OpenAI a publié un modèle de génération d'images multimodales, gpt-image-1, qui offre trois fonctions principales : l'entrée hybride texte-image et les variantes. Le modèle est hautement personnalisable, notamment en ce qui concerne la taille, la qualité, l'arrière-plan et d'autres paramètres, et prend en charge la génération par lots. gpt-image-1 surpasse son prédécesseur en termes de flexibilité de l'API d'interaction multimodale, promouvant les images d'IA des jouets aux applications industrielles. Les développeurs peuvent rapidement appeler l'API via Python pour obtenir des résultats créatifs.
- Ce résumé est généré par une IA qui analyse le contenu de l'article à des fins d'information uniquement.
OpenAI a officiellement lancé son dernier modèle de génération d'images multimodales, gpt-image-1, et l'a ouvert aux développeurs mondiaux via l'API. Ce modèle se caractérise par un faible coût, une grande contrôlabilité et une forte interaction multimodale, marquant ainsi la transition de la génération d'images par l'IA d'une application de type "jouet" à une application de type "industriel". L'étape de l'application "de qualité industrielle". Les créateurs individuels et les utilisateurs en entreprise peuvent réaliser une transition transparente entre les croquis conceptuels et les dessins finis par l'intermédiaire de l'API.
Description officielle :https://openai.com/index/image-generation-api/
I. Fonctions essentielles et aspects techniques
1. trois fonctions essentielles : la génération, l'édition et les variantes
- Génération d'images : gpt-image-1 prend en charge les entrées mixtes texte+image. gpt-image-1 peut analyser avec précision des invites complexes et générer des images conformes aux lois de la physique. Par exemple, si vous entrez "concevoir le corps d'une bouteille d'eau minérale avec différents styles", le modèle peut rapidement produire des solutions de conception créatives avec différents styles.

- Édition d'images : la modification locale, la migration de style ou la fusion d'éléments d'images existantes peuvent être effectuées directement par l'intermédiaire de l'API. Par exemple, téléchargez quatre images de cadeaux pour générer une belle image de panier de cadeaux contenant tous les cadeaux.
- Variantes d'images (DALL-E 2 uniquement) : générez rapidement des variantes stylisées à partir d'images existantes afin d'améliorer l'efficacité de la conception.
2. des options hautement personnalisables
Les développeurs peuvent contrôler précisément les paramètres de sortie par le biais de l'API :
- Taille et format : Prise en charge des résolutions 1024×1024, 1024×1536 et autres, sortie au format PNG, JPEG ou WebP.
- Qualité et compression : trois niveaux de qualité : faible, moyen et élevé, taux de compression JPEG personnalisable (0-100%).
- Arrière-plan et transparence : changez d'arrière-plan transparent en un seul clic pour répondre aux besoins de la conception.
- Génération par lots : accélérer l'itération créative en générant plusieurs images à la fois via le paramètre n.
3. avantages en termes de coûts
- Pay-as-you-go : le prix du jeton d'entrée de texte est de 5 millions de dollars, celui du jeton de sortie d'image est de 40 millions de dollars.
- Fixation des prix par étapes :
- Basse qualité (1024 x 1024) : environ 0,02 $/feuille
- Qualité moyenne : environ 0,07 $ par feuille
- Haute qualité : environ 0,19 $ par feuille
II Scénarios d'application et intégration dans l'entreprise
La flexibilité de gpt-image-1 lui a permis de s'implanter rapidement dans de nombreux secteurs :
- Outils créatifs : Adobe Firefly, Canva et d'autres plateformes intègrent le modèle, offrant des options de personnalisation telles que le style Ghibli.
- Commerce électronique et conception : Photoroom convertit une simple image de produit en une image de présentation de modèle via l'API ; HeyGen optimise le processus d'édition d'avatars.
- Logiciels d'entreprise : Wix et InVideo utilisent des modèles pour générer du matériel de marketing ; les images des recettes de test d'Instacart sont générées automatiquement.
III. comparaison technique et avantages
| caractérisation | gpt-image-1 | DALL-E 2/3 |
|---|---|---|
| soutien multimodal | ✅ Saisie mixte texte + image | ❌ Texte ou image seulement unimodal |
| Granularité personnalisée | Permet un réglage précis de la taille, de la qualité, du taux de compression, etc. | Personnalisation limitée |
| les coûts (de fabrication, de production, etc.) | Plus bas (à partir de 0,02 $ par feuille) | élevé |
| Flexibilité de l'API | Prise en charge de fonctions avancées telles que l'édition de masques et la composition d'images multiples | Génération d'images de base |
Sam Altman, PDG d'OpenAI, a noté que la conception de l'API de gpt-image-1 est plus axée sur le contrôle du développeur et est particulièrement adaptée aux scénarios dans lesquels l'efficacité et la personnalisation doivent être équilibrées.
IV. démarrage rapide : comment appeler l'API ?
L'exemple de code Python suivant montre comment générer une "carte de sprites de chats gris en style pixel" :
from openai import OpenAI
import base64
client = OpenAI()
response = client.images.generate(
model="gpt-image-1",
model="gpt-image-1", prompt="Dessine un sprite 2D de style pixel art d'un chat gris tabby",
size="1024x1024",
background="transparent",
quality="high"
)
image_data = response.data[0].b64_json
avec open("sprite.png", "wb") as f.
f.write(base64.b64decode(image_data))
Le lancement de gpt-image-1 ne se contente pas d'abaisser le seuil de créativité, il favorise également la pénétration de l'IA multimodale dans le monde des affaires. Avec l'expansion de l'écosystème API, davantage de solutions interindustrielles pourraient émerger à l'avenir - de la conception automatisée à l'ajustement virtuel, les images générées par l'IA seront omniprésentes. openAI a une fois de plus prouvé son leadership dans le domaine de l'IA. gpt-image-1, avec sa profondeur technologique et sa convivialité commerciale, ouvre un nouvel espace de création visuelle pour les développeurs et les entreprises. Il ouvre un tout nouvel espace de création visuelle. Essayez-le maintenant et mettez vos idées "sur papier" !
Si vous souhaitez utiliser les comptes exclusifs officiels GPT Plus, Claude Pro, Grok Super, vous pouvez contacter notre équipe professionnelle (wx : abch891) si vous ne savez pas comment recharger votre compte.







评论功能已关闭。