شرکت OpenAI رسماً از مدل ارتقایافته تولید تصویر جدید خود به نام Images 2.6 رونمایی کرد. برجستهترین قابلیت این بهروزرسانی بزرگ، توانایی ساخت تصاویر متحرک در فرمت گیف (Animated GIF) به صورت مستقیم از طریق پرامپتهای متنی یا تصاویر آپلودشده توسط کاربر است. این ویژگی اکنون در حال عرضه تدریجی برای تمام کاربران اشتراکی ChatGPT و پلتفرم برنامهنویسی Codex روی وب، اپلیکیشنهای دسکتاپ و نسخههای موبایل است.
با استفاده از این ابزار، کاربران میتوانند یک ایده حرکتی ساده یا یک عکس را در چتبات بارگذاری کرده و به عنوان مثال بپرسند: «آیا میتوانی از روی این گربه یک گیف در حال رقص بسازی؟» سیستم با پردازش درخواست، تغییرات فریمبهفریم پیوستهای از کاراکتر را ایجاد کرده و آنها را مانند ورق زدن یک کتاب مصور متحرک در قالب یک فایل گیف لوپ به کاربر تحویل میدهد. کاربران همچنین گزینههایی برای تنظیم سرعت انیمیشن و ویرایش فریمهای تکی در اختیار دارند.
نقطه قوت مهندسی در مدل Images 2.6، جهش چشمگیر در «ثبات بصری و هویتی» (Character Consistency) در طول فریمهاست. در مدلهای پیشین تولید تصویر، تولید چندین فریم متوالی از یک سوژه معمولاً با دفرمه شدن چهره، تغییر رنگ لباس یا دگرگونی جزئیات همراه بود که ساخت انیمیشن روان را ناممکن میساخت؛ اما معماری جدید پایداری بصری کاراکتر را در زوایای مختلف حفظ میکند.
علاوه بر قابلیتهای کاربری، مدل Images 2.6 سرعت استنتاج و تولید تصویر را نیز به طرز چشمگیری بهبود بخشیده است. برای جامعه توسعهدهندگان، OpenAI دو نسخه تخصصی از این مدل را از طریق API عرضه کرده است: نسخه Flare که با هدف بهرهوری بالا و هزینه پایین پردازشی طراحی شده و نسخه Sunburst که خروجیهایی با بالاترین کیفیت هنری و رزولوشن تولید میکند.
شرکت OpenAI در حاشیه این معرفی فاش کرد که کاربران سراسر جهان در حال حاضر بیش از ۴ میلیارد تصویر در هفته از طریق چتجیپیتی و رابطهای API تولید میکنند که نسبت به ماه سپتامبر افزایشی معادل یک میلیارد تصویر در هفته را نشان میدهد؛ رقمی سرسامآور که تثبیت جایگاه پیشتاز این شرکت در حوزه مدیاهای بصری مولد را نشان میدهد.