GPT Image: модель картинок OpenAI для тех, кто рисует в ChatGPT

Картинки в ChatGPT рисуются в чате, а если та же задача нужна внутри вашего сервиса, у OpenAI есть отдельный интерфейс - GPT Image API. Это доступ к генерации, редактированию и трансформации изображений прямо из кода, на основе новейшей мультимодальной модели для генерации и правки высокого качества. Разбираем по официальной справке, что модель умеет, чем она отличается от прежних DALL-E 3 и DALL-E 2, как править только часть картинки и что важно знать про хранение результатов и доступ.

Что умеет GPT Image

Справка выделяет несколько сильных сторон, и почти все они про послушность инструкции, а не про красоту саму по себе:

• Текст на изображении. Модель наносит надписи поверх картинки, включая подписи к шагам инструкции и текст в стиле плаката.
• Следование инструкции и детали. Длинное описание со множеством условий отрабатывается по пунктам, а не превращается в "что-то похожее".
• Фотореализм. В примерах справки просят снимок конкретного вида, вплоть до имитации того, как снимала бы цифровая камера 2006 года, с отпечатанной датой в углу.
• Точечное редактирование. Правка отдельных фрагментов, а не только перерисовка целиком.
• Работа с вашей картинкой на входе. Загружаете изображение и просите переделать его - например, в живопись в определённом стиле и с другой палитрой, сохранив детали оригинала.
• Свои элементы в макете. В запрос можно приложить логотип и попросить собрать с ним готовый постер с нужными надписями на двух языках.

Набор возможностей формально описывается тремя действиями: создать новое изображение по текстовому запросу, отредактировать существующее (например, закрасить область или сменить стиль) и сделать вариации изображения. Последнее доступно только на DALL-E 2.

Чем отличается от DALL-E 3 и DALL-E 2

Старые модели никуда не делись, и справка честно разводит их по задачам:

• GPT Image - модель по умолчанию. Работает на генерации и редактировании. Сильные стороны: наивысшее качество, аккуратное следование подробной инструкции, прозрачный фон.
• DALL-E 3 - только генерация. Берут ради больших разрешений и изображений, построенных вокруг текста.
• DALL-E 2 - генерация, редактирование и вариации. Берут ради низкой цены и быстрых параллельных запросов.

Практический вывод: если нужен точный результат по сложному описанию или прозрачный фон под макет, берите GPT Image. Если задача массовая и дешёвая, а качество вторично, старая модель всё ещё имеет смысл.

Как править только часть картинки

Да, это возможно. Механика такая: вместе с исходным изображением вы передаёте маску в формате PNG. Прозрачные пиксели маски и есть та область, которую нужно заменить. Размеры маски обязаны совпадать с размерами исходного изображения - это самая частая причина, по которой запрос не проходит.

Такой способ надёжнее, чем описывать область словами: вы буквально указываете, где можно рисовать, и остальной кадр остаётся нетронутым.

Где хранятся картинки и сколько живёт ссылка

Тут важная деталь, на которой легко потерять результаты работы. Изображения, созданные через API, OpenAI не хранит постоянно. Если вы запрашиваете ответ в виде ссылки, эта ссылка действует до 60 минут.

Отсюда правило: скачивайте или кэшируйте файл сразу, если он нужен вам дольше часа. Класть в базу ссылку на картинку вместо самой картинки - гарантированный способ получить пустые места в интерфейсе на следующий день.

Модерация, доступ и лимиты

Все запросы на изображения проходят фильтрацию по правилам OpenAI. При этом для GPT Image API можно настроить параметры модерации изображений под свою задачу.

Ещё два момента, которые всплывают при первом же запуске. Организацию в API нужно верифицировать - без этого доступа к модели не будет, процедура описана в отдельной инструкции по верификации организации. И на запросы действуют ограничения по частоте, актуальные значения смотрят на странице лимитов, а цены - на странице моделей. Конкретные цифры справка не фиксирует, поэтому и мы их не называем: сверяйтесь с официальной страницей на момент запуска.

Где купить ChatGPT из России

Российской картой ни подписку, ни баланс API оплатить не выходит - платёж не проходит. Мы делаем это за вас: ChatGPT Go, Plus, Pro 5x и Pro 20x, а также пополнение API-баланса, с которого и оплачиваются запросы к GPT Image. Оплата картой РФ или через СБП, выдача в день заказа, поддержка на русском в чате на сайте.