AI KÉP

Az OpenAI bejelentette a ChatGPT Images 2.5 és az API-ban elérhető GPT-Image-2.5 (Flare és Sunburst) modelleket. A heti több mint 3 milliárd generált képet kiszolgáló infrastruktúra frissítése nemcsak kozmetikai finomítás: az új modell akár 50%-kal alacsonyabb latenciával dolgozik, miközben áttörést hoz a multi-turn szerkesztésben, és a referenciafotók karakterazonos megtartásában. Emellett a korábbi modellhez képest gyorsabb a generálási idő is.

A grafikusok és AI-alkotók számára az egyik fontos kérdés: képes-e a GPT Image 2.5 végleg levetkőzni az „AI-műanyag” hatást, és hogyan teljesít a magyar nyelvi tipográfiában, ahol a korábbi modellek előszeretettel véreztek el a hosszú Ő, É, Í és Ű betűknél?

Az alábbiakban a négy szigorú technikai szempont mentén vizsgáljuk meg a generált eredményeket.

I. Tipográfia és magyar ékezet

A „Kézműves Bűvölet” felirat ékezetei (Ö/Ű/É/Ű) hibátlanok, a betűtípus kontúrjai élesek, nem torzulnak. az alsó sorban már nehezebben olvasható, mérete lehetne kicsit nagyobb, a logó jól elkülönül és nincs torzulás a leveleken.

Tesztelt elemek: bőr megvilágítása, fém tükröződés, vízcseppek, durva gyapjú textília

Az anyagok fizikai viselkedése az optikai szabályokhoz igazodik. A gyapjú pulóver elemi szálai elkapják a kontúrfényt (rim light), míg a fémfelületeken lévő vízcseppek szépen elkülönülnek, nem mosódnak egybe. A bőr pórusai természetesek, eltűnt az eperbőr-szerű túlélesítés.

III. Anatómia 

Tesztelt elemek: Idős kézműves megviselt kezei, ráncok, körömágyak, szakáll szálai. Az ujjak száma helyes, de a hüvelykujj mérete a megszokottnál kisebb, a ráncok a homlokon megfelelőek, de a szemnél túlzóak. a szakállnál latszanak az AI általi túlzások, egy munkásembernek nem ilyen.

A multi-turn szerkesztésnél (amikor a meglévő képet alakítjuk tovább) a karakter arca és fizikai jegyei megőrződnek, nem generálódik teljesen új személyiség a háttér cseréjekor.

IV. Prompt követés

Összességében a leírt hosszú és részletes promptot jól követte apróbb hibákkal.

Az új @Sketch és kommentelős szerkesztési funkciókkal (chatgptben) pedig közvetlenül kijelölhető a módosítandó rész anélkül, hogy a kép többi része elcsúszna.

Szeretnéd te is letesztelni a GPT Image 2.5 erejét? Használd az alábbi tesztpromptunkat, módosítsd a tárgyat vagy a szöveget, generáld le ChatGPT-ben, vagy az API-ban, és oszd meg velünk a generált képedet az adatlapodon!

Hirdetés:

AI KÉP

Az OpenAI április 21-én mutatta be a GPT Image 2.0-t, amelynek motorja a gpt-image-2 névre hallgató, teljesen új, önálló architektúrán alapuló modell. A korábbi kétlépéses inferencia helyett egymenetes (single-pass) generálást alkalmaz.

Ahogy az lenni szokott (az OpenAI-nál különös hangsúlyt fektetnek rá) minden új modellnél megy a hype, az első pár napban megtolják, mindenki csak arról beszél, majd szép lassan enyhül az érdeklődés. Ezzel nincs is baj, így volt a Nano Banana-val is, vagy évekkel ezelőtt a magyar fejlesztésű (azóta szépen a feledés homályába kerülő) Tengr.ai -val is. Szóval most, hogy mindenki lenyugodott picit, mi is egy nyugodtabb hangvételű szubjektív teszttel jelentkezünk.

Lássuk mik az erősségek és a gyengeségek első körben.

Főbb erősségek (PRO)

