Bemutatjuk a legújabb képgeneráló modellünket az API-ban
Amikor múlt hónapban bevezettük a képgenerálást a ChatGPT‑ben, az egyik legnépszerűbb funkciónkká vált igen gyorsan: világszerte több mint 130 millió felhasználó több mint 700 millió képet hozott létre csupán az első héten(új ablakban nyílik meg).
Ma a ChatGPT‑ben ezt az élményt biztosító, natívan multimodális modellt a GPT‑image‑1 révén az API-hoz is elérhetővé tesszük, lehetővé téve a fejlesztők és vállalatok számára, hogy a magas minőségű, profi szintű képalkotást könnyedén integrálják saját eszközeikbe és platformjaikba. A modell sokoldalúsága lehetővé teszi a különböző stílusokban történő képgenerálást, hűen követi az egyedi irányelveket, kihasználja a világ tudását, és pontosan jeleníti meg a szöveget—számtalan gyakorlati alkalmazást nyitva meg több domainon.
Vezető vállalatok és startupok a kreatív eszközök, e-kereskedelem, oktatás, vállalati szoftverek és játékfejlesztés területéről már most alkalmazzák a képalkotást termékeikben és felhasználói élményeikben. Izgatottan várjuk, hogy megoszthassunk néhány példát.
Továbbra is együttműködünk a fejlesztőkkel és a vállalkozásokkal, hogy feltárjuk, hogyan szolgálhatja az API képgenerálása a használati eseteket, beleértve a következőket:
Tervezés és szerkesztés: A Canva új módszereket keres az OpenAI GPT‑image‑1 integrálására, hogy kibővítse a tervezés generálásának és szerkesztésének határait a Canva AI és a Magic Studio eszközeiben. A GPT‑image‑1 képességei, mint például a vázlatos rajzok lenyűgöző grafikai elemekké alakítása és a nagy hűségű vizuális szerkesztések lehetővé tétele révén a Canva tovább fogja erősíteni 230 millió felhasználóját, hogy teljesen új módon kelthessék életre ötleteiket.
Logók létrehozása és szerkesztése: A GoDaddy aktívan kísérletezik a kép generálás integrálásával, hogy az ügyfelek könnyedén készíthessenek szerkeszthető logókat, távolíthassák el a háttereket, és hozzanak létre professzionális tipográfiát. Emellett, a GoDaddy Airo® új élményében a csapat azon fáradozik, hogy az ügyfelek képesek legyenek olyan közösségi média posztokat és marketinganyagokat készíteni, amelyek tükrözik egyedi márkaidentitásukat, az eredeti termék- és márkatartalmakat pedig egyetlen utasítás alapján hozzák létre.
Marketinganyagok készítése: a HubSpot azt vizsgálja, hogy az OpenAI új AI képgenerálási képességei miként segíthetik az ügyfeleket marketing és értékesítési anyagok létrehozásában. Ahogy a HubSpot tovább bővíti az AI-alapú eszköztárát a vállalkozások skálázására, ezek a képgenerálási képességek átalakíthatják azt, ahogyan az ügyfelek magas minőségű képeket készítenek közösségi média céljára, e-mail marketinghez és landing oldalakhoz, anélkül, hogy speciális tervezői szakértelemre lenne szükségük.
Receptek és bevásárlólisták generálása: az Instacart új módszereket tesztel az API használatára képgenerálás céljából, beleértve a receptekhez és bevásárlólistákhoz tartozó képeket.
Videók szerkesztése: az invideo lehetővé teszi, hogy felhasználók milliói az ötleteket videókká alakítsák az AI segítségével. A GPT‑image‑1 integrációjával a platform mostantól fejlettebb szövegalkotást, finomhangolási szerkesztési vezérlőket és fejlett stílusirányítást kínál.
Az API-ban található GPT‑image‑1 modell ugyanazokat a biztonsági korlátokat alkalmazza, mint a 4o kép generálás a ChatGPT‑ben, beleértve azokat a védelmi intézkedéseket, amelyek megakadályozzák, hogy a modell káros képeket generáljon, valamint a C2PA metaadatok beillesztését a generált képekbe—erről bővebben olvashatsz korábbi blogbejegyzésünkben itt. Ezenkívül a fejlesztők a `moderation` paraméterrel is szabályozhatják a moderáció érzékenységét, amely auto (alapértelmezett) értékre állítható a standard szűréshez, vagy low értékre a kevésbé szigorú szűréshez. Tudj meg többet a dokumentumainkból(új ablakban nyílik meg).
Alapértelmezettként soha nem használjuk fel az ügyfél API adatait betanításra, és minden képbevitel és -kimenet továbbra is az API használati irányelvek hatálya alá tartozik.
A GPT‑image‑1 használata tokenenként van árazva, külön árképzés vonatkozik a szöveg- és képtokenekre:
Beviteli tokenek (utasítás szöveg): 5 USD per 1 millió token
Kép beviteli tokenek (beviteli képek): 10 USD per 1 millió token
Kép kimeneti tokenek (generált képek): 40 USD per 1 millió token
A gyakorlatban ez körülbelül 0,02, 0,07 és 0,19 USD összeget jelent alacsony, közepes és magas minőségű, négyzet alakú generált képek esetében. A kép minősége és mérete szerinti részletes árképzést lásd a dokumentumokban(új ablakban nyílik meg).
A GPR-image-1 modell mostantól világszerte elérhető az Images API-n keresztül, és hamarosan elérhető lesz a támogatás is a Responses API-ban. Néhány fejlesztőnek igazolnia(új ablakban nyílik meg) kell a szervezetét, mielőtt használhatná a modellt. Kérlek, ellenőrizd az szervezeti beállításokat(új ablakban nyílik meg), hogy megnézd, van-e már hozzáférésed.
A kezdéshez ismerd meg a modell képességeit a Playground(új ablakban nyílik meg) felületen, és nézd meg a képgenerálási útmutatónkat(új ablakban nyílik meg). Alig várjuk, hogy lássuk, mit építesz.