ทดลองโมเดลภาพตัวใหม่ล่าสุดของ OpenAI — gpt-image-2 (หรือ ChatGPT Images 2.0) — ภายใน Genspark บอกว่าคุณอยากได้อะไร แล้วรับตัวอักษรสะอาดตา อินโฟกราฟิกที่แม่นยำ และภาพพร้อมใช้ระดับ 4K ในแชทเดียว
นี่คือสี่ด้านที่ gpt-image-2 เหนือกว่าโมเดลภาพรุ่นก่อนอย่างชัดเจน ทุกด้านเริ่มจากพรอมต์สั้น ๆ ในแชทของ Genspark
gpt-image-2 เรนเดอร์ตัวอักษรอ่านออกได้ในภาพโดยตรง — หัวเรื่อง, body text, ป้ายกำกับ และข้อความชี้นำ — รองรับอักษรละติน, CJK, อาหรับ, ฮินดี และเบงกาลี คมชัด ไม่เละ นี่คือการก้าวกระโดดครั้งใหญ่ที่สุดเมื่อเทียบกับโมเดลภาพรุ่นก่อน
แนบรูปอ้างอิงได้สูงสุด 16 รูปในคำขอเดียว แล้วบอกสิ่งที่ต้องการแก้: "เปลี่ยนพื้นหลังเป็นพระอาทิตย์ตก", "ทำโซฟาให้เป็นหนัง", "เก็บตัวละครเดิมไว้แต่วาดใหม่สไตล์มังงะ" gpt-image-2 จะเก็บส่วนที่ไม่ได้พูดถึงไว้ และเขียนใหม่เฉพาะส่วนที่คุณระบุ — แก้ไขระดับพิกเซล ไม่ใช่สร้างใหม่ทั้งภาพ
สร้างภาพความละเอียดสูงสุด 4096×4096 ได้ในครั้งเดียว เพียงพอสำหรับงานพิมพ์ หน้าสินค้า และแอสเซ็ตโซเชียลขนาดใหญ่ เลือกระดับที่เหมาะจากเซเลกเตอร์โมเดลใน Genspark — 1K สำหรับดราฟต์, 4K สำหรับส่งงานจริง
ในที่สุดอักษรที่ไม่ใช่ละตินก็เรนเดอร์ออกมาได้ถูกต้อง ขอโปสเตอร์อีเวนต์ภาษาญี่ปุ่น บัตรเมนูภาษาเกาหลี กราฟิกโซเชียลภาษาอาหรับ หรืออินโฟกราฟิกภาษาฮินดี — ข้อความในภาพอ่านได้เป็นธรรมชาติ ไม่ใช่สี่เหลี่ยมหรือ glyph ปลอม ๆ นี่คือการปลดล็อกที่แท้จริงสำหรับทีมที่ส่งคอนเทนต์ในตลาดที่ไม่ใช่ภาษาอังกฤษ
ในกลุ่มเหล่านี้ gpt-image-2 ส่งผลลัพธ์คุณภาพพร้อมส่งตั้งแต่ครั้งแรก — ไม่ใช่ดราฟต์ ใช้ตัวอย่างพรอมต์ด้านบนหรือเขียนเวอร์ชันของคุณเองก็ได้
คอนเสิร์ต, เทศกาล, ลอนช์, อีเวนต์ในแคมปัส บอก AI เรื่องชื่องาน วันที่ สถานที่ และอารมณ์ภาพ; โมเดลจะจัดการตัวอักษร เลย์เอาต์ และภาพประกอบพื้นหลังที่เข้ากันให้ในรอบเดียว
กราฟแท่ง, บล็อกสถิติ, แผนภาพกระบวนการ — ตัวเลขและป้ายในภาพตรงกับที่คุณพิมพ์จริง ๆ เหมาะกับ pitch deck, แบนเนอร์บล็อก และการ์ดแชร์โซเชียล
ให้ชื่อกับอารมณ์แล้วรับโลโก้, พาเลตสีที่เข้ากัน และตัวอย่างตัวอักษรจัดไว้ในหน้าเดียว จุดเริ่มต้นเร็ว ๆ สำหรับเอกลักษณ์แบรนด์โปรเจกต์ใหม่หรือการเปิดตัว
gpt-image-2 เป็นโมเดลใช้งานทั่วไป แต่การกระโดดขึ้นเรื่องเรนเดอร์ตัวอักษรและรองรับหลายภาษา ทำให้ดีขึ้นชัดเจนกว่ารุ่นก่อนโดยเฉพาะสำหรับบทบาทเหล่านี้
ร่างครีเอทีฟโฆษณา, โปสเตอร์เปิดตัว และฮีโร่แลนดิ้งเพจที่มีพาดหัว, ชื่อสินค้า, และข้อเสนอจริงอยู่ในภาพโดยตรง — ไม่ต้องมีขั้นตอนจัดตัวอักษรต่างหาก
ใช้เป็นเครื่องมือทำคอนเซ็ปต์เร็ว ๆ: สร้าง 5 ทิศทางในครั้งเดียว เลือกตัวที่ใช่ แล้วนำเข้า Figma หรือ Photoshop เพื่อเก็บรายละเอียด อโฟลการแก้ไขหลายภาพช่วยให้ art direction ต่อเนื่องตลอดการแก้ไขหลายรอบ
