CREATEVISION AI · प्रत्यक्ष चाचणी केलेले
एक चांगली प्रतिमा. वापरण्याचे अधिक मार्ग.
कॅरेक्टर कॅम्पेन, प्रॉडक्ट सेट, वाचनीय पोस्टर किंवा छोटा अ‍ॅनिमेटेड लूप तयार करा. चाचणी केलेल्या सेटअपपासून सुरुवात करा आणि तो आपला बनवा.
20 नोंदवलेल्या विनंत्या · मूळ फाइल्स आणि नेमके प्रॉम्प्ट ↗Low वर कल्पना तपासा
आमचा पोस्टर ब्रीफ Low आणि Medium दोन्हीत वाचनीय होता. Low ने कमी क्रेडिट्स कोट केले; त्यांचे मोजलेले प्रतीक्षा-वेळ जवळपास सारखेच होते.
एका वेळी एकच बदल करा
शेवटची मंजूर प्रतिमा पुढील संदर्भ म्हणून वापरा. प्रत्येक बदलानंतर चेहरा, लेबल आणि आकार तपासा.
एक कार्य निवडा, मग मोड
Flare साध्या संपादनांसाठी चालले. Sunburst ने आमचे तीन-फेरी क्रम पूर्ण केले, पण आम्ही जुळणारे Flare क्रम चालवले नाहीत. हे चाचण्या पुनरावृत्ती संपादनासाठी चांगली पद्धत सिद्ध करत नाहीत.
01 / कॅरेक्टर सातत्य
नवीन ठिकाण. नवीन पोशाख. ओळखता येणारा कॅरेक्टर.
आमचा काल्पनिक कॅरेक्टर तीन बदलांमध्ये तिचा तांबूस बॉब, टील रंगाचा चष्मा आणि तारा-कानातले टिकवते. प्रत्येक टप्पा सुरुवातीच्या पोर्ट्रेटशी तुलना करा.
- ठिकाण, जॅकेट किंवा पोझ स्वतंत्रपणे बदला.
- शेवटची मंजूर प्रतिमा पुन्हा वापरा.
- शेअर करण्यापूर्वी चेहऱ्याचे तपशील तपासा.
एक काल्पनिक विषय; दृश्य सातत्य तपासणी, ओळखीची हमी नाही. जुळणारा तीन-फेरी Flare क्रम चाचणी केलेला नाही.
प्रॉम्प्ट, संदर्भ आणि सेटिंग्ज लोड करते. तयार असाल तेव्हा जनरेट करा.
प्रॉम्प्ट आणि सेटिंग्ज
- मोड:
- Sunburst
- दर्जा:
- मध्यम
- प्लॅनिंग:
- कमी
- निरीक्षित प्रतीक्षा:
- 19.0 s
The same fictional woman in the same bookstore, now turning her head about 30 degrees toward a window on her left while keeping her body still. Preserve her recognizable facial features, copper blunt-fringe bob, teal round glasses, silver star earrings, navy jacket, white top and natural skin texture. Same framing and soft lighting. No new people or text.
02 / प्रॉडक्ट कॅम्पेन
प्रॉडक्ट ठेवा. त्याभोवती कॅम्पेन उभारा.
एक सीरम बाटली छोट्या कॅम्पेनमध्ये बदलते: नवीन पार्श्वभूमी, घडी केलेले लिनेन, मग फुल. लेबल, निळे झाकण आणि बाटली ओळखता येण्यासारखी राहते.
- लेबल आणि आकार नावाने सांगा जे कायम राहिले पाहिजेत.
- प्रत्येक सुधारणेत एकच बदल जोडा.
- मूळ आकारात लहान मजकूर तपासा.
तीन क्रमिक Sunburst संपादने, जुळणाऱ्या Flare क्रमाशिवाय. प्रत्येक पायरीनंतर लेबल आणि सिल्हूट तपासा.
प्रॉम्प्ट, संदर्भ आणि सेटिंग्ज लोड करते. तयार असाल तेव्हा जनरेट करा.
प्रॉम्प्ट आणि सेटिंग्ज
- मोड:
- Sunburst
- दर्जा:
- मध्यम
- प्लॅनिंग:
- कमी
- निरीक्षित प्रतीक्षा:
- 19.1 s
Keep this image unchanged except add a single small orange blossom at the bottom right, behind the bottle. Preserve the NOMA bottle silhouette, cobalt cap, brass collar, ivory color, typography NOMA / DAILY SERUM / 30 ml, cream linen cloth, camera angle and sage background. No additional text.
