Ipinakikilala ang aming pinakabagong modelo sa pagbuo ng larawan sa API

Nang ipakilala namin ang pagbuo ng larawan sa ChatGPT noong nakaraang buwan, mabilis itong naging isa sa aming pinakapopular na mga tampok: mahigit 130 milyong user sa buong mundo ang gumawa ng higit sa 700 milyong larawan sa loob lamang ng unang linggo⁠(magbubukas sa bagong window).

Ngayon, inihahatid namin ang likas na multimodal na modelo na nagbibigay-kapangyarihan sa karanasang ito sa ChatGPT sa API sa pamamagitan ng gpt-image-1, na nagbibigay-daan sa mga developer at negosyo na madaling isama ang de-kalidad, propesyonal na antas na pagbuo ng larawan nang direkta sa kanilang sariling mga tool at platform. Ang pagiging versatile ng modelo ay nagbibigay-daan dito na gumawa ng mga larawan sa iba't ibang estilo, tapat na sumusunod sa mga pasadyang alituntunin, gumagamit ng kaalaman sa mundo, at tumpak na nagre-render ng teksto—nagbubukas ng hindi mabilang na praktikal na application sa iba't ibang larangan.

Ang mga nangungunang negosyo at startup sa iba't ibang industriya kabilang ang mga kasangkapan sa paglikha, e-commerce, edukasyon, enterprise software, at gaming, ay gumagamit na ng pagbuo ng larawan sa kanilang mga produkto at karanasan. Nasasabik kaming ibahagi ang ilan sa mga halimbawang ito sa ibaba.

Patuloy din kaming nakikipagtulungan sa mga developer at negosyo upang matuklasan ang mas maraming paraan kung paano makakatulong ang pagbuo ng larawan sa API sa kanilang mga kaso ng paggamit, kabilang ang:

Pagdidisenyo at pag-edit: Ang Canva ay naghahanap ng mga paraan upang maisama ang GPT‑image‑1 ng OpenAI para itulak ang mga hangganan ng pagbuo at pag-edit ng disenyo sa mga tool nito na Canva AI at Magic Studio. Sa pamamagitan ng mga kakayahan ng gpt-image-1 tulad ng pag-transform ng mga paunang sketch upang maging kamangha-manghang elementong grapiko at pagpapagana ng mataas na kalidad ng pag-edit ng biswal, lalo pang mapapalakas ng Canva ang 230 milyong user nito na ganap na bigyang-buhay ang kanilang mga ideya sa mga bagong paraan.

Paglikha at pag-edit ng mga logo: Ang GoDaddy ay aktibong sinusubukan na isama ang pagbuo ng larawan upang madaliang makagawa ang mga customer ng mga logo na pwedeng i-edit, nag-alis ng mga background, at bumuo ng propesyonal na tipograpiya. Bilang karagdagan, bilang bagong karanasan sa GoDaddy Airo®, nagsisikap ang Team upang makagawa ang mga customer ng mga post sa social media at mga marketing asset na sumasalamin sa natatanging pagkakakilanlan ng kanilang tatak para sa orihinal na nilalaman ng produkto at brand na ginawa mula sa isang prompt.

Paggawa ng mga materyales sa marketing: Ang HubSpot ay pinag-aaralan kung paano makakatulong ang mga bagong kakayahan ng OpenAI sa pagbuo ng larawan para sa mga customer na gumagawa ng mga materyales sa marketing at pagbebenta. Habang nagpapatuloy ang HubSpot sa pagdaragdag ng mga bagong tool na pinapagana ng AI para sa pagpapalago ng mga negosyo, may potensyal na baguhin ng mga kakayahan sa pagbuo ng larawan na ito ang paraan ng paggawa ng mga customer ng de-kalidad na mga larawan para sa social media, email marketing, at mga landing page nang hindi nangangailangan ng espesyal na kaalaman sa disenyo.

Bumubuo ng mga recipe at listahan ng pamimili: Ang Instacart ay sumusubok ng mga bagong paraan upang gamitin ang API para sa pagbuo ng mga larawan, kabilang ang mga larawan para sa mga recipe at listahan ng pamimili.

Pag-edit ng mga video: Ang invideo ay nagbibigay-daan sa milyun-milyong user na gawing mga video ang kanilang mga ideya gamit ang AI. Sa integrasyon ng gpt-image-1, inaalok na ng platform ang mas pinahusay na pagbuo ng teksto, mas detalyadong mga kontrol sa pag-edit, at mas advanced na gabay sa estilo.

Ang modelong gpt-image-1 sa API ay gumagamit ng parehong mga proteksyon tulad ng sa 4o na pagbuo ng larawan sa ChatGPT, kabilang ang mga pananggalang na pumipigil sa modelo na bumuo ng mapanganib na mga larawan at ang pagsasama ng C2PA metadata sa mga nabubuong larawan—pwede kang magbasa ng higit pa tungkol dito sa aming nakaraang blog post dito. Bukod pa rito, puwedeng kontrolin ng mga developer ang sensitivity ng pagmo-moderate gamit ang parameter na `moderation`, na puwedeng itakda sa auto (default) para sa karaniwang i-filter, o low para sa mas hindi mahigpit na i-filter. Alamin pa sa aming mga dokumento⁠(magbubukas sa bagong window).

Bilang default, hindi namin kailanman isinasailalim sa pagsasanay ang data ng customer API, at ang lahat ng input at output ng larawan ay mananatiling sakop ng aming mga patakaran sa paggamit ng API.

Ang paggamit ng gpt-image-1 ay kada token ang pagpepresyo, na may hiwalay na pagpepresyo para sa mga token ng text at larawan:

• Input token ng text (text ng prompt): $5 kada 1M token
• Iinput token ng larawan (input na larawan): $10 kada 1M token
• Output token ng larawan (mga binuong larawan): $40 kada 1M token

Sa totoong buhay, ito ay humigit-kumulang $0.02, $0.07, at $0.19 kada binuong larawan para sa mababa, katamtaman, at mataas na kalidad na mga parisukat na larawan, ayon sa pagkakabanggit. Para sa detalyadong pagpepresyo ayon sa kalidad at laki ng larawan, tingnan ang mga dokumento⁠(magbubukas sa bagong window).

Ang modelong gpt-image-1 ay magagamit na sa buong mundo sa pamamagitan ng Images API, at ang suporta sa Responses API ay paparating na. Maaaring kailanganin ng ilang developer na beripikahin⁠(magbubukas sa bagong window) ang kanilang organisasyon bago nila magamit ang modelo. Paki-check ang mga setting ng organisasyon⁠(magbubukas sa bagong window) para makita kung mayroon ka nang access.

Para makapagsimula, pag-aralan ang mga kakayahan ng modelo sa playground⁠(magbubukas sa bagong window) at tingnan ang aming gabay sa pagbuo ng larawan⁠(magbubukas sa bagong window). Nasasabik kaming makita ang bubuuin ninyo.