GPT-image-1 API

OpenAI GPT-Image-1 API әзірлеушілер мен бизнеске кескін жасаудың кеңейтілген мүмкіндіктерін қолданбаларына біріктіруге мүмкіндік беретін заманауи, мультимодальды кескін генерациялау үлгісі. Бұл API әртүрлі стильдерді және нақты мазмұнды көрсетуді қолдайтын мәтіндік сұраулардан жоғары сапалы кескіндерді жасауға мүмкіндік береді.

GPT-Image-1 негізгі мүмкіндіктері

GPT-Image-1 пайдаланушыларға әртүрлі стильдер мен пішімдерде көрнекі бейнелерді жасау мүмкіндігін ұсынатын мәтіндік сұраулардан жоғары сапалы кескіндерді жасауға арналған. Негізгі мүмкіндіктер мыналарды қамтиды:

Көпмодальды интеграция: GPT-Image-1 мәтіндік және визуалды деректерді біркелкі өңдеуге және жасауға арналған. Бұл мультимодальды интеграция динамикалық өзара әрекеттесуге мүмкіндік береді, бұл пайдаланушыларға контекстік және контекстік сәйкес нәтижелерді шығару үшін мәтін мен кескіндерді біріктіретін енгізу шақыруларына мүмкіндік береді.
Теңшелетін сұрауды сақтау: Белгіленген талаптарға сәйкестендіруді қамтамасыз ете отырып, пайдаланушы анықтаған шақыруларды дәл түсіндіреді және визуализациялайды.
World Knowledge Incorporation: Жасалған кескіндерге мәтінмәндік түсінік пен нақты әлем білімін енгізу үшін ауқымды оқыту деректерін пайдаланады.
Мәтінді көрсету мүмкіндігі: Түсінікті және стильдік сәйкестікті сақтай отырып, кескіндер ішіндегі мәтіндік элементтерді тиімді біріктіреді.
Жетілдірілген визуалды ойлау: Алдыңғылардың мүмкіндіктеріне сүйене отырып, GPT-Image-1 жақсартылған көрнекі ойлауды көрсетеді. Ол күрделі көріністерді түсіндіре алады, кеңістіктік қатынастарды түсінеді және берілген мәтіндік сипаттамаларға сәйкес келетін кескіндерді жасай алады.
Жоғары дәлдіктегі кескін жасау: Модель керемет егжей-тегжейлі және дәлдікпен жоғары ажыратымдылықтағы кескіндерді шығаруға қабілетті. Бұл мүмкіндік әсіресе фотореалистикалық шығыстарды немесе күрделі дизайн элементтерін қажет ететін қолданбалар үшін тиімді.

Бұл мүмкіндіктер пайдаланушыларға шығармашылық және кәсіби қажеттіліктердің кең спектрін қанағаттандыра отырып, көрнекі түрде тартымды ғана емес, сонымен қатар контекстік мағыналы кескіндерді жасауға мүмкіндік береді.

Техникалық архитектура

GPT-4o негізіндегі негіз

GPT-Image-1 тілде және көру тапсырмаларында сенімді өнімділігімен танымал GPT-4o құрылымына негізделген. Бұл негіз GPT-Image-1-ді күрделі мультимодальды кірістерді өңдеуге және жоғары сапалы шығыстарды шығаруға арналған берік негізмен қамтамасыз етеді.

Авторегрессивті кескінді құру

Диффузияға негізделген модельдерден айырмашылығы, GPT-Image-1 кескінді құруға авторегрессивті тәсілді қолданады. Бұл әдіс модельге кескіндерді дәйекті түрде жасауға мүмкіндік береді, бұл визуалды нәтижелерде сәйкестік пен үйлесімділікті қамтамасыз етеді.

Токенизация және деректерді өңдеу

Модель кіріс деректерді тиімді өңдеу және түсіну үшін кеңейтілген токенизация әдістерін пайдаланады. Бұған құжаттарды талдау және мазмұнды жасау сияқты қолданбаларда оның утилитасын жақсарту, суреттердегі мәтінді түсіндіру және жасау мүмкіндігі кіреді.

Техникалық сипаттамалар

Кіріс және шығыс

енгізу: Мәтіндік шақырулар және қосымша кескін енгізулері.
шығыс: Берілген сұраулар негізінде жасалған кескіндер.

Ажыратымдылықты қолдау

GPT-Image-1 1024×1024, 1024×1536 және 1536×1024 пиксел сияқты өлшемдерді қоса алғанда, жоғары ажыратымдылықтағы кескіндерді жасауды қолдайды.

Қауіпсіздік және модерация

API сенімді қауіпсіздік шараларын қамтиды, соның ішінде:

Мазмұнды сүзу: Әзірлеушілер орнатуға болады moderation параметріне auto (әдепкі) стандартты сүзу үшін немесе low аз шектеуді сүзу үшін.
C2PA метадеректері: Барлық жасалған кескіндер платформаларға AI жасаған мазмұнды анықтауға мүмкіндік беретін C2PA метадеректерін қамтиды.

