Nem tudsz pontos promptot írni, de le tudsz firkantani egy macskát, kanapét vagy logóötletet? Most már ez is elég lehet ahhoz, hogy a ChatGPT részletes AI-képet készítsen belőle.

Mi történt

Az OpenAI bejelentette a ChatGPT Images 2.5 frissítést, amellyel új szintre lép a képgenerálás a ChatGPT-ben. A leglátványosabb újdonság a Sketch nevű funkció: a felhasználó közvetlenül a chatfelületen belül rajzolhat egy egyszerű vázlatot, majd szövegesen megadhatja, milyen képet szeretne ebből létrehozni.

A Sketch az @Sketch paranccsal indítható, ezután felugrik egy rajzablak, ahol egy gyors firka is elég lehet kiindulásnak. Emellett megjelent egy célzottabb képszerkesztési lehetőség is: a kép egyes részeire közvetlenül megjegyzést lehet tenni, például egy szemszín vagy háttérelem módosításához. A ChatGPT Images 2.5 emellett természetesebb fényeket, gazdagabb textúrákat, több körös szerkesztésnél jobb utasításkövetést és akár 50 százalékkal alacsonyabb késleltetést ígér az Images 2.0-hoz képest. A késleltetés itt egyszerűen azt jelenti, mennyi idő telik el a kérés és a kész kép között.

Miért fontos

Ez a frissítés azért érdekes, mert a képgenerálás egyik legnagyobb akadályát próbálja lebontani: nem mindenki tudja pontos szavakkal leírni, mit akar. Egy vázlat viszont sokszor gyorsabban átadja az elrendezést, a formát vagy az arányokat. Gondolj rá úgy, mint amikor valaki nem hosszasan magyarázza el, hova kerüljön a kanapé a nappaliban, hanem inkább rajzol egy alaprajzot. A közvetlen képrészlet-kommentelés pedig azt közelíti, ahogyan egy tervezővel vagy retusőrrel dolgoznál: nem az egész képet kéred újra, csak megmutatod, mihez kell hozzányúlni. A Verge rövid tesztje alapján még egy ügyetlen egérrajzból is használható, részletes kép lett, ami arra utal, hogy a funkciót nem csak rajzolni tudó felhasználóknak szánják.

Mire figyelj

  1. Az igazi kérdés nem csak az, hogy működik-e, hanem hogy mennyire következetesen működik különböző stílusoknál, tárgyaknál és bonyolultabb kompozícióknál.
  2. Érdemes figyelni, mennyit számít a gyakorlatban a gyorsulás: a képgenerálásnál a sebesség sokszor ugyanannyira fontos, mint a minőség, főleg ha több körben finomítasz.
  3. Az is lényeges lesz, hogy a vizuális vezérlés mennyire csökkenti a promptolás szerepét. Valószínűbb, hogy nem kiváltja a szöveget, hanem kiegészíti: a firka megmutatja a formát, a szöveg pedig elmondja a hangulatot, az anyagokat és a stílust.
  4. A funkció már elérhető ChatGPT, ChatGPT Work és Codex felhasználóknak asztali gépen, mobilon és weben, így hamar kiderülhet, hogy ez inkább látványos extra, vagy tényleg a mindennapi képkészítés új alapmódja lesz.