1. Szövegmegjelenítés – az egyik legnagyobb áttörés és a legtöbbet postolt téma volt a social oldalakon
   Az AI-képgenerátorok hagyományos Achilles-sarka a képeken belüli szöveg volt. A GPT Image-2 ezt radikálisan javította: Poszterek, menük, diák, logók szövegei helyesen jelennek meg. Többnyelvű szöveg renderelése (latin, cirill, keleti írásrendszerek), infografikák, ikonok, UI-elemek megbízható megjelenítése.
2. Gondolkodáson alapuló generálás – („Images with Thinking”) – gondoljuk mi, hogy ő gondolja (a szerk.-bocsi)
   A modell nem egyszerűen „értelmezi” a promptot, hanem szinte megérti mit akarsz (ez jó, mert néha én sem tudom magamtól mit akarok). Komplex, részletes utasítások esetén is megőrzi a kért elemeket – többnyire.
3. Fotórealitás és stíluskezelés – javult az arc- és karakterkonzisztencia szerkesztések során, fényképszerű realizmus: apró tökéletlenségek, filmszerű fény, textúrák; széles stíluspaletta: fotó, manga, pixel art, cinematic, illusztráció
4. Precizitás és összetett jelenetek– több karakteres, konzisztens kompozíciók; mozgásleírások, folyamatábrák, step-by-step vizualizációk; kulturálisan helyes kontextuális megjelenítés
5. 2K felbontás – natív 2K (2048px) kimenet, ami éles, professzionális felhasználásra is alkalmas
6. Sebesség – az új architektúra várható késleltetése <3 másodperc (a korábbi 8-12 mp-vel szemben), az jó gyors
7. Rugalmas képarányok – bannertől -> mobilképernyőig bármilyen arányban generál
8. API elérhetőség
9. Naprakész ismeretek, integrált webes tudás – nem csak vizuálisan, hanem tartalmilag is pontos eredmények.

Gyengeségek és korlátok (KONTRA)

1. Tartalomszigorítás – Az OpenAI erős tartalommoderálási politikája visszatérő probléma. Sok teljesen ártatlan, kreatív kérést is blokkol a rendszer, ami frustráló lehet
2. Generálási időkorlátok (kvóta) – Ingyenes felhasználóknak napi kb. 5-6 kép / Plus előfizetőknek kb. 50 kép / 3 óra (ezek az adatok tájékoztató jellegűek), komplex képeknél akár 2 perc is lehet egy generálás
3. Esztétikai minőség – A legtöbb összehasonlítás megállapítja: Midjourney esztétikai szempontból máig verhetetlen. Atmoszféra, fényjáték, textúra, „vibe” – ezekben a GPT-Image-2 nem éri el a Midjourney V8 szintjét. A Midjourney kreatívabb, „levegősebb” képeket alkot
4. Upscaling hiánya
5. Stíluskonsisztencia sorozatoknál – A Midjourney –sref (stílusreferencia) parancsával nagyon következetes vizuális sorozatokat lehet előállítani – ezt a ChatGPT képgenerálás még mindig nem tudja ilyen megbízhatóan hozni
6. Anatomiai/technikai diagramok – Komplex anatómiai vagy szimbolikus diagramoknál még mindig előfordulhatnak pontatlanságok, kell a szakmai tudás mögé

Szempont	GPT-Image-2	Midjourney V8	Flux 2	Ideogram 3.0
Szöveg a képen	★★★★★	★★★☆☆	★★★★☆	★★★★★
Esztétikai minőség	★★★★☆	★★★★★	★★★★☆	★★★☆☆
Prompt-pontosság	★★★★★	★★★☆☆	★★★★☆	★★★★☆
Fotórealitás	★★★★☆	★★★★☆	★★★★★	★★★☆☆
Könnyű használat	★★★★★	★★★☆☆	★★★☆☆	★★★★☆
Képszerkesztés	★★★★☆	★★☆☆☆	★★★★★	★★☆☆☆
API elérhetőség

GPT-Image-2 ideális:

• Logók és szöveges grafikák tervezéséhez

• Infografikákhoz, prezentációs diákhoz

• Termékvizualizációhoz (e-commerce)

• Technikai diagramokhoz, feliratozáshoz

• Többnyelvű marketinganyagokhoz

Nem neked való, ha:

• Müvészi moodboardot, fantasy/sci-fi atmoszférát szeretnél → Midjourney

• Maximális fotórealizmust keresel → Flux 2

• Portfólió-minőségű illusztrációt alkotnál → Midjourney, Recraft, Ideogram

Neked mik az első tapasztalataid a képgenerátorról? 
Írd meg kommentben.

Prompt a képhez: 

Hirdetés:

AI KÉP

A REVE ai alapú képgeneráló tavalyi megjelenése óta (itt írtunk róla) valahogy itthon sem kapott kellő figyelmet, kimaradt a hype-ból. Nem is csoda, hiszen a nagyok elvitték a showt- eddig. Ez egy olyan amerikai startup, ami azt állítja  magáról, hogy erős a vizuális megjelenítésben és nagy hangsúlyt fektettek arra, hogy a program szerkesztési (EDIT) funkcióit erősítsék. Mi sem bizonyítja ezt jobban, mint a mostani újítás, ami tekinthető szoros kapcsolódási pontnak a fent írtakkal. Maga a Reve felülete szerintem erősen hajaz a Midjourney-vel, de itt be is fejezhetjük az összehasonlítást, mert nem egy súlycsoport a kettő. Azt viszont meg kell hagyni, hogy szerintem kifejezetten erős a prompt követésben – nem úgy, mint pl. az GPT képgenerátora.

