ChatGPT научился «нормально писать» на картинках: OpenAI представила Images 2.0

OpenAI представила новую версию генератора изображений — ChatGPT Images 2.0, интегрированную непосредственно в ChatGPT и ориентированную на создание сложных визуальных материалов с повышенной точностью.

Ключевым обновлением стало существенное улучшение работы с текстом на изображениях – именно этот элемент традиционно являлся слабым местом генеративных моделей. По данным компании, новая система значительно точнее воспроизводит подписи, мелкий шрифт и интерфейсные элементы даже в сложных композициях, включая инфографику, постеры и UI-макеты.

Отдельный акцент сделан на поддержке разных языков, в частности, не латинских систем письма. Это означает, что модель лучше работает с украинским, а также с японским, корейским или хинди — языками, где предыдущие версии часто допускали ошибки в написании.

Тестирование инструмента показывает, что генератор значительно увереннее формирует структурированные визуальные материалы, в частности, инфографику с большим количеством текстовых блоков и мелких деталей, что ранее требовало ручной доработки.

Вот один из вариантов редакционного задания:

Еще одно обновление – появление режима «thinking», в котором модель тратит больше времени на анализ запроса перед генерацией. Такой подход применяется для сложных задач, где важна структура изображения, например в многокадровых комиксах или маркетинговых материалах с несколькими уровнями информации.

Также пользователи получили возможность создавать несколько вариантов изображения из одного запроса и гибко выбирать формат и размер под конкретные задачи — от соцсетей до презентаций.

Для разработчиков OpenAI открыла доступ к новой модели через API под названием gpt-image-2, которая поддерживает генерацию, редактирование изображений и работу с разными разрешениями.

В компании отмечают, что ChatGPT Images 2.0 является следующим этапом эволюции генерации изображений после диффузионных моделей, с фокусом на детализации, корректном отображении текста и работе со сложными сценами – именно эти аспекты раньше оставались главными ограничениями для ИИ-инструментов в практическом использовании.