OpenAI on julkaissut uuden GPT Image 1.5 -päivityksen, joka tuo merkittäviä parannuksia ChatGPT:n kuvankäsittelyominaisuuksiin. Päivitys on vastaus Googlen Gemini-projektin aiemmin tänä vuonna julkaisemiin kuvanmuokkausparannuksiin, jotka tunnetaan leikkisästi koodinimellä Nano Banana. Uuden päivityksen myötä ChatGPT pystyy muokkaamaan kuvia tarkemmin ja nopeammin kuin koskaan aiemmin, ja se pystyy käsittelemään yksityiskohtia säilyttäen kuvan kokonaisuuden ehyenä.
Yksi merkittävimmistä parannuksista on kyky muokata kuvan tiettyä osaa ilman, että muut osat muuttuvat. Tämä tarkoittaa, että käyttäjät voivat lisätä tai poistaa elementtejä tai muuttaa niiden väriä tai tyyliä ilman, että koko kuvaa tarvitsee muuttaa radikaalisti. Lisäksi ChatGPT pystyy nyt yhdistämään useita kuvia yhdeksi kohtaukseksi, mikä avaa mahdollisuuksia luoda esimerkiksi kuva, jossa sinä ja ystäväsi olette Sydney Harbour Bridgen edessä ilman, että olette oikeasti paikan päällä.
OpenAI kertoo, että uusi kuvageneraattori pystyy seuraamaan ohjeita entistä luotettavammin ja tuottamaan kuvia jopa neljä kertaa nopeammin kuin aikaisemmin. Tekstit voivat olla monipuolisempia tyyliltään ja kooltaan, ja kuvat ovat realistisempia ja virheettömämpiä. OpenAI kuitenkin myöntää, että parannettavaa on edelleen.
Testasin uutta GPT Image 1.5 -mallia luomalla kuvia erilaisista skenaarioista, kuten kiireisestä teknologiajournalistista, tyhjässä varastossa olevasta lampusta sekä sarjakuvamaisesta sumuisesta mäkimaastosta. Pyysin myös Geminiä luomaan samat kuvat samoilla ohjeilla. Tulokset vaihtelivat laadultaan ja realistisuudeltaan, mutta molemmat ohjelmistot suoriutuivat tehtävistä tasavertaisesti. Pieniä ongelmia ilmeni joskus fysikaalisten lakien kanssa, mutta ei mitään merkittävää.
Molemmat tekoälyohjelmistot pystyvät myös tekemään puhtaita kuvanmuokkauksia. Esimerkiksi journalistin vaatetuksen muuttaminen kauluspaitaan ja solmioon onnistui ilman, että muut kuvan osat muuttuivat. Tämä olisi ollut manuaalisesti erittäin aikaa vievää, vaikka käyttäjänä olisi Photoshop-asiantuntija.
Värimuutokset sujuivat molemmilta ohjelmistoilta hyvin, mutta perspektiivin muuttaminen osoittautui haastavammaksi. Kun pyysin nähdä saman kuvan eri kulmasta, ohjeiden noudattaminen oli epäjohdonmukaisempaa ja kuvat vähemmän yhtenäisiä, kun uusia alueita piti luoda. Tässä ChatGPT kuitenkin suoriutui hieman paremmin kuin Gemini.
Klassinen ”poista objekti kuvasta” -haaste sujui molemmilta ohjelmistoilta mallikkaasti: sekä Gemini että ChatGPT pystyivät poistamaan mökin maaseutumaisemasta kirurgisella tarkkuudella, jättäen kaiken muun ennalleen. Tämä on jälleen yksi esimerkki siitä, kuinka aikaa vievät muokkaukset voidaan nyt tehdä sekunneissa.
Kuvien yhdistely on toinen alue, jossa sekä ChatGPT että Gemini ovat kehittyneet. Voit esimerkiksi yhdistää erilliset kuvat sinusta ja vanhemmistasi samaan kuvaan ja lisätä taustaksi haluamasi maiseman. Tämä avaa mahdollisuuksia luoda täydellisiä perhekuvia ilman, että perheenjäseniä tarvitsee fyysisesti kerätä yhteen tai matkustaa mihinkään.
Tässä kohtaa ohjelmistot kuitenkin kohtasivat hieman enemmän haasteita: vaikka muokkaustaidot olivat edelleen vaikuttavat, lopputulokset eivät aina näyttäneet yhtenäisiltä kohtauksilta. Valaistus voi olla pielessä tai eri kuvista peräisin olevat elementit voivat esiintyä eri mittakaavoissa, mikä vaatii käyttäjältä lisää hienosäätöä ja uudelleenkäynnistystä, jotta kaikki saadaan kohdilleen.
ChatGPT suoriutui hieman paremmin eri kuvien ja elementtien yhdistämisessä sekä kuvan yleisilmeen muuttamisessa. Kun yritin luoda kaikista kuvistani tummasävyisen film noir -tyylisen otoksen, ChatGPT tuotti jotain suhteellisen yhtenäistä, kun taas Geminin tuotos näytti enemmän leikekirjamaiselta.
Kuvien uudelleenmuokkaus voi olla hauskaa ja molemmat ohjelmistot pystyvät nyt tuottamaan todella vaikuttavia tuloksia. Perhe- ja ystäväkuvien muokkaamisesta tulee varmasti suosittua, mutta se ei ole aivan helppoa: tuttujen ihmisten kanssa generatiivinen tekoäly tuottaa helposti vääränlaisia tuloksia, sillä ChatGPT eikä Gemini tiedä tarkalleen miltä nämä ihmiset näyttävät, miten he hymyilevät tai miten he yleensä seisovat tai istuvat.
ChatGPT ja Gemini ovat molemmat nyt korkealla tasolla, ja ne tuovat edistyneen Photoshop-tason muokkausmahdollisuudet kaikkien ulottuville. Jos jommallakummalla on tällä hetkellä etulyöntiasema, se on ChatGPT:llä, mutta ero ei ole suuri. On myös mielenkiintoista nähdä, mihin suuntaan nämä kuvankäsittelyominaisuudet kehittyvät tulevaisuudessa.