
API OpenAI Image Variations คืออะไร?
การสร้างภาพแบบแปรผันเริ่มต้นจากภาพแทนที่จะเป็นข้อความคำสั่ง บริการนี้จะวิเคราะห์ภาพต้นแบบและส่งคืนภาพที่สร้างขึ้นใหม่หนึ่งภาพหรือหลายภาพ ซึ่งมีความคล้ายคลึงกับภาพต้นแบบในระดับสูง สี แสง รายละเอียดของวัตถุ พื้นผิว และการจัดองค์ประกอบอาจมีการเปลี่ยนแปลงระหว่างผลลัพธ์ต่าง ๆ ผลลัพธ์ที่ได้คือภาพที่สร้างสรรค์และมีความสัมพันธ์กับภาพต้นแบบ ไม่ใช่ภาพที่คัดลอกมาโดยรักษาพิกเซลทุกตัวไว้.
นักพัฒนามักค้นพบจุดปลายทางนี้ผ่านตัวอย่าง DALL-E ที่เก่ากว่า ประวัติความเป็นมานี้ก่อให้เกิดความสับสน เนื่องจากคำว่า “variation” ฟังดูเหมือนเป็นคุณสมบัติทั่วไปในการแปลงภาพจากภาพหนึ่งไปยังภาพอื่น ในทางปฏิบัติ งานสามประเภทที่ต่างกันมักถูกรวมไว้ภายใต้ชื่อเรียกนี้:
| งาน | แนวคิด API ที่ดีที่สุด | ระดับการควบคุม |
|---|---|---|
| สร้างภาพใหม่จากคำ | การสร้างภาพ | คำสั่งควบคุมฉาก |
| เปลี่ยนส่วนหนึ่งหรือทั้งหมดของภาพที่มีอยู่ตามคำแนะนำ | แก้ไขภาพ | คำสั่ง รูปภาพต้นแบบ และบางครั้งอาจมีมาสก์ด้วย |
| ขอความเห็นต่าง ๆ เกี่ยวกับภาพหนึ่งภาพ | ความหลากหลายของภาพ | การควบคุมคำสั่งแบบจำกัดที่ขับเคลื่อนจากแหล่งข้อมูล |
ดังนั้น ควรเข้าใจจุดปลายทาง (endpoint) ว่าเป็นเส้นทางเฉพาะ ไม่ใช่ API ภาพ OpenAI แบบค่าเริ่มต้น โมเดลภาพ OpenAI ปัจจุบันอาจให้ความสามารถในการสร้างและแก้ไขที่แข็งแกร่งขึ้นผ่านจุดปลายทางอื่น ๆ หรือผ่าน API Responses การสนับสนุนโมเดลไม่สามารถใช้แทนกันได้: โมเดลที่ระบุไว้สำหรับการสร้างจะไม่ถูกถือว่าใช้ได้โดยอัตโนมัติสำหรับรูปแบบต่าง ๆ และหน้าตัวอย่างที่เก่ากว่าไม่ใช่หลักฐานว่าโมเดลนั้นยังใช้งานได้ในปัจจุบัน.
ก่อนที่จะเริ่มเขียนโค้ด โปรดอ่านตารางความเข้ากันได้ระหว่างรุ่นและจุดสิ้นสุด (model-and-endpoint) ที่อัปเดตล่าสุดในเอกสารของ OpenAI บทความนี้หลีกเลี่ยงการกล่าวอ้างว่ารุ่นที่เพิ่งประกาศออกมาสนับสนุนเส้นทางเดิม (legacy route) เว้นแต่ข้อมูลอ้างอิง API อย่างเป็นทางการจะระบุไว้อย่างชัดเจน.
ใช้ OpenAI’s คู่มือการสร้างภาพอย่างเป็นทางการ สำหรับคำแนะนำเกี่ยวกับขั้นตอนการทำงานปัจจุบัน, คู่มือ API Images สำหรับฟิลด์ที่ได้รับการยอมรับและการสนับสนุนจุดปลายทาง และ หน้าราคา API สำหรับการเรียกเก็บเงินปัจจุบัน โปรดตรวจสอบทั้งสามข้ออีกครั้งเมื่อมีการเปลี่ยนแปลงในการดำเนินการ.
ข้อจำกัดที่สำคัญที่สุด: การเปลี่ยนแปลงไม่ใช่การแก้ไขตามคำสั่ง
ข้อผิดพลาดในการนำไปใช้ที่พบบ่อยที่สุดคือการคาดหวังว่าคำขอนี้:
เก็บรองเท้าไว้ เปลี่ยนเพียงผนังให้เป็นสีเขียวอ่อน รักษาโลโก้ไว้ และเพิ่มแสงจากหน้าต่างที่นุ่มนวล.
นั่นเป็นคำสั่งสำหรับการแก้ไข โดยปกติแล้วคำขอปรับเปลี่ยนจะไม่รับคำสั่งประเภทนี้ บริการนี้สามารถส่งภาพกลับมาที่มีรูปทรงรองเท้าที่ต่างไป โลโก้ที่ถูกปรับเปลี่ยน มุมกล้องที่เปลี่ยนไป หรือสีที่เปลี่ยนไป เนื่องจากความคล้ายคลึงทางความหมายไม่ใช่การรักษาเอกลักษณ์.
ใช้ความหลากหลายเมื่อเป้าหมายคือการสำรวจ ใช้การปรับเปลี่ยนเมื่อเป้าหมายคือการจำกัด.
กฎนี้ยังช่วยป้องกันการให้คำสัญญาเกี่ยวกับผลิตภัณฑ์ที่อาจทำให้เข้าใจผิดได้อีกด้วย หน้าเว็บที่โฆษณาว่า “ความหลากหลายของแคมเปญที่สอดคล้องกับแบรนด์” ไม่ควรพึ่งพาจุดปลายทางแบบสุ่มที่อิงจากแหล่งข้อมูลเพียงอย่างเดียว โดยไม่ทำการทดสอบความถูกต้องของโลโก้ รูปทรงของผลิตภัณฑ์ การแสดงผลข้อความ และความแม่นยำของสี ข้อความที่สร้างโดย AI และเครื่องหมายขนาดเล็กอาจเกิดความผิดเพี้ยนได้ แม้ภาพโดยรวมจะดูน่าเชื่อถือก็ตาม.
หากคุณต้องการชุดเครื่องมือภาพที่กว้างขวางยิ่งขึ้น โดยไม่ต้องจัดการบัญชีผู้ให้บริการแยกกัน GlobalGPT ให้พื้นที่ทำงานที่สะดวกสำหรับการเปรียบเทียบโมเดลการสร้างและแก้ไขภาพ ซึ่ง การเปรียบเทียบเครื่องมือสร้างภาพด้วย AI มีประโยชน์ในการเลือกโมเดลตามงาน ส่วน คู่มือการแก้ไขภาพ GlobalGPT เน้นไปที่การเปลี่ยนแปลงที่นำโดยการสอนมากกว่าการเปลี่ยนแปลงที่อิงจากแหล่งข้อมูลเพียงอย่างเดียว.
กรอบการตัดสินใจก่อนที่จะเรียก API
ถามห้าคำถามก่อนที่จะเลือกจุดปลายทาง.
ห้าข้อตัดสินใจก่อนที่จะขอภาพ
1. สิ่งวัตถุเฉพาะนั้นต้องคงอยู่ในสภาพเดิมหรือไม่?
หากคำตอบคือใช่ การปรับเปลี่ยนแบบบริสุทธิ์จะมีความเสี่ยงสูง รูปทรงของผลิตภัณฑ์ ข้อความบนบรรจุภัณฑ์ ลักษณะใบหน้า และโลโก้ เป็นรายละเอียดที่ระบบสร้างเนื้อหา (generative systems) มักจะตีความใหม่ ดังนั้น ควรเลือกใช้การแก้ไข (edit) การรวมภาพแบบมาสก์ (masked composite) หรือกระบวนการออกแบบกราฟิกแบบดั้งเดิม (conventional graphics pipeline) แทน.
2. คุณจำเป็นต้องอธิบายความเปลี่ยนแปลงด้วยคำพูดหรือไม่?
หากคุณจำเป็นต้องกำหนดพื้นหลัง การจัดแสง เลนส์ ฤดูกาล ชุดสี หรือการจัดสัดส่วนภาพ ให้ใช้กระบวนการสร้างหรือแก้ไขที่รองรับคำสั่ง (prompt) จุดสิ้นสุดแบบแปรผัน (variation endpoint) ไม่สามารถคาดการณ์เจตนาของคุณได้อย่างน่าเชื่อถือจากข้อมูลต้นทางเพียงอย่างเดียว.
3. การค้นพบมีค่ามากกว่าความสามารถในการทำซ้ำหรือไม่?
การทดลองรูปแบบต่าง ๆ มีประสิทธิภาพสูงในช่วงการระดมความคิด: การสำรวจอารมณ์, ทิศทางศิลปะเบื้องต้น, การพัฒนาสไตล์ต่าง ๆ, และภาพตัวอย่างขนาดย่อที่เป็นตัวเลือก อย่างไรก็ตาม การทดลองรูปแบบต่าง ๆ จะมีประสิทธิภาพน้อยลงเมื่อผู้ตรวจสอบด้านกฎหมายคาดหวังว่าจะมีเพียงองค์ประกอบเดียวที่ได้รับการอนุมัติเท่านั้นที่จะมีการเปลี่ยนแปลง.
4. คุณสามารถปฏิเสธผลลัพธ์ส่วนใหญ่ได้หรือไม่?
กระบวนการทำงานที่ถูกต้องควรรวมถึงขั้นตอนการคัดเลือก สร้างชุดข้อมูลขนาดเล็ก ประเมินผลลัพธ์แต่ละรายการตามรายการตรวจสอบ และเก็บไว้เฉพาะผลลัพธ์ที่ผ่านการตรวจสอบเท่านั้น อย่าให้ระบบอัตโนมัติในขั้นตอนต่อไปสมมติว่าภาพแรกเป็นภาพที่ยอมรับได้.
5. คุณเป็นเจ้าของกรณีการใช้งานของข้อมูลต้นทางและข้อมูลปลายทางหรือไม่?
การเข้าถึง API ไม่ให้สิทธิ์ในการใช้โลโก้ของฝ่ายที่สาม ตัวละครที่มีลิขสิทธิ์ ภาพส่วนตัว หรือภาพที่ได้รับการคุ้มครอง โปรดตรวจสอบสิทธิ์ในการใช้งานของคุณและอ่านเงื่อนไขและนโยบายการใช้งานปัจจุบันของ OpenAI สำหรับการอภิปรายเชิงปฏิบัติที่กว้างขึ้น โปรดดู ภาพที่สร้างด้วย AI สามารถใช้ในเชิงพาณิชย์ได้หรือไม่ และคู่มือแยกต่างหากสำหรับ การใช้ภาพ ChatGPT ในวัตถุประสงค์เชิงพาณิชย์.
การเตรียมข้อมูลนำเข้า: รายละเอียดเล็กๆ น้อยๆ เป็นปัจจัยกำหนดว่าคำขอจะทำงานได้หรือไม่
ตัวอย่างของ Variations รุ่นเก่ามักต้องการไฟล์ PNG เป็นข้อมูลนำเข้า พื้นที่วาดรูปทรงสี่เหลี่ยม และไฟล์ที่มีขนาดไม่เกินขีดจำกัดที่ระบุไว้ในเอกสาร ข้อกำหนดเหล่านี้อาจเปลี่ยนแปลงได้ ดังนั้นควรอ้างอิงจากเอกสารอ้างอิง API เวอร์ชันล่าสุดเป็นข้อมูลที่เชื่อถือได้ อย่าสมมติว่าไฟล์ JPEG ที่ถูกยอมรับโดยจุดปลายทางสำหรับการแก้ไข (edit endpoint) จะถูกยอมรับโดยจุดปลายทางสำหรับ Variations (variation endpoint) ด้วย.
เตรียมภาพอย่างตั้งใจ:
- ตัดภาพให้เป็นรูปสี่เหลี่ยมโดยไม่ตัดส่วนสำคัญของวัตถุออก.
- แปลงเป็น PNG โดยรักษาช่องอัลฟาไว้เฉพาะเมื่อมีความจำเป็นเท่านั้น.
- ใช้โหมดสีที่รองรับ RGB.
- บีบอัดไฟล์ให้ขนาดเล็กลงกว่าขีดจำกัดที่ระบุไว้ในเอกสารปัจจุบัน.
- ลบข้อมูลเมตาดาต้าที่ไม่ควรถูกส่งออกจากระบบของคุณ.
- เก็บค่าเช็กซัมและขนาดต้นฉบับไว้ในบันทึกงานของคุณ.
การขยายภาพจากแหล่งต้นที่ขนาดเล็กจะไม่ช่วยกู้คืนรายละเอียดที่หายไป แต่เพียงสร้างพิกเซลเพิ่มเติมเท่านั้น หากภาพต้นมีความเบลอ ให้พิจารณาการกู้คืนภาพก่อน; คู่มือบน การปรับปรุงภาพด้วย ChatGPT และ ปรับความคมชัดของภาