ساخت یک تصویر خوب معمولاً پایان کار نیست؛ بعدش باید متن، چیدمان، رنگ یا جزئیات محصول را چند بار اصلاح کنید. مشکل اصلی خیلی از مدل‌های تصویری همین‌جاست: با هر ویرایش، بخشی که قرار نبود تغییر کند هم عوض می‌شود. نسخه تازه GPT Image 2.6 دقیقاً روی سرعت ساخت و کنترل بهتر همین رفت‌وبرگشت‌های ویرایشی تمرکز دارد.

شرکت OpenAI این مدل را در چهارم نوامبر ۲۰۲۶ معرفی کرده و دسترسی آن را در ChatGPT، ابزار Codex و رابط برنامه‌نویسی خودش آغاز کرده است. مهم‌ترین تغییر فقط بالاتر رفتن کیفیت تصویر نیست. حالا می‌شود از تصویر ثابت، فایل GIF متحرک ساخت، خروجی SVG گرفت و بخش مشخصی از تصویر را با نشانه‌گذاری دقیق‌تر ویرایش کرد.[1]

مدل GPT Image 2.6 چه چیزی را تغییر می‌دهد؟

طبق اعلام رسمی OpenAI، نسل تازه تصاویر را تا پنجاه درصد سریع‌تر از نسخه قبلی تولید می‌کند. این تفاوت برای کسی که باید چند طرح اولیه، چند ترکیب‌بندی تبلیغاتی یا چند نسخه از عکس محصول بسازد، کاربردی‌تر از یک افزایش کیفیت مبهم است. زمان کمتری بین درخواست و دیدن نتیجه می‌گذرد و اصلاح‌های بیشتری را می‌شود در همان بازه کاری انجام داد.[1]

نسخه جدید در بخش توسعه‌دهندگان با دو مدل عرضه شده است. مدل Flare برای ساخت سریع و کارهای روزمره طراحی شده و در حالت کیفیت پایین می‌تواند بعضی تصاویر را در حدود شش ثانیه تولید کند. مدل Sunburst برای جزئیات بیشتر، حفظ بهتر سوژه در چند مرحله ویرایش و خروجی‌های حرفه‌ای‌تر در نظر گرفته شده است.[1]

ساخت GIF؛ تصویر ثابت حالا حرکت می‌کند

قابلیت تازه و قابل‌دیدن GPT Image 2.6 ساخت GIF متحرک است. برای مثال می‌توانید یک شخصیت برند را به حرکت دربیاورید، از عکس محصول یک حرکت تکرارشونده کوتاه بسازید یا پیش از تولید ویدیو، حرکت شخصیت را در قالب استوری‌بورد بررسی کنید. این خروجی مستقیماً از طریق بخش ساخت تصویر در دسترس توسعه‌دهندگان قرار گرفته است.[1][2]

ویرایش دقیق‌تر با حفظ سوژه و برند

بخش مهم‌تر برای طراحان و تولیدکنندگان محتوا، ثبات تصویر در چند دور ویرایش است. OpenAI می‌گوید GPT Image 2.6 در حفظ شخصیت، محصول و جزئیات برند هنگام اصلاح تصویر بهتر شده است. یعنی اگر فقط پس‌زمینه یا نوشته را تغییر دهید، احتمال کمتری دارد چهره، لباس، فرم محصول یا اجزای اصلی بی‌دلیل عوض شوند.[1]

امکان ویرایش با نشانه‌گذاری هم اضافه شده است. به‌جای توضیح طولانی درباره محل تغییر، می‌شود ناحیه یا عنصر موردنظر را دقیق‌تر مشخص کرد. این قابلیت برای جابه‌جایی یک شیء، اصلاح یک تابلو، تغییر بخشی از لباس یا کار روی چیدمان پوستر کاربرد دارد. اسناد رسمی همچنین خروجی SVG را تأیید می‌کنند؛ فرمتی که برای آیکون، نمودار و گرافیک‌های قابل‌تغییر اندازه مفید است.[2]

اگر با ویرایش فایل‌های کاری در ابزارهای هوش مصنوعی سروکار دارید، مطلب ویرایش مستقیم PDF و فایل‌ها در Gemini هم یک مسیر مکمل را نشان می‌دهد. تفاوت اصلی این است که Gemini روی ویرایش فایل و سند تمرکز دارد، اما GPT Image 2.6 برای تولید و اصلاح خروجی بصری ساخته شده است.

