API-യിൽ ഞങ്ങളുടെ ഏറ്റവും പുതിയ ചിത്രം സൃഷ്ടിക്കൽ മോഡൽ അവതരിപ്പിക്കുന്നു
കഴിഞ്ഞ മാസം ChatGPT‑ൽ ചിത്രം ജനറേഷൻ പരിചയപ്പെടുത്തിയപ്പോൾ, അത് വേഗത്തിൽ ഞങ്ങളുടെ ഏറ്റവും ജനപ്രിയമായ സവിശേഷതകളിലൊന്നായി മാറി: ലോകമെമ്പാടുമുള്ള 130 ദശലക്ഷത്തിലധികം ഉപയോക്താക്കൾ ആദ്യ ആഴ്ച(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു)യിൽ 700 ദശലക്ഷത്തിലധികം ചിത്രങ്ങൾ സൃഷ്ടിച്ചു.
ഇന്ന്, ChatGPT‑ൽ ഈ അനുഭവത്തിന് ശക്തി പകരുന്ന സ്വാഭാവിക മൾട്ടിമോഡൽ മോഡൽ GPT‑image‑1 വഴി API-യിലേക്ക് കൊണ്ടുവരുന്നു, ഡെവലപ്പർമാർക്കും ബിസിനസ്സുകൾക്കും അവരുടെ സ്വന്തം ഉപകരണങ്ങളിലും പ്ലാറ്റ്ഫോമുകളിലും ഉയർന്ന നിലവാരമുള്ള, പ്രൊഫഷണൽ-ഗ്രേഡ് ചിത്ര നിർമ്മാണം നേരിട്ട് സംയോജിപ്പിക്കാൻ എളുപ്പമാക്കുന്നു. മോഡലിന്റെ വൈവിധ്യമാർന്ന കഴിവുകൾ അതിനെ വിവിധ ശൈലികളിൽ ചിത്രങ്ങൾ സൃഷ്ടിക്കാൻ, ഇഷ്ടാനുസൃത മാർഗ്ഗനിർദ്ദേശങ്ങൾ വിശ്വസ്തമായി പിന്തുടരാൻ, ലോക അറിവ് പ്രയോജനപ്പെടുത്താൻ, കൃത്യമായി ടെക്സ്റ്റ് റെൻഡർ ചെയ്യാൻ അനുവദിക്കുന്നു—ഇത് അനവധി പ്രായോഗിക ആപ്ലിക്കേഷനുകൾ വിവിധ ഡൊമെയ്നുകളിൽ തുറക്കുന്നു.
സൃഷ്ടിപരമായ ഉപകരണങ്ങൾ, ഇ-കൊമേഴ്സ്, വിദ്യാഭ്യാസം, എന്റർപ്രൈസ് സോഫ്റ്റ്വെയർ, ഗെയിമിംഗ് എന്നിവ ഉൾപ്പെടെയുള്ള വ്യവസായങ്ങളിലെ പ്രമുഖ സംരംഭങ്ങളും സ്റ്റാർട്ടപ്പുകളും അവരുടെ ഉൽപ്പന്നങ്ങളിലും അനുഭവങ്ങളിലും ചിത്ര സൃഷ്ടി ഇതിനകം തന്നെ ഉപയോഗിച്ചുകൊണ്ടിരിക്കുന്നു. താഴെ ചില ഉദാഹരണങ്ങൾ പങ്കുവെക്കാൻ ഞങ്ങൾ ആവേശഭരിതരാണ്.
Adobe’s leading ecosystem of creative tools including its Firefly and Express apps will provide access to OpenAI’s image generation capabilities, giving creators the choice and flexibility to experiment with different aesthetic styles—something business professionals, consumers and creators all value when generating new creative ideas.
ഡെവലപ്പർമാരും ബിസിനസ്സുകളും അവരുടെ ഉപയോഗ കേസുകൾക്ക് API-യിലെ ചിത്രം സൃഷ്ടി എങ്ങനെ സേവനമൊരുക്കാമെന്ന് കണ്ടെത്തുന്നതിനായി ഞങ്ങൾ തുടർന്നും പ്രവർത്തിച്ചുകൊണ്ടിരിക്കുന്നു, ഇതിൽ ഉൾപ്പെടുന്നു:
ഡിസൈനിംഗ് ആൻഡ് എഡിറ്റിംഗ്: Canva തന്റെ Canva AI, മാജിക് സ്റ്റുഡിയോ ടൂളുകളിൽ ഡിസൈൻ ജനറേഷൻ, എഡിറ്റിംഗ് എന്നിവയുടെ പരിധികൾ വികസിപ്പിക്കുന്നതിന് OpenAI-യുടെ gpt-ചിത്രം-1 സംയോജിപ്പിക്കുന്ന മാർഗങ്ങൾ കണ്ടെത്തുന്നു. GPT‑ചിത്രം‑1 ന്റെ കഴിവുകൾ, ഉദാഹരണത്തിന്, പരുക്കൻ സ്കെച്ചുകളെ അത്ഭുതകരമായ ഗ്രാഫിക് ഘടകങ്ങളാക്കി മാറ്റുകയും ഉയർന്ന വിശ്വാസ്യതയുള്ള ദൃശ്യ എഡിറ്റുകൾ സാധ്യമാക്കുകയും ചെയ്യുന്നതിലൂടെ, Canva അതിന്റെ 230 ദശലക്ഷം ഉപയോക്താക്കളെ അവരുടെ ആശയങ്ങളെ പുത്തൻ രീതിയിൽ ജീവിപ്പിക്കാൻ കൂടുതൽ പ്രാപ്തരാക്കും.
ലോഗോകൾ സൃഷ്ടിക്കുകയും എഡിറ്റ് ചെയ്യുകയും ചെയ്യുക: GoDaddy ഉപഭോക്താക്കൾക്ക് എളുപ്പത്തിൽ എഡിറ്റുചെയ്യാവുന്ന ലോഗോകൾ സൃഷ്ടിക്കാനും, പശ്ചാത്തലങ്ങൾ നീക്കം ചെയ്യാനും, പ്രൊഫഷണൽ ടൈപ്പോഗ്രഫി സൃഷ്ടിക്കാനും ചിത്രം നിർമ്മാണം സംയോജിപ്പിക്കാൻ സജീവമായി പരീക്ഷണങ്ങൾ നടത്തുന്നു. കൂടാതെ, GoDaddy Airo®-യുമായി പുതിയ അനുഭവമായി, Team ഉപഭോക്താക്കൾക്ക് അവരുടെ സവിശേഷ ബ്രാൻഡ് ഐഡന്റിറ്റികൾ പ്രതിഫലിപ്പിക്കുന്ന സാമൂഹിക മാധ്യമ പോസ്റ്റുകളും മാർക്കറ്റിംഗ് ആസ്തികളും സൃഷ്ടിക്കുന്നതിനായി പ്രവർത്തിക്കുന്നു, പ്രോംപ്റ്റിൽ നിന്ന് സൃഷ്ടിച്ച ഒറിജിനൽ ഉൽപ്പന്നവും ബ്രാൻഡ് ഉള്ളടക്കവും.
മാർക്കറ്റിംഗ് കോളാറ്ററൽ നിർമ്മിക്കൽ: HubSpot OpenAI-യുടെ പുതിയ AI ചിത്രം സൃഷ്ടിക്കൽ ശേഷികൾ ഉപഭോക്താക്കൾക്ക് മാർക്കറ്റിംഗ്, വിൽപ്പന കോളാറ്ററൽ സൃഷ്ടിക്കാൻ എങ്ങനെ സഹായിക്കാമെന്ന് കണ്ടെത്തുന്നു. HubSpot ബിസിനസ്സുകൾക്ക് സ്കെയിൽ ചെയ്യുന്നതിനായി പുതിയ AI-സാധിത ഉപകരണങ്ങൾ തുടർച്ചയായി ചേർക്കുന്നതിനാൽ, ഈ ചിത്രം സൃഷ്ടിക്കൽ കഴിവുകൾ, പ്രത്യേക ഡിസൈൻ വിദഗ്ധത ആവശ്യമില്ലാതെ, സോഷ്യൽ മീഡിയ, ഇമെയിൽ മാർക്കറ്റിംഗ്, ലാൻഡിംഗ് പേജുകൾ എന്നിവയ്ക്കായി ഉയർന്ന നിലവാരമുള്ള ചിത്രങ്ങൾ നിർമ്മിക്കാൻ ഉപഭോക്താക്കളെ സഹായിക്കുന്നതിൽ വിപ്ലവകരമായ മാറ്റം വരുത്താനുള്ള സാധ്യതയുണ്ട്.
റിസിപ്പികളും ഷോപ്പിംഗ് ലിസ്റ്റുകളും സൃഷ്ടിക്കുക: Instacart API ഉപയോഗിച്ച് ചിത്രങ്ങൾ സൃഷ്ടിക്കുന്നതിനുള്ള പുതിയ മാർഗങ്ങൾ പരീക്ഷിക്കുന്നു, ഇതിൽ റെസിപ്പികൾക്കും ഷോപ്പിംഗ് ലിസ്റ്റുകൾക്കും ചിത്രങ്ങൾ ഉൾപ്പെടുന്നു.
വീഡിയോ എഡിറ്റിംഗ്: invideo AI ഉപയോഗിച്ച് നിങ്ങളുടെ ആശയങ്ങളെ വീഡിയോകളാക്കി മാറ്റാൻ ലക്ഷക്കണക്കിന് ഉപയോക്താക്കളെ പ്രവർത്തന സജ്ജമാക്കുന്നു. gpt-ചിത്രം-1 സംയോജനത്തോടെ, പ്ലാറ്റ്ഫോം ഇപ്പോൾ മെച്ചപ്പെട്ട ടെക്സ്റ്റ് ജനറേഷൻ, സൂക്ഷ്മമായ എഡിറ്റിംഗ് നിയന്ത്രണങ്ങൾ, നൂതനമായ ശൈലി മാർഗ്ഗനിർദ്ദേശങ്ങൾ എന്നിവ വാഗ്ദാനം ചെയ്യുന്നു.
APIയിലെ gpt-image-1 മോഡൽ ChatGPT‑യിലെ 4o ചിത്രം സൃഷ്ടിക്കുന്നതിനുള്ള അതേ സുരക്ഷാ ഗാർഡ്റെയിലുകൾ ഉപയോഗിക്കുന്നു, മോഡൽ ഹാനികരമായ ചിത്രങ്ങൾ സൃഷ്ടിക്കുന്നത് തടയുന്ന സുരക്ഷാ ഉപാധികൾ ഉൾപ്പെടെ, സൃഷ്ടിച്ച ചിത്രങ്ങളിൽ C2PA മെറ്റാഡാറ്റ ഉൾപ്പെടുത്തൽ എന്നിവയും ഉൾപ്പെടുന്നു—ഇതിനെക്കുറിച്ച് കൂടുതൽ വായിക്കാൻ, ഞങ്ങളുടെ പഴയ ബ്ലോഗ് പോസ്റ്റിൽ ഇവിടെ വായിക്കാം. കൂടാതെ, ഡെവലപ്പർമാർക്ക് `moderation` പാരാമീറ്റർ ഉപയോഗിച്ച് മോഡറേഷൻ സെൻസിറ്റിവിറ്റി നിയന്ത്രിക്കാനും കഴിയും, ഇത് സ്റ്റാൻഡേർഡ് തരംതിരിക്കലിനായി auto (ഡിഫോൾട്ട്) എന്നതിലേക്ക് അല്ലെങ്കിൽ കുറവ് നിയന്ത്രണമുള്ള തരമതിരിക്കൽക്കായി low എന്നതിലേക്ക് സജ്ജീകരിക്കാം. ഞങ്ങളുടെ ഡോക്സ്(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ൽ കൂടുതൽ അറിയുക.
ഡിഫോൾട്ട് ആയി, ഞങ്ങൾ ഉപഭോക്തൃ API ഡാറ്റയിൽ ട്രെയിൻ നടത്താറില്ല, കൂടാതെ എല്ലാ ചിത്രങ്ങളുടെ ഇൻപുട്ടുകളും ഔട്ട്പുട്ടുകളും ഞങ്ങളുടെ ഉപയോഗ നയങ്ങൾക്ക് വിധേയമാണ്.
GPT‑image‑1 ഉപയോഗത്തിന് ഓരോ token-നും വില ഈടാക്കുന്നു, ടെക്സ്റ്റ് token-കൾക്കും ചിത്രം token-കൾക്കും വ്യത്യസ്ത നിരക്കുകൾ ഉണ്ട്:
- ടെക്സ്റ്റ് ഇൻപുട്ട് ടോക്കൺ (പ്രോംപ്റ്റ് ടെക്സ്റ്റ്): 1M ടോക്കൺ-കൾക്ക് $5
- ചിത്രം ഇൻപുട്ട് ടോക്കണുകൾ (ഇൻപുട്ട് ചിത്രങ്ങൾ): 1M ടോക്കണുകൾക്ക് $10
- ചിത്രം ഔട്ട്പുട്ട് ടോക്കണുകൾ (സൃഷ്ടിച്ച ചിത്രങ്ങൾ): $40 ഓരോ 1M ടോക്കണുകൾക്ക്
പ്രായോഗികമായി, ഇത് കുറഞ്ഞ, മധ്യ, ഉയർന്ന നിലവാരമുള്ള ചതുരചിത്രങ്ങൾക്ക് യഥാക്രമം സൃഷ്ടിച്ച ഓരോ ചിത്രത്തിനും ഏകദേശം $0.02, $0.07, $0.19 എന്നിങ്ങനെയാണ്. ചിത്രത്തിന്റെ ഗുണനിലവാരവും വലിപ്പവും അനുസരിച്ചുള്ള വിശദമായ വിലകൾക്കായി, ഡോക്യുമെന്റുകൾ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കാണുക.
The gpt-image-1 മോഡൽ ഇപ്പോൾ ചിത്രം API വഴി ആഗോളതലത്തിൽ ലഭ്യമാണ്, മറുപടി API-യിൽ പിന്തുണ ഉടൻ ലഭ്യമാകും. ചില ഡെവലപ്പർമാർക്ക് മോഡൽ ഉപയോഗിക്കാൻ കഴിയുന്നതിന് മുമ്പ് അവരുടെ സംഘടന സ്ഥിരീകരിക്കുക(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ആവശ്യമായിരിക്കും. ദയവായി നിങ്ങൾക്ക് ഇതിനകം ആക്സസ് ഉണ്ടോ എന്ന് കാണാൻ സംഘടനാ ക്രമീകരണങ്ങൾ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) പരിശോധിക്കുക.
ആരംഭിക്കുന്നതിന്, Playground(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ൽ മോഡലിന്റെ കഴിവുകൾ കണ്ടെത്തുക, കൂടാതെ ഞങ്ങളുടെ ചിത്രം നിർമ്മാണ മാർഗ്ഗനിർദ്ദേശം(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) പരിശോധിക്കുക. നിങ്ങൾ നിർമ്മിക്കുന്നതെന്താണെന്ന് കാണാൻ ഞങ്ങൾ കാത്തിരിക്കുന്നു.