Тиімділікті бағалау және салыстыру

Сурет сапасын бағалау

Кескін сапасын бағалауда GPT-Image-1 орташа 9.1 ұпайға ие (10 ұпайдан), бұл басқа негізгі үлгілерге қарағанда айтарлықтай жақсы. Ол кескіннің анықтығы, түсті қайта шығару және егжей-тегжейлі өнімділік тұрғысынан жақсы жұмыс істейді.

Генерация жылдамдығы мен тиімділігі

Ажыратымдылығы 256×256 кескіндерді жасау кезінде GPT-Image-1 орташа генерациялау уақыты 6.1 секундты құрайды, бұл ұқсас үлгілерге қарағанда жақсырақ. Бұған қоса, оның жоғары ажыратымдылықтағы генерациялау тиімділігі де тамаша, нақты уақыттағы генерацияның қажеттіліктерін қанағаттандырады.

Өнімділік көрсеткіштері

GPT-Image-1 әртүрлі сыныптар мен шарттарда кескіндерді жасауда әсерлі дәлдік көрсеткіштеріне қол жеткізді. Мысалы, ол мысықтардың суреттерін жасауда 93%, пейзаждар үшін 91% және түнгі көріністер үшін 94% дәлдік деңгейін көрсетті. Оған қоса, модель стильді тасымалдау тапсырмаларында GAN және PixelCNN сияқты басқа үлгілерден асып түсетін жоғары өнімділікті көрсетті.

Қалай қоңырау шалуға болады `GPT-Image-1` CometAPI ұсынған API

`GPT-Image-1` CometAPI ішіндегі API бағасы, ресми бағадан 20% жеңілдік:

Енгізу токендері: $8 / M таңбалауыштары
Шығару таңбалауыштары: $32/ M токендер

Қажетті қадамдар

Жүйеге кіріңіз cometapi.com. Егер сіз әлі біздің пайдаланушы болмасаңыз, алдымен тіркеліңіз
Интерфейстің кіру тіркелгі деректерінің API кілтін алыңыз. Жеке орталықтағы API токеніндегі «Токенді қосу» түймесін басыңыз, таңбалауыш кілтін алыңыз: sk-xxxxx және жіберіңіз.
Осы сайттың URL мекенжайын алыңыз: https://api.cometapi.com/

Қолдану әдістері

“GPT-Image-1” API сұрауын жіберуге және сұраудың негізгі бөлігін орнатуға арналған соңғы нүкте. Сұрау әдісі мен сұрау мәтіні біздің веб-сайт API құжатынан алынған. Біздің веб-сайт сізге ыңғайлы болу үшін Apifox сынағын да ұсынады.
Ауыстыру тіркелгіңізден нақты CometAPI кілтімен.
Мазмұн өрісіне сұрағыңызды немесе сұрауыңызды енгізіңіз — үлгі осыған жауап береді.
. Жасалған жауапты алу үшін API жауабын өңдеңіз.

Comet API интерфейсіндегі үлгідегі түскі ас туралы ақпаратты қараңыз API нұсқаулығы (модель атауы: gpt-image-1)

Comet API ішіндегі Үлгі бағасы туралы ақпаратты қараңыз https://api.cometapi.com/pricing.

API пайдалану

OpenAI GPT-Image-1-ге Images API арқылы қол жеткізуді қамтамасыз етеді, бұл әзірлеушілерге кескіндерді жасау мүмкіндіктерін қолданбаларына біріктіруге мүмкіндік береді.

1.Кескінді жасау: Бұл модель қоңыраулар үшін openai v1/images/generations пішімін,

мәліметтерді мына жерден қараңыз: https://apidoc.cometapi.com/images-api-13851474.

url: https://api.cometapi.com/v1/images/generations

API пайдалану мысалы келесідей:

import requests
url = "https://api.cometapi.com/v1/images/generations"
headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}
payload = {
"model": "gpt-image-1",
"prompt": "A billboard in a city square that reads 'Welcome to the Future'",
"n": 1,
"size": "1024x1024"
}
response = requests.post(url, headers=headers, json=payload)
image_url = response.json()
print("Generated Image with Text URL:", image_url)

Бұл сценарий көріністе көрсетілген мәтінді көрсететін кескінді жасайды.

Кескінді өңдеу: Бұл модель қоңыраулар үшін openai v1/images/edits пішімін сақтайды,

мәліметтерді мына жерден қараңыз: Кескінді өңдеу (gpt-image-1).

url: https://api.cometapi.com/v1/images/edits

Егер сізде қоңырауға қатысты сұрақтарыңыз болса немесе бізге қандай да бір ұсыныстарыңыз болса, бізбен әлеуметтік желі және электрондық пошта мекенжайы арқылы хабарласыңыз support@cometapi.com.

Сондай-ақ, қараңыз GPT-Image-1 қанша тұрады?

GPT-Image-1 негізгі мүмкіндіктері