03 / पोस्टर मजकूर
पॉलिश करण्यापूर्वी शब्द बरोबर करा.
दोन्ही दाखवलेले आउटपुट मागितलेले सहा मजकूर-स्ट्रिंग टिकवतात. Medium पृष्ठभागाचा तपशील वाढवते; मजकूर आणि श्रेणीक्रम तपासण्यासाठी Low आधीच पुरेसे आहे.
- नेमके शब्द, तारखा आणि किंमती कोट करा.
- मथळा आणि वाचनक्रम ठरवा.
- प्रकाशित करण्यापूर्वी मूळ तपासून वाचा.
प्रत्येक क्वालिटीमधील पहिला निकाल, रीटच न करता दाखवला. सर्व सहा चाचण्या संपूर्ण आढाव्यात आहेत.
प्रॉम्प्ट, संदर्भ आणि सेटिंग्ज लोड करते. तयार असाल तेव्हा जनरेट करा.
प्रॉम्प्ट आणि सेटिंग्ज
- मोड:
- Flare
- दर्जा:
- कमी
- प्लॅनिंग:
- उच्च
- निरीक्षित प्रतीक्षा:
- 9.5 s
Design a polished vertical 3:4 night-market event poster, dark indigo background, one glossy tangerine with a tiny teal leaf in the lower third, dramatic studio lighting. Top: large exact headline "NOMA NIGHT MARKET". Directly beneath it, exact Chinese text "夜市限定". Middle: exact date "SAT 21 NOV" and exact time "18:00–23:00" on separate lines. Bottom: exact price "$12" and exact offer "2 FOR $20". Make every line readable, no other text, no logos, no QR code. Preserve generous margins and a clear hierarchy between title, date and price.
04 / प्रॉडक्ट लूप्स
थोडी हालचाल. जाणीवपूर्वक लूप.
प्रॉडक्ट प्रतिमेचे अ‍ॅनिमेटेड अ‍ॅक्सेंटमध्ये रूपांतर करा. चार आणि सोळा फ्रेम्सची तुलना करा: लांब लूप म्हणजे मोठी फाइल आणि वेगळे क्रेडिट कोट.
- लहान, पुनरावृत्ती होणाऱ्या हालचालीने सुरुवात करा.
- आपल्याला हव्या असलेल्या हालचालीसाठी फ्रेम्स निवडा.
- झाकणाच्या कडा आणि लूप संक्रमण तपासा.
आकार आणि प्रकाशातील लहान बदल दिसत राहतात. अधिक फ्रेम्स म्हणजे आपोआप चांगली हालचाल नाही.
प्रॉम्प्ट, संदर्भ आणि सेटिंग्ज लोड करते. तयार असाल तेव्हा जनरेट करा.
प्रॉम्प्ट आणि सेटिंग्ज
- मोड:
- Sunburst
- दर्जा:
- मध्यम
- प्लॅनिंग:
- कमी
- निरीक्षित प्रतीक्षा:
- 18.7 s
A seamless repeating product loop using the exact NOMA serum bottle in the reference. The bottle remains perfectly stationary, label NOMA / DAILY SERUM / 30 ml, ivory body, cobalt cap and brass collar unchanged. Only a soft narrow highlight moves gently from left to right across the bottle, dims, and returns to the starting illumination. Fixed frontal camera, plain sage-green background. No rotations, no hands, no new objects, no added text. The end should return to the start.
आमच्या शिफारशींमागील तपशील
जवळून पाहायचे असल्यास सर्व 20 विनंत्या, पुनरावृत्त चाचण्या, तुलना तक्ते आणि मर्यादा एक्सप्लोर करा.
5 नोव्हेंबर 2026 रोजी चाचणी केली. लहान नियंत्रित नमुना; प्रतीक्षा-वेळेत रांग आणि नेटवर्क वेळ समाविष्ट आहे. नोंदीतील क्रेडिट आकडे कोट आहेत, खात्यातून वजावट नाही.
