ما هو gpt-image-1؟ شرح نموذج الصور من OpenAI

خط أنابيب الانتشار التقليدي يرمّز الprompt إلى متجه ويشرط توليد الصورة به. هذا يعمل، لكنه يتدهور بطريقة معروفة: الprompts الطويلة تصبح ضبابية، والنفي غالباً يُتجاهل، والعلاقات بين العناصر — مثل خلف، يمسك، بدلاً من — تُطبَّق بضعف.

عندما يرتبط المولد بنموذج قرأ الجملة فعلاً، تتحسّن تلك الحالات. اطلب مشهداً بثلاثة عناصر محددة مع غياب عنصرٍ واحد عمداً، وستحصل عليه على الأرجح، لأن شيئاً ما في السلسلة فهم كلمة "من دون".

الفرق العملي يظهر أكثر في الطلبات المعقّدة. الprompts البسيطة تبدو متشابهة عبر معظم النماذج في هذا الدليل؛ الفجوة تظهر عند وجود شروط داخل الprompt.

هذه السلسلة من بين الأفضل في وضع كلمات مقروءة داخل الصورة، ولهذا رأينا موجة من الإنفوجرافيك المولَّدة، وإعلانات تجريبية، وميمات بعناوين، وصور تخطيطية تنتشر بين عموم المستخدمين لا بين المختصين فقط.

من المهم فهم السقف. السلاسل القصيرة موثوقة، أما المقاطع الطويلة فتتدهور، ولا يوجد نموذج صور بديل عن ضبط حروف حقيقي داخل أداة حقيقية — النص المولَّد لا يمكن تحريره أو تدقيقه إملائياً أو ترجمته أو إعادة تنسيقه لاحقاً من دون إعادة توليد الصورة كاملة.

النهج السليم هو نفسه المطبّق مع FLUX: ولِّد الصورة، ثم أضف الكلمات كما يجب. العنوان المولَّد محاكاة أولية لعنوان، لا أكثر.

متاح عبر واجهة برمجة التطبيقات وداخل ChatGPT. الأوزان مغلقة، لا خيار محلي، والتوليد مُفوتر بحسب الاستخدام.

تُطبَّق سياسة المحتوى عند التوليد، وهي أشد تقييداً من معظم السلاسل المفتوحة وأحياناً ترفض طلبات بريئة. هذا إزعاج حقيقي لبعض الأعمال المشروعة وحماية حقيقية في حالات أخرى؛ وأيُّهما ينطبق يعتمد تماماً على ما تحاولون صنعه.

لمن يبني منتجاً فوقه، فإن هذا المزيج — مفوتر، مُصفّى بسياسة المحتوى، مغلق، وخاضع للتغيير وفق جدول المزوّد — هو مجموعة القيود التي ينبغي التخطيط حولها. وهي القيود نفسها التي يفرضها كل نموذج مُستضاف مغلق.

مقارنةً مع Nano Banana فهو الأقرب هنا: كلاهما مغلق، وكلاهما مرتبط بمساعد كبير، وكلاهما يعمل تفاعلياً بالمحادثة. الفروق التي يذكرها المستخدمون تظهر في اتساق التحرير والطابع الدقيق للمخرجات أكثر من اختلاف في النوع.

مقارنةً مع Midjourney فهو أكثر حرفية في اتباع التعليمات، بذائقة افتراضية أضعف وتعامل أفضل مع التعليمات المحددة. ومقارنةً مع FLUX وStable Diffusion فالفارق في التحكم والملكية — يمكن استضافتهما ذاتياً، أما هذا فلا يمكن.

لا يزال الناس يبحثون عن DALL·E، وكثير مما كُتب على الإنترنت عن توليد الصور لدى OpenAI يشير إلى تلك السلسلة. إنه الامتداد نفسه لتلك السلالة لا منتجاً منفصلاً، والنصائح العملية حول الprompting ما زالت صالحة إلى حدٍّ كبير.

لدينا مقارنة جنباً إلى جنب منفصلة بين LaFoto وDALL·E، تتعمّق أكثر في مواضع تَفوُّق كل خيار ممّا لا يتسع له إدخال موجز في دليل.