bakgrund. Ändringarna görs en i taget, och det föregående resultatet blir indata till nästa redigering.

Om en del av bilden måste förbli identisk på pixelnivå råder guiden användaren att kombinera den godkända redigeringen med originalbilden.

Det går också att markera det som ska redigeras. Tillsammans med originalbilden skickas en transparent PNG-bild i samma storlek där objektet är inringat (parametern markup). I OpenAI:s eget exempel färgade båda modellerna vasen i en köksbild koboltblå och tog bort markeringsringen. Guiden uppmanar ändå användaren att jämföra bildens övriga delar med originalet för att upptäcka oönskade ändringar.

Planering och detaljer ställs in separat

Inställningen complexity styr hur mycket modellen planerar kompositionen innan den ritar. Det finns tre nivåer, och standardvalet är den högsta. Inställningen quality styr i stället detaljer som textur och liten text.

Om layouten är fel råder guiden användaren att jämföra complexity-nivåerna utan att ändra quality. Om layouten stämmer men den lilla texten är otydlig jämför man quality-nivåerna. En högre complexity syns inte alltid: i en bild som redan är noggrant specificerad kan skillnaden bli liten. Vid redigering av en enskild detalj lönar det sig att börja på den lägsta nivån.

Vid bildgenerering kan man också välja en redigerbar SVG-vektorbild eller en GIF-animation som utdata. För diagram uppmanar guiden användaren att kontrollera inte bara utseendet utan även etiketterna och att uppgifterna stämmer.

Guiden gäller API:t, principerna även ChatGPT

Guiden är skriven för OpenAI:s programmeringsgränssnitt (API), där modellerna heter gpt-image-2.6-flare och gpt-image-2.6-sunburst. Enligt AI Times går en del modellval och avancerade inställningar inte att justera i ChatGPT, men grundprinciperna gäller även där.

För den som byter från tidigare modeller råder guiden att först jämföra med samma promptar, bilder och inställningar. Parametern input_fidelity utelämnas i redigeringsförfrågningar, och GPT Image 2.6 stöder inte fältet reasoning.summary. Priserna finns i OpenAI:s prislista för bildgenerering.