Ce que GPT Image 2 fait bien

GPT Image 2 est le rare modèle d'image IA où vous pouvez taper des mots dans le prompt et les voir apparaître correctement sur l'image. La plupart des modèles basés sur la diffusion — Stable Diffusion, Flux, Imagen — traitent le texte comme une texture visuelle et l'hallucinent en formes déformées. GPT Image 2 a été entraîné avec un objectif explicite de rendu de texte et un tokenizer conscient de l'alphabet, donc un prompt comme « affiche de voyage vintage, les mots 'Visitez la Patagonie' en haut en gras serif » revient avec ces mots intacts.

Cela change à lui seul le workflow pour quiconque crée des affiches marketing, des emballages produit, des infographies ou des panneaux de storyboard qui ont besoin de titres sur l'image. Avant GPT Image 2, vous génériez l'image, puis ouvriez un outil de design pour superposer le texte. Maintenant le titre s'expédie dans le même rendu — y compris le crénage, le poids et la façon dont la lumière tombe sur les lettres.

La deuxième chose qu'il fait bien est la connaissance mondiale. Demandez une Porsche 911 Carrera de 1985 et vous obtenez les bonnes lignes de carrosserie, les bonnes roues, les bons rétroviseurs. Demandez un chef dressant un amuse-bouche de style Michelin et les pinces, les flacons pressoirs, la géométrie de l'assiette apparaissent tous dans la bonne relation. C'est parce que le modèle sous-jacent a été entraîné aux côtés de la compréhension linguistique de classe GPT-4 — il sait ce que les objets sont, pas seulement à quoi ils ressemblent sur une photo.

La couverture de GPT Image 2 est assez large pour que la plupart des travaux s'expédient directement depuis le premier rendu — portraits photoréalistes, produits, architecture, affiches et infographies riches en texte, tout ce où le sujet doit être lu comme réel. Combiné avec trois niveaux de qualité, vous adaptez la qualité à la complexité du prompt : les scènes simples tournent sur Low, les compositions multi-éléments plus chargées montent à Medium, et seuls les cadres les plus exigeants et critiques en détail ont besoin de High. La grande majorité du travail tombe dans la bande Low / Medium — rapide et léger.