ธัมบเนล, ภาพปก, ป้ายหัวตอน, แผนภาพอธิบาย อธิบายบุคลิกของแชนแนลครั้งเดียวแล้วนำข้อความนั้นกลับมาใช้กับทุกคอนเทนต์เพื่อให้ลุคต่อเนื่อง
ภาพไลฟ์สไตล์บนพื้นหลังไร้โมเดล, เปลี่ยนตัวเลือก ("กระเป๋าใบเดิมในหนังสีแทน"), ภาพหัวรายการตามเทศกาลพร้อมข้อความโปรโมชันที่อ่านออก ทั้งหมดเริ่มจากรูปสินค้าหนึ่งรูปกับคำอธิบายสั้น ๆ
gpt-image-2 จัดการประโยคยาว, เลย์เอาต์หลายบรรทัด, ตัวอักษรที่ต้องเป๊ะ และเครื่องหมายวรรคตอนที่ไวต่อตัวพิมพ์ใหญ่-เล็กได้ดี โปสเตอร์, หน้าหนึ่งหนังสือพิมพ์ และป้ายโฆษณากลางแจ้ง ออกมาพร้อมส่งโดยไม่ต้องจัดตัวอักษรใหม่ด้วยมือ
บนโมเดลความรู้โลกที่ลึกขึ้นมาก gpt-image-2 หลอนน้อยลงอย่างเห็นได้ชัดเมื่อเทียบกับโมเดลเก่า แผนภาพกายวิภาค, แผนที่ภูมิศาสตร์, การจัดวางส่วนประกอบอาหาร และโครงสร้างทางกายภาพออกมาสอดคล้องภายในและสามารถติดป้ายกำกับได้
ความละเอียดเนทีฟสูงสุด 4096×4096 และสัดส่วนภาพสูงสุด 3:1 ความคมชัดมากพอสำหรับบิลบอร์ดสิ่งพิมพ์, สเปรดนิตยสาร และตำแหน่งโฆษณาดิจิทัลความละเอียดสูงตรงจากโมเดล
พรอมต์ยาวหลายย่อหน้าพร้อมเลย์เอาต์เป๊ะ, ตัวละครที่มีชื่อ, เครื่องแต่งกายเฉพาะ และตัวอักษรระดับพิกเซลทั้งหมดเข้าที่เข้าทางตั้งแต่ครั้งแรก ด้านล่างคือพรอมต์คำต่อคำและผลลัพธ์ไม่ผ่านการแก้ไขของ gpt-image-2
สร้างชีท turnaround ของตัวละครเดียวสำหรับตัวเอกอนิเมะมัธยมปลายชื่อ Kai แถวบนแสดงสามมุมเต็มตัวป้าย FRONT, SIDE, 3/4 BACK สวมเบลเซอร์ชุดนักเรียนสีน้ำเงินเนวี, เสื้อเชิ้ตขาว, เนกไทแดง, กางเกงเทา และรองเท้าหนังดำ แถวล่างแสดงภาพครึ่งตัวของตัวละครเดียวกันสามท่า ป้าย HAPPY, ANGRY, SURPRISED ผม, ใบหน้า และเครื่องแต่งกายเหมือนกันทั้งหกพาเนล พื้นหลังขาวกลาง ๆ แบบแผ่นอ้างอิง แสงนุ่มและสม่ำเสมอ
สร้างมอคอัปหน้าสินค้า DTC ที่สะอาดสำหรับกระเป๋าโทตหนังอิตาลีฟูลเกรนสีแทน ชื่อ Classic Tote ของแบรนด์ North & Pine ครึ่งซ้ายแสดงภาพฮีโร่ของกระเป๋าหนึ่งภาพบนพื้นหลังสตูดิโอสีครีมนุ่ม ครึ่งขวาแสดงป้ายแบรนด์ "// NORTH & PINE", ชื่อสินค้าจัดด้วย serif หรู, ราคา "$420", คำอธิบายสั้นจบด้วย "Holds a 13-inch laptop.", swatch สีกลมสามอันมีป้าย black/tan/olive, ปุ่มขนาด S/M/L สามปุ่ม โดยเลือก M และปุ่มกว้างสีน้ำเงินเนวี "Add to Cart" ตัวอักษรคม อารมณ์อีคอมเมิร์ซโมเดิร์นโปร่งสบาย
สร้างหน้ามังงะขาว-ดำสี่พาเนลเรื่องหญิงสาวที่ได้รับจดหมายเขียนมือจากคนที่ไม่ได้เจอกันหลายปี พาเนล 1: เธอนั่งคนเดียวในคาเฟ่โตเกียวริมหน้าต่างที่ฝนตก อ่านจดหมาย บุ๊บเบิ้ลความคิดภาษาญี่ปุ่นว่า 彼が帰ってきた พาเนล 2: ช็อตภายนอกมุมกว้างของคาเฟ่เดิม เส้นขอบฟ้าโตเกียวไฟนีออนด้านหลัง พาเนล 3: โคลสอัพเงียบ ๆ ขณะที่เธอมองออกไปนอกหน้าต่าง พาเนล 4: แมโครมุมบนของมือทั้งสองที่ถือจดหมายที่เปิดอยู่ ตัวคันจิเขียนมือชัดพออ่านได้ การออกแบบตัวละครเหมือนกันทั้งสี่พาเนล การลงเงาแบบภาพยนตร์ที่นุ่มนวล
การแก้ไขแบบสนทนาลงตัวแบบผ่าตัด: เปลี่ยนพื้นหลัง, เปลี่ยนเสื้อผ้า, เปลี่ยนฤดู — ส่วนอื่นของภาพไม่เขยื้อน แสง, เงา, โทนผิว และคอมโพสมันคงอยู่
01เขียนพรอมต์สั้น ๆ — หัวเรื่อง, สไตล์, เลย์เอาต์ และข้อความเป๊ะ ๆ ที่ต้องการให้มีในภาพ แชทของ Genspark รับภาษาธรรมชาติใน 19 ภาษา UI
02ในเซเลกเตอร์โมเดลให้เลือก GPT Image 2 แล้วเลือกขนาด (1K / 2K / 3K / 4K) และคุณภาพ (auto / low / medium / high) เริ่มจาก 1K-medium สำหรับดราฟต์เร็ว ๆ แล้วเปลี่ยนเป็น 4K-high เมื่อส่งงานจริง
03Genspark ส่งภาพกลับมาภายในไม่กี่วินาที ยังไม่เป๊ะ? คุยต่อได้ — ส่งคำสั่งแก้ไขแบบ "ดันพาดหัวขึ้นหน่อย" หรือลองแนบรูปอ้างอิง แล้วโมเดลจะเขียนเฉพาะส่วนนั้นใหม่
หน้านี้โฟกัสที่จุดแข็งของ gpt-image-2 ถ้างานของคุณเอียงไปอีกทาง เครื่องมือ Genspark เหล่านี้อาจเป็นจุดเริ่มที่ดีกว่า
ใช่ — ทุกบัญชี Genspark ได้รับเครดิตฟรี 100 หน่วยต่อวัน เติมให้โดยอัตโนมัติ และใช้กับ gpt-image-2 ได้โดยตรง ระดับ 1K ที่เบา (เช่น 1K-low ราคา 5 เครดิตต่อภาพ) พอดีกับโควตาฟรีต่อวัน ถ้าคุณใช้งานหนักหรืออยากใช้ระดับสูงอย่าง 4K-high แพ็กเกจ Plus และ Pro จะให้ยอดเครดิตรายเดือนเยอะกว่ามาก
ตัวเดียวกัน ChatGPT Images 2.0 คือชื่อโปรดักต์ที่ผู้ใช้เห็นใน ChatGPT ส่วน gpt-image-2 คือชื่อโมเดลฝั่ง API Genspark เรียก API โดยตรง คุณจึงใช้โมเดลพื้นฐานเดียวกันเป๊ะ ๆ
ได้ แนบรูปอ้างอิงได้สูงสุด 16 รูปในแชทแล้วระบุการเปลี่ยนที่ต้องการ gpt-image-2 รองรับการแก้ไขระดับพิกเซล — เปลี่ยนพื้นหลัง, เปลี่ยนวัสดุ, เพิ่ม/ลบองค์ประกอบ — โดยคงส่วนที่คุณไม่ได้พูดถึงไว้
ขนาดสี่ระดับ (1K / 2K / 3K / 4K สูงสุด 4096×4096) และคุณภาพสี่ระดับ (auto / low / medium / high) ค่าเริ่มต้น 1K-medium เป็นจุดสมดุลระหว่างความเร็วกับความคม สลับไป 4K-high เมื่อใช้กับงานพิมพ์, หน้าสินค้า หรือแอสเซ็ตโซเชียลขนาดใหญ่
จริง การเรนเดอร์อักษรที่ไม่ใช่ละตินเป็นหนึ่งในอัปเกรดเรือธงของรุ่นนี้ — ความแม่นยำใกล้เคียงอักษรละตินแล้ว ขอโปสเตอร์อีเวนต์ภาษาญี่ปุ่น บัตรเมนูภาษาเกาหลี หรือภาพประกาศภาษาอาหรับ ก็อ่านออกเป็นธรรมชาติ
ไม่ได้ OpenAI บล็อกการสร้างทรัพย์สินทางปัญญาที่มีลิขสิทธิ์ที่ระดับโมเดล ใช้คำอธิบายดั้งเดิมทั่วไปแทน — "สิ่งมีชีวิตไฟฟ้าตัวเหลืองเป็นมิตรคล้ายหนู", "ช่างประปาฮีโร่ใส่หมวกแดงในอาณาจักรการ์ตูน" — โมเดลจะสร้างตัวละครออริจินัลในแนวนั้น