کنترل پیچیدگی چه کاربردی دارد؟

در GPT Image 2.6 می‌شود میزان پیچیدگی کار مدل را روی کم، متوسط یا زیاد قرار داد. حالت کم برای تغییرهای متمرکز مثل عوض کردن پس‌زمینه یا یک نوشته مناسب است. حالت زیاد برای پوسترهای شلوغ، متن‌های بیشتر و رابطه دقیق میان چند عنصر طراحی شده است.[2]

این گزینه با کیفیت خروجی فرق دارد. کیفیت مشخص می‌کند تصویر با چه سطحی از جزئیات رندر شود؛ پیچیدگی تعیین می‌کند مدل پیش از ساخت تصویر چقدر روی چیدمان و رابطه اجزا کار کند. بالا بردن پیچیدگی هزینه جداگانه‌ای ندارد، اما طبق مستندات OpenAI می‌تواند زمان پاسخ را بیشتر کند و حتی تغییرهای ناخواسته بیشتری به تصویر وارد کند.[2]

دسترسی رایگان و هزینه GPT Image 2.6

کاربران رایگان ChatGPT امکان ساخت تصویر دارند، اما این ابزار محدودیت مصرف جداگانه دارد و پس از رسیدن به سقف باید تا زمان بازنشانی صبر کنند. صفحه رسمی حساب رایگان، عدد ثابتی برای تعداد تصاویر اعلام نکرده و می‌گوید محدودیت‌ها ممکن است تغییر کنند.[4]

برای استفاده برنامه‌نویسی، سرویس رایگان نیست و هزینه بر اساس میزان متن، تصویر ورودی و تصویر خروجی محاسبه می‌شود. هر دو مدل Flare و Sunburst برای ورودی تصویری هشت دلار، برای ورودی متنی پنج دلار و برای خروجی تصویری سی دلار به‌ازای هر یک میلیون واحد پردازش قیمت دارند. ورودی ذخیره‌شده ارزان‌تر محاسبه می‌شود.[3]

محاسبه‌گر رسمی OpenAI هزینه خروجی یک تصویر با کیفیت پایین را حدود ۰٫۰۲۴۶۹ دلار نشان می‌دهد؛ متن درخواست، عکس مرجع و تصویرهای میانی پخش زنده جداگانه به هزینه اضافه می‌شوند. همچنین ممکن است سازمان توسعه‌دهنده پیش از استفاده از مدل‌های تصویری نیاز به تأیید حساب داشته باشد.[2][3]

محدودیت‌هایی که باید قبل از استفاده بدانید

اعلام رسمی، نمونه‌های انگلیسی و خروجی‌های تصویری جذابی دارد، اما عملکرد دقیق نوشتار فارسی را تضمین نمی‌کند. اگر پوستر فارسی می‌سازید، خوانایی حروف، اتصال کلمات و جای درست علائم را جداگانه بررسی کنید. برای کار تجاری هم بهتر است لوگو، نوشته، دست‌ها، جزئیات محصول و شباهت شخصیت را پیش از انتشار بازبینی کنید.

این نسخه برای چه کسانی مفیدتر است؟

تولیدکنندگان محتوا می‌توانند سریع‌تر چند طرح برای پست، کاور یا تبلیغ بسازند. فروشگاه‌ها می‌توانند عکس محصول را در صحنه‌های مختلف قرار دهند و نسخه‌های کوتاه متحرک آماده کنند. طراحان می‌توانند از SVG و ویرایش نشانه‌گذاری‌شده برای اتود و اصلاح سریع استفاده کنند. برنامه‌نویسان هم می‌توانند این قابلیت‌ها را داخل ابزارهای ساخت تصویر یا ویرایشگرهای اختصاصی قرار دهند.

جمع‌بندی

نسخه GPT Image 2.6 بیشتر از اینکه فقط یک مدل تصویری باکیفیت‌تر باشد، یک به‌روزرسانی برای روند کار است. سرعت بالاتر به ساخت نسخه‌های بیشتر کمک می‌کند، Sunburst روی جزئیات و ثبات تمرکز دارد و Flare برای اتود سریع ساخته شده است. ساخت GIF، خروجی SVG و ویرایش نشانه‌گذاری‌شده هم فاصله میان تولید اولیه و اصلاح نهایی را کمتر می‌کنند.

پرسش‌های متداول

آیا GPT Image 2.6 در ChatGPT در دسترس است؟

بله. OpenAI عرضه این نسخه را در ChatGPT، Codex و رابط برنامه‌نویسی اعلام کرده است. کاربران رایگان هم به ساخت تصویر دسترسی دارند، اما سقف استفاده جداگانه دارند.[1][4]

تفاوت Flare و Sunburst چیست؟

مدل Flare برای سرعت و تولید روزمره مناسب‌تر است. مدل Sunburst برای جزئیات بیشتر، کیفیت بالاتر و حفظ بهتر عناصر در چند مرحله ویرایش طراحی شده است.[1]

آیا GPT Image 2.6 رایگان است؟

ساخت تصویر در حساب رایگان ChatGPT با محدودیت در دسترس است، اما استفاده برنامه‌نویسی هزینه دارد. OpenAI تعداد ثابت تصاویر رایگان را اعلام نکرده است.[3][4]

آیا این مدل ویدیو می‌سازد؟

این نسخه می‌تواند GIF متحرک کوتاه تولید کند، اما جای مدل ساخت ویدیوی بلند را نمی‌گیرد. کاربرد اصلی آن حرکت‌های کوتاه تکرارشونده، میم، پیش‌نمایش و استوری‌بورد است.[1][2]

منابع رسمی