OpenAI vén de presentar ChatGPT Images 2.5, a nova versión do seu modelo de xeración de imaxes por intelixencia artificial. A actualización mellora a definición dos detalles, a iluminación e as texturas, ademais de ofrecer unha edición máis precisa e unha latencia de xeración ata un 50 % inferior á de Images 2.0.
Un dos principais avances céntrase no traballo con fotografías de referencia. ChatGPT Images 2.5 consegue preservar con maior fidelidade os suxeitos ao trasladalos a novos escenarios, estilos visuais ou composicións, mantendo as súas características distintivas e ofrecendo resultados máis naturais en aspectos como a iluminación e as texturas.
A edición selectiva tamén gaña precisión. O modelo está deseñado para modificar un elemento concreto, como un produto, un obxecto ou o fondo, sen alterar innecesariamente o resto da composición. Esta capacidade resulta especialmente útil en imaxes con suxeitos e fondos complexos, nos que as modificacións poden afectar con facilidade a outros elementos.
A consistencia mellora tamén ao longo de varias quendas de edición. As modificacións realizadas anteriormente teñen máis posibilidades de manterse cando se introducen novos cambios, evitando que a imaxe perda progresivamente calidade ou características durante unha conversa prolongada. ChatGPT tamén permite agora engadir comentarios directamente sobre as imaxes para orientar con maior precisión as edicións.
A principal novidade para os usuarios da aplicación é Sketch, unha ferramenta que permite realizar debuxos e esbozos directamente en ChatGPT para utilizalos como referencia visual. Un usuario pode, por exemplo, debuxar a distribución dunha habitación ou a forma aproximada dunha peza de roupa e indicar despois o estilo e os detalles que quere aplicar ao resultado final. A función pódese utilizar escribindo @Sketch en ChatGPT.
OpenAI tamén incorpora modelos predefinidos para formatos habituais, como carteis ou imaxes de produto, que permiten partir dunha estrutura determinada en lugar de comezar cun lenzo en branco. A plataforma engade ademais a posibilidade de compartir os prompts empregados para crear unha imaxe, de maneira que outros usuarios poidan reutilizar esas instrucións cos seus propios elementos e fotografías.
As melloras chegan tamén á API con dous novos modelos. GPT-Image-2.5 Flare é a opción predeterminada para a maioría das aplicacións e combina as melloras de calidade e edición con ata un 50 % menos de latencia ca GPT-Image-2. Está orientado a usos como a creación de contidos para redes sociais, experiencias de produto, busca visual, prototipado rápido ou xeración de imaxes a grande escala.
GPT-Image-2.5 Sunburst está pensado para fluxos de traballo nos que se require un maior nivel de control sobre as edicións, con aplicacións como creatividades para campañas ou imaxes de produto preparadas para produción. Este modelo prioriza a precisión fronte á velocidade de xeración.
ChatGPT Images 2.5 iniciou a súa despregadura para os usuarios de ChatGPT, ChatGPT Work e Codex en escritorio, dispositivos móbiles e web. Os modelos GPT-Image-2.5 Flare e GPT-Image-2.5 Sunburst tamén están dispoñibles a través da API.