Data use terms · 评测数据使用条款 · v1.0
सर्व 20 नोंदवलेल्या विनंत्या एक्सप्लोर करा
आमचा GPT Image 2.6 निर्णय: आधी कल्पनेला मान्यता द्या, मग तपशिलांमध्ये सुधारणा करा.
आमचा व्यावहारिक प्रारंभबिंदू असा आहे: पहिल्या पोस्टरसाठी Flare कमी गुणवत्तेवर, आणि केंद्रित संदर्भ संपादनांसाठी मध्यम गुणवत्ता व कमी नियोजन खोली. या छोट्या चाचणीत सेटिंग वाढवल्याने आपोआप जलद निकाल किंवा स्पष्टपणे अधिक चांगले संपादन मिळाले नाही. उपयुक्त सुधारणा ही होती — विशिष्ट बदलांच्या मालिकेत मंजूर उत्पादन किंवा पात्र कायम ठेवणे.
आम्ही ५ नोव्हेंबर २०२६ रोजी २० विनंत्या नोंदवल्या: सहा पुनरावृत्त पोस्टर चाचण्या, एक GPT Image 2.5 नियंत्रण, दोन संदर्भ-प्रतिमा तयारी, नऊ संदर्भ संपादने आणि दोन उत्पादन GIF. प्रत्येक विनंती पूर्ण झाली. खालील सर्व निकाल हे प्रथम सादर केलेले निकाल आहेत, आणि अचूक प्रॉम्प्ट्स व मूळ फाइल्स तपासणीसाठी उपलब्ध आहेत.
- नोंदवलेल्या विनंत्या
- 20
- Flare कमी पोस्टरचा मध्यक
- ९.२ सेकंद
- क्रमिक पात्र संपादने
- 3
- तपासलेले उत्पादन GIF
- ४ / १६ फ्रेम्स
ही एका नियंत्रित नमुन्यातील निरीक्षणे आहेत. वेळांमध्ये रांग आणि नेटवर्कची प्रतीक्षा, तसेच दर दोन सेकंदांनी स्थिती तपासणे यांचा समावेश आहे. या निर्मिती वेगांची हमी नाही.
OpenAI ने ४ नोव्हेंबर २०२६ रोजी Images 2.6 ची घोषणा केली. अधिकृत वैशिष्ट्यांचे दावे आणि आमची मोजमापे खाली स्वतंत्रपणे नमूद केली आहेत. OpenAI
आमच्या संपादकीय शिफारसी येथे दर्शविलेल्या निकालांवर आधारित आहेत. प्रॉम्प्ट आणि जनरेशन सेटिंग्ज पाहण्यासाठी प्रतिमेवर क्लिक करा.
चाचणीकडे जा
- अधिक पॉलिशसाठी क्रेडिट्स खर्च करण्यापूर्वी संदेश तपासा: सहा द्विभाषिक पोस्टर्स: कमी आणि मध्यम, प्रत्येकी तीन विनंत्या.
- केंद्रित संपादनासाठी कमी नियोजनाने सुरुवात करा: समान उत्पादन आणि पार्श्वभूमी सूचना; Flare, Sunburst कमी नियोजन आणि Sunburst उच्च नियोजन.
- एका मंजूर उत्पादनाचे छोट्या मोहिमेत रूपांतर करा: तीन क्रमिक संपादनांमध्ये पार्श्वभूमी, लिनेन आणि फूल जोडले.
- एका पात्राचा तीन संपादनांमधून मागोवा घ्या: एक काल्पनिक स्त्री पुस्तकांच्या दुकानात जाते, जॅकेटचा रंग बदलते आणि डोके वळवते.
- तुम्हाला हव्या असलेल्या लूपसाठी GIF फ्रेम्स निवडा: चार विरुद्ध सोळा फ्रेम्स: फाइल आकार, क्रेडिट्स आणि तपासण्यासारखे तपशील.
- निर्णयात सोपे पर्याय विचारात ठेवा: GPT Image 2.5 पोस्टर आणि Flare संदर्भ संपादन उपयुक्त नियंत्रणे देतात.