A mostani update-el bevezették a stílus referenciát, aminek segítségével a Te saját stílusodat tudod a generált vagy szerkesztett képre átvinni. Használata nagyon egyszerű. A prompt box alján középen van egy ” @ ” jel, ezzel hívod elő a szerkesztő boxot. Következő lépésként maximum 20 db referencia képet tudsz feltölteni, ezek segítségével fogja a program majd módosítani a képedet. Alatta megadsz egy fantázianevet, amivel fogsz tudni hivatkozni a stílusra (javasolt olyan nevet adni, amivel könnyen be tudod TE azonosítani). Majd egy legördülő menüből választhatod ki a 15 db témakörből a számodra legmegfelelőbbet. A jó eredmény érdekében a képekhez passzoló témakört válaszd. Elmented és már kezdheted is a generálást, szerkesztést.

Jelenleg 2 éle csomag közül tudsz választani. A FREE tökéletes választás, ha megismerkednél magával a képgenerálással és ai alapú képszerkesztéssel, napi 25-30 generálás a limit (ebbe bele tartozik, ha szerkesztéssel generálsz újat). A PRO csomagban ennél jóval többet tudsz generálni, pontos számot nem ad meg, csak, hogy 100x többet a freehez képest, mindezt 20 dollárért.

Szubjektív véleményem, hogy bár önmagában nem egy nagy újítás – a versenytársakhoz képest – mégis szükséges volt már ez, mert azért még mindig elmarad tudásban és szolgáltatásokban a konkurenciához képest, főleg az árat tekintve.

Neked mi a véleményed, használod?

A galériára kattintva láthatod a beállítás lépéseit.

Hirdetés:

AI KÉP

Új tesztsorozatunkban bemutatjuk a legújabb modelleket (többnyire saját platformjukon belül tesztelve, tehát nem API-n keresztül) egy saját, több lépésből álló lista alapján, amivel objektíven (de mégis meghagyva a szubjektivitás lehetőségét) ábrázoljuk azok jellemzőit.

Mit vizsgáltunk? A teszt során minden modell ugyanazt az összeállított, nehéz feladatsort kapja meg. Igyekszünk a képgeneráló modellek gyenge pontjaira célozni: a kevert fényviszonyok kezelésétől kezdve a finom textúrákon át a szövegértésig. Majd, ha minden teszt megvan lesz egy átlagolás, ami mindenki számára sokkal érthetőbb.

Kezdjük sorozatunkat a Nano Banana PRO-val, ami már nem új kiadás, ellenben a Google nagyra hype- olt verziója.

***

1. Első benyomások (UX): Fontos megemlítenem, hogy ez a tesztet nem egy API-n keresztül elérhető platformon végeztem, hanem a Google saját Gemini felületén, ahol beépített funkcióként szerepel az LLM-ben, így grafikai megjelenés nincs, és beállítási lehetőségek sem – szemben az API-s megoldásokkal – tehát csak a promptban tudom jelezni a rendszernek a képarányokat, stílusokat, stb. A promptokat egyébként beadtam a  Google WHISK – nek is alap beállításokkal, semmit nem változtatva, és meglepően hasonló eredményeket dobott ki. Szóval jelen pillanatban itt az első benyomás nem releváns, de inkább azt mondanám, hogy pozitív.

2. Képminőség, Fények és Textúrák: A legnehezebb „Stressz-teszt” (melyben kevert fényeket, idős bőrt és fémes textúrákat kértem egyszerre).  Az idős uras képnél azt figyeltem, hogy a promptban megadott bal oldal gyertya, csipesz a kézben, jobb oldalon kékes fény kombinációt mennyire hozta. A gyertyát sajnos nem sikerült neki legenerálnia, helyette egy szép retro asztali lámpát készített, a többi elemet viszont jól hozta. Emellett kértem az idős emberi bőr textúráját, és azt is, hogy a csipeszt élethűen fogja meg, miközben azt is megadtam neki, hogy mindezt helyezze be egy témához illő környezetbe (az órát és kis alkatrészeket ő rakta rá). Az ujjak helyzete is tökéletes lett, ahogy a csipeszt közé fogja. Meg vagyok elégedve ezzel a résszel.

Összegzés:

Saját, szubjektív véleményem a Nano Banana PRO képgenerátorról, hogy a kért utasításokat elvégezte, 1-2 apróbb hibát vétett, amit újabb generálással vagy utólagos szerkesztéssel már javított, a prompt utasítás követése meglepően jó, és a magyar ékezeteket is többnyire jól hozza le (a konkurenciához képest mindenképpen).

Bátran ajánlom neked is, kezdd el használni, és oszd meg velünk a képeidet, tapasztalataidat.  

Neked hogy tetszett ez a teszt? Kérlek jelezd a lenti ikonokkal.

Hirdetés: