GPT Image 2 が得意なこと

GPT Image 2 は、プロンプトに単語を入力し、画像上に正しく表示される珍しい AI 画像モデル。ほとんどの拡散ベースのモデル——Stable Diffusion、Flux、Imagen——はテキストを視覚テクスチャとして扱い、文字化けした形に幻覚させる。GPT Image 2 は明示的なテキストレンダリング目標とアルファベート認識トークナイザーでトレーニングされたため、「ビンテージ旅行ポスター、上部に太字セリフ体で『Visit Patagonia』」のようなプロンプトがその正確な単語を返す。

それはマーケティングポスター、商品パッケージ、インフォグラフィック、ストーリーボードパネルなど、画像上の見出しが必要なあらゆる人のワークフローを変える。GPT Image 2 の前は、画像を生成し、デザインツールを開いてテキストを重ねた。今では見出しが同じレンダリングに——カーニング、ウェイト、光が文字に落ちる仕方まで。

2 つ目の強みはワールド知識。1985 年のポルシェ 911 カレラを要求すると、正しいボディライン、正しいホイール、正しいサイドミラーが得られる。シェフがミシュランスタイルのアミューズ・ブーシュを盛り付けているのを要求すると、ピンセット、絞り瓶、皿のジオメトリがすべて正しい関係で表示。这是因为基盤モデルが GPT-4 クラスの言語理解と同時にトレーニング——オブジェクトが何であるかを知っており、写真でどう見えるかだけでなく。

GPT Image 2 のカバレッジは十分に広く、ほとんどの仕事は初回レンダリングから直接出荷——フォトリアリスティックポートレート、製品、建築、テキストがたくさんあるポスターとインフォグラフィック、被写体がリアルワールドとして読み取られる必要があるあらゆるもの。3 つの品質ティアと組み合わせ、品質とプロンプトの複雑さをマッチ：シンプルなシーンは Low で実行、より忙しいマルチ要素構図は Medium にステップアップ、最も要求が厳しくディテールが重要なフレームのみ High が必要。大多数の仕事は Low / Medium バンドに——高速で軽量。