अधिक पॉलिशसाठी क्रेडिट्स खर्च करण्यापूर्वी संदेश तपासा
आम्ही Flare ला सहा वेळा एकच ब्रीफ दिली: एक इंग्रजी मथळा, चार चिनी अक्षरे, एक तारीख, एक वेळ आणि दोन किमती. दृश्य तपासणीत सहाही निकालांमध्ये आवश्यक असलेल्या सहाही मजकूर रांगा वाचनीय होत्या. कमी गुणवत्तेसाठी प्रति विनंती ७० क्रेडिट्स; मध्यमसाठी १५०. प्रतीक्षेचा मध्यक ९.२ आणि ९.३ सेकंद होता — दोन सेकंदांच्या पोलिंगसह क्रमवारी लावण्यासाठी हे अंतर खूपच कमी आहे. मध्यमने अधिक ठळक पृष्ठभाग तपशील आणि चमक दिली, पण कमी गुणवत्ता आधीच मजकूर व मांडणीची प्रत म्हणून काम करत होती. आमची निवड: कमी गुणवत्तेवर शब्दरचना आणि पदानुक्रम मंजूर करा, आणि दिशा निश्चित झाल्यावर अंतिम फिनिशसाठी क्रेडिट्स खर्च करा. ही एक डिझाइन केलेली ब्रीफ आहे, मजकूर अचूकतेचा सर्वसाधारण स्कोअर नाही.
सर्व सहा रन दाखवल्या आहेत. कमी प्रतीक्षा: ९.५ / ९.२ / ८.९ सेकंद. मध्यम प्रतीक्षा: ९.३ / १६.५ / ९.१ सेकंद. विनंत्या एकाआड एक गुणवत्तेच्या क्रमाने अनुक्रमे चालवल्या गेल्या. चिनी मजकूर दृष्यदृष्ट्या तपासला; OCR ही केवळ पडताळणी होती.
केंद्रित संपादनासाठी कमी नियोजनाने सुरुवात करा
ब्रीफमध्ये NOMA लेबल, कोबाल्ट कॅप, ब्रास कॉलर आणि बाटलीचा आकार जतन करून सेज रंगाची पार्श्वभूमी मागितली होती. कमी नियोजनासह मध्यम गुणवत्तेत Sunburst ने १७.६ सेकंदात काम पूर्ण केले; उच्च नियोजनाला २५.० सेकंद लागले. दोन्हींनी १६५ क्रेडिट्सचा अंदाज दिला आणि तपासणीच्या प्रमाणात मागितलेले उत्पादन तपशील जतन केले. Flare ने तेच सोपे संपादन १२.४ सेकंदात केले. या कामासाठी नियोजन वाढवण्याचे व्यावहारिक कारण आम्हाला दिसले नाही. गुणवत्ता प्रतिमेचा तपशील नियंत्रित करते; नियोजन तयारी नियंत्रित करते. अनेक वस्तू किंवा मांडणीच्या मर्यादा असलेल्या ब्रीफसाठी अतिरिक्त नियोजन राखून ठेवा, आणि उच्च नियोजनाला आपोआप सुधारणा मानण्याऐवजी निकालांची तुलना करा.
प्रत्येक संपादित स्थितीसाठी एक विनंती; तीनही संपादन विनंत्या एकाच वेळी चालल्या. या वेळा या कॉल्सचे वर्णन करतात आणि सर्वसाधारण लेटन्सीचा फायदा सिद्ध करत नाहीत. उत्पादन तपशिलाचे मूल्यांकन स्वयंचलित ओळख गुणांकाशिवाय, दृष्यदृष्ट्या केले.
एका मंजूर उत्पादनाचे छोट्या मोहिमेत रूपांतर करा
उपयुक्त उत्पादन कार्यप्रवाह पहिली प्रतिमा मंजूर झाल्यावर सुरू होतो. आम्ही पार्श्वभूमी बदलली, लिनेनचे कापड जोडले, मग एक फूल जोडले. प्रत्येक विनंतीत मागील निकाल वापरला आणि कायम ठेवावयाच्या तपशिलांची नावे दिली: NOMA, DAILY SERUM, 30 ml, हस्तिदंती बॉडी, निळा कॅप आणि ब्रास कॉलर. हे तपशील तिन्ही संपादनांमध्ये ओळखण्यायोग्य राहिले. तीनही टप्प्यांनी एकूण ४९५ क्रेडिट्सचा अंदाज दिला आणि संदर्भ-प्रतिमा तयारी वगळून ५३.३ सेकंदांची मोजलेली प्रतीक्षा घेतली. आमची संपादकीय पसंती प्रत्येक फेरीत एक नियंत्रित बदल करण्याची आहे: लेबल किंवा सिल्हूट विचलित झाल्यास थांबण्यासाठी किंवा परत जाण्यासाठी स्पष्ट जागा मिळते.
Sunburst · मध्यम गुणवत्ता · कमी नियोजन · प्रत्येक संपादनासाठी एक संदर्भ. सुरुवातीच्या संदर्भाला ९.६ सेकंद लागले आणि १५० क्रेडिट्सचा अंदाज दिला. लहान नियंत्रित संपादने तपासण्यास सोपी असतात; हे निकाल इतर उत्पादनांवर तंतोतंत जतन होण्याची हमी देत नाहीत.
एका पात्राचा तीन संपादनांमधून मागोवा घ्या
तांबूस बॉब हेअरकट, टील चष्मा आणि चांदणीच्या आकाराची कानातली यांमुळे सातत्य तपासणे सोपे जाते. Sunburst ने पुस्तकांच्या दुकानाची पार्श्वभूमी, मोहरीवरून गडद निळ्या रंगात जॅकेटचा बदल आणि डोके वळवणे यांतूनही ती ओळखण्याजोगी वैशिष्ट्ये कायम ठेवली. मुद्रा बदल हे अधिक आव्हानात्मक उदाहरण आहे: चेहरा जसाच्या तसा ठेवण्याऐवजी पुन्हा काढावा लागतो. सुरुवातीचे व्यक्तिचित्र वगळून तीन संपादनांनी ४९५ क्रेडिट्सचा अंदाज दिला आणि एकूण ५५.१ सेकंद घेतले. आम्ही हे मोहिमेतील विविध आवृत्त्या आणि पात्र नियोजनासाठी वापरू, आणि प्रत्येक टप्प्यानंतर दृष्य तपासणी करू. आम्ही बायोमेट्रिक ओळख अचूकतेचे मोजमाप केलेले नाही, आणि संदर्भामुळे भविष्यातील प्रत्येक मुद्रेत तीच व्यक्ती असेल याची हमी आम्ही देणार नाही.
प्रत्येक संपादनात आधीची प्रतिमा वापरली. Sunburst · मध्यम गुणवत्ता · कमी नियोजन. संदर्भ तयारीस १०.० सेकंद लागले आणि १५० क्रेडिट्सचा अंदाज दिला. येथे चित्रित सर्व व्यक्ती काल्पनिक आहेत.
तुम्हाला हव्या असलेल्या लूपसाठी GIF फ्रेम्स निवडा
दोन उत्पादन GIF मध्ये समान संदर्भ, प्रॉम्प्ट आणि २०० मिलीसेकंदांचा फ्रेम विलंब वापरला आहे. चार फ्रेम्सनी १६५ क्रेडिट्समध्ये सुमारे २०७ KiB चा ०.८-सेकंदांचा लूप तयार केला; सोळा फ्रेम्सनी ४२० क्रेडिट्समध्ये सुमारे ७३४ KiB चा ३.२-सेकंदांचा लूप तयार केला. अधिक फ्रेम्समुळे हा लूप लांबला आणि फाइल मोठी झाली; केवळ यावरून ॲनिमेशन अधिक गुळगुळीत किंवा अधिक विश्वासार्ह असल्याचा पुरावा मिळत नाही. कॅपच्या कडा, बाटलीची रुंदी आणि पहिल्या फ्रेमवर परत येणे तपासा: आकारातील आणि प्रकाशातील लहान बदल दिसतात. आम्ही अशा संयमित हायलाइट लूपचा वापर उत्पादनाला उठाव देण्यासाठी करू, आणि नंतर त्याच्या मूळ डिस्प्ले आकारात त्याचे पुनरावलोकन करू. हा तयार उत्पादन ॲनिमेशन तपासण्याचा पर्याय नाही.
दोन्ही ५१२ × ५१२ आकाराच्या खऱ्या ॲनिमेटेड GIF फाइल्स आहेत, Sunburst, मध्यम गुणवत्ता आणि कमी नियोजन वापरून तयार केल्या. एकाच वेळी वेळ मोजली: १८.७ / २१.१ सेकंद. क्रेडिट अंदाजांमध्ये एका संदर्भ प्रतिमेचा समावेश आहे. GIF पॅलेटच्या मर्यादा सूक्ष्म ग्रेडियंट्सवरही परिणाम करू शकतात.
निर्णयात सोपे पर्याय विचारात ठेवा
एकल GPT Image 2.5 Flare Medium पोस्टर नियंत्रणाने सहा आवश्यक मजकूर स्ट्रिंग वाचनीय ठेवल्या. त्यास 24.1 सेकंद लागले आणि 40 क्रेडिट्सचा अंदाज दर्शवला, त्यामुळे परिचित स्थिर ब्रीफसाठी 2.6 आपोआप सर्वात कमी क्रेडिट पर्याय नाही. Flare पोर्ट्रेट-पार्श्वभूमी नियंत्रण 12.3 सेकंदात 165 क्रेडिट्सवर पूर्ण झाले आणि ओळखण्याजोगे चष्मे, केस व कानातले टिकवले. Flare ने आमची एक-पायरी संपादन नियंत्रणे पूर्ण केली, आणि Sunburst ने तीन-फेरी क्रम पूर्ण केले. आम्ही जुळणारे तीन-फेरी Flare क्रम चालवले नाहीत, त्यामुळे हे निकाल पुनरावृत्ती संपादनांमध्ये कोणती पद्धत तपशील अधिक चांगल्या प्रकारे टिकवते हे सिद्ध करत नाहीत. ही एक-वेळ नियंत्रणे आहेत, प्रत्येक मॉडेलची क्रमवारी लावण्यासाठी किंवा अधिकृत 50% वेग दावा सिद्ध करण्यासाठी पुरेशी नाहीत.
पोस्टर नियंत्रणाने पुनरावृत्त पोस्टर चाचण्यांप्रमाणेच 1K गुणोत्तर आणि प्रॉम्प्ट वापरला. व्यक्तिचित्र नियंत्रणाने पहिल्या Sunburst व्यक्तिचित्र संपादनाप्रमाणेच मूळ संदर्भ आणि सूचना वापरल्या. सध्याचे क्रेडिट वेळापत्रक मॉडेल आवृत्त्यांनुसार भिन्न आहे.
नमुन्याचा आकार दिसत असलेले पोस्टर वेग आणि क्रेडिट अंदाज
सारखीच 1K, ३:४ पोस्टर ब्रीफ. गुणवत्ता सेटिंग बदलल्यास अंदाजही बदलतो.
| GPT Image 2.6 Flare · Low | GPT Image 2.6 Flare · Medium | GPT Image 2.5 Flare · Medium | |
|---|---|---|---|
| नोंदवलेल्या विनंत्या | 3 | 3 | 1 |
| निरीक्षित मध्यक प्रतीक्षा | ९.२ सेकंद | ९.३ सेकंद | २४.१ सेकंद · एक रन |
| निरीक्षित श्रेणी | ८.९–९.५ सेकंद | ९.१–१६.५ सेकंद | २४.१ सेकंद · एक रन |
| प्रति विनंती अंदाजित क्रेडिट्स | ७० क्रेडिट्स | १५० क्रेडिट्स | ४० क्रेडिट |
| आवश्यक मजकूर रांगा वाचनीय | प्रत्येक निकालात ६ / ६ | प्रत्येक निकालात ६ / ६ | नियंत्रणात ६ / ६ |
| आमची सुरुवातीची निवड | पहिली मजकूर व मांडणी प्रत | अधिक पृष्ठभाग फिनिश | कमी क्रेडिटचे स्थिर नियंत्रण |
CreateVision AI मोजमाप आणि अंदाज, ५ नोव्हेंबर २०२६. २.५ नियंत्रणाला पुनरावृत्ती चाचण्या नाहीत. वेळेत रांग/नेटवर्क प्रतीक्षा आणि पूर्णता-निरीक्षणाचा अंदाजे दोन सेकंदांपर्यंतचा विलंब समाविष्ट आहे. हे आकडे क्रॉस-प्लॅटफॉर्म बेंचमार्क किंवा हमी दिलेले SLA नाहीत.
पुरावा तपासा
सर्व २० विनंत्या, प्रॉम्प्ट्स आणि मूळ फाइल्स
सेटिंग्ज, निरीक्षित प्रतीक्षा, क्रेडिट अंदाज आणि प्रत्येक मूळ प्रतिमा किंवा GIF च्या लिंक्ससह सार्वजनिक चाचणी रेकॉर्ड डाउनलोड करा.
OpenAI प्रतिमा निर्मिती मार्गदर्शक
गुंतागुंत, GIF आउटपुट, SVG आणि मार्कअप-मार्गदर्शित संपादन यांचे अधिकृत स्पष्टीकरण वाचा.
GPT Image 2.5 वापरत राहा
परिचित स्थिर कार्यप्रवाह आणि कमी सध्याचा क्रेडिट अंदाज महत्त्वाचा असेल तेव्हा मागील मॉडेलची त्याच्या स्वतंत्र पानावर तुलना करा.
तयार करण्यापूर्वी
GPT Image 2.6 खरंच ५०% वेगवान आहे का?
OpenAI ५०% वेग सुधारणा सांगते आणि म्हणते की कमी गुणवत्तेवर Flare केवळ सहा सेकंदांत जनरेट होऊ शकते. आमच्या तीन कमी-गुणवत्ता पोस्टर विनंत्यांना रांग आणि नेटवर्क प्रतीक्षेसह ८.९–९.५ सेकंद लागले. एका २.५ नियंत्रणाला २४.१ सेकंद लागले. हा नमुना उपयुक्त प्रतीक्षा वेळ दाखवतो, पण सर्वसाधारण ५०% सुधारणा सिद्ध करत नाही.
मी नेहमी Sunburst निवडावे का?
Flare ने आमची साधी संपादन नियंत्रणे पूर्ण केली. Sunburst ने तीन-फेरी उत्पादन व पात्र संपादनेही पूर्ण केली, पण आम्ही जुळणारे Flare क्रम चालवले नाहीत. ती उदाहरणे क्षमता दर्शवतात, श्रेष्ठ सातत्य नाही. तुमच्या कामाच्या सर्वात जवळच्या सेटअपपासून सुरुवात करा आणि दीर्घ क्रमासाठी एक निवडण्यापूर्वी दोन्ही पद्धती समान संदर्भांवर तुलना करा.
उच्च नियोजनाचा अर्थ उच्च प्रतिमा गुणवत्ता असा होतो का?
ही वेगवेगळी नियंत्रणे आहेत. गुणवत्ता रेंडरिंग तपशील आणि क्रेडिट अंदाज बदलते; नियोजन काढण्यापूर्वीची तयारी बदलते. आमच्या एकाच पार्श्वभूमी-संपादन तुलनेत कमी आणि उच्च नियोजन दोन्हींनी उत्पादन तपशील कायम ठेवले, आणि त्याच १६५-क्रेडिट अंदाजावर अनुक्रमे १७.६ आणि २५.० सेकंदांची प्रतीक्षा नोंदवली. केंद्रित संपादनांसाठी कमी नियोजनाने सुरुवात करा आणि गुंतागुंतीच्या मर्यादांसाठी ते वाढवा.
संपादनांमध्ये तीच व्यक्ती कायम ठेवता येते का?
आमच्या काल्पनिक व्यक्तीने पार्श्वभूमी, जॅकेट आणि डोक्याचा कोन बदलतानाही ओळखण्याजोगे केस, चष्मा आणि कानातली कायम ठेवली. पुढील संदर्भासाठी नवीनतम मंजूर प्रतिमा वापरा आणि प्रत्येक बदलानंतर निकाल तपासा. आम्ही ओळख जपण्याची हमी किंवा बायोमेट्रिक अचूकता गुणांकाचा दावा करत नाही.
प्रतिमेत कुठे बदल करायचा हे मी खुणांनी दाखवू शकतो का?
हो. संदर्भ प्रतिमा अपलोड करा, प्रतिमेवर खुणा करा निवडा, नंतर वर्तुळ, बाण किंवा रेखाटन करून जतन करा. तुमच्या प्रॉम्प्टमध्ये बदलाचे वर्णन करा आणि तयार झाल्यावर जनरेट करा. खुणा फक्त पहिल्या संदर्भावर लागू होतात आणि संपादनाला मार्गदर्शन करतात; त्या अचूक कटआउट मास्क नाहीत. तो संदर्भ बदलल्यास किंवा मॉडेल बदलल्यास खुणा हटतात. अतिरिक्त खुणा शुल्क नाही.
मी येथे GIF आणि SVG फाइल्स तयार करू शकतो का?
येथे GIF उपलब्ध आहे: एक 512 × 512 अ‍ॅनिमेशन, 4, 9 किंवा 16 फ्रेम्ससह. येथे SVG आउटपुट उपलब्ध नाही. PNG किंवा WebP डाउनलोड रास्टर प्रतिमा आहे, मूळ संपादनयोग्य SVG नाही.
ही उदाहरणे अनेक प्रयत्नांमधून निवडली होती का?
सार्वजनिक रेकॉर्डमध्ये या बॅचमधील सर्व २० विनंत्या आहेत, ज्यात संदर्भ तयारी, पुनरावृत्त पोस्टर्स आणि एकल २.५ नियंत्रण समाविष्ट आहे. प्रत्येक विनंती पूर्ण झाली. आम्ही पर्याय पुन्हा तयार केले नाहीत किंवा निकालांमध्ये सुधारणा केली नाही. प्रिव्ह्यू फाइल्स संकुचित आहेत; मूळ PNG आणि GIF फाइल्स रेकॉर्डमध्ये लिंक केलेल्या आहेत.
तुम्ही अजून काय तपासले नाही?
हा बॅच गर्दीच्या गट दृश्ये, लांब दस्तऐवज, हालचालीतील हात, पारदर्शक निर्यात किंवा प्रत्येक भाषेसाठी निकाल सिद्ध करत नाही. आम्ही एक काल्पनिक व्यक्ती आणि एक काल्पनिक उत्पादन चाचणी केले. संपादन नियंत्रणांची प्रत्येकी एक फेरी आहे. आम्ही जुळवलेले तीन-फेरी Flare व Sunburst क्रम, जुळवलेले सीड्स वापरले नाहीत किंवा ओळख सातत्य स्वतंत्रपणे मोजले नाही.
अधिकृत GPT Image 2.6 वैशिष्ट्ये आणि तुम्ही येथे काय वापरू शकता
- Flare आणि Sunburst
- मजकूर-ते-प्रतिमा आणि संदर्भ संपादनासाठी दोन्ही येथे उपलब्ध.
- स्वतंत्र नियोजन खोली
- कमी / मध्यम / उच्च, इमेज गुणवत्तेपासून वेगळे. वेगळा नियोजन अधिभार नाही.
- स्थिर आउटपुट
- PNG / JPEG / WebP · 1K / 2K / 4K · जास्तीत जास्त चार विनंती केलेले आउटपुट.
- संदर्भ साहित्य
- १६ प्रतिमांपर्यंत. या समीक्षेत प्रत्येक संपादनासाठी एक संदर्भ वापरला.
- ॲनिमेटेड GIF
- येथे प्रति फ्रेम ५१२ × ५१२, ४ / ९ / १६ फ्रेम्स आणि समायोज्य फ्रेम विलंबासह उपलब्ध.
- प्रतिमेवर खुणा करून संपादन
- पहिल्या संदर्भ प्रतिमेवर वर्तुळ, बाण किंवा रेखाटन करा, नंतर तुमच्या संपादनाचे वर्णन करा. खुणा स्वतंत्र पारदर्शक स्तर म्हणून पाठवल्या जातात, त्यासाठी अतिरिक्त खुणा शुल्क नाही.
- SVG आउटपुट
- येथे SVG आउटपुट उपलब्ध नाही. PNG आणि WebP डाउनलोड रास्टर प्रतिमा आहेत, संपादनयोग्य व्हेक्टर फाइल्स नाहीत.
- पारदर्शकता
- PNG आणि WebP प्रिव्ह्यू पारदर्शकता सेटिंगला सपोर्ट करतात. पारदर्शकता या चाचणी बॅचचा भाग नव्हती.
अशा निकालाने सुरुवात करा ज्यावर तुम्ही पुढे उभारू शकता.
चाचणी केलेला सेटअप निवडा, संदर्भ आपल्या प्रतिमेने बदला, मग जनरेट करण्यापूर्वी सध्याचे कोट तपासा.
जनरेटर उघडाOpenAI ने ४ नोव्हेंबर २०२६ रोजी Images 2.6 ची घोषणा केली. अधिकृत वैशिष्ट्यांचे दावे आणि आमची मोजमापे खाली स्वतंत्रपणे नमूद केली आहेत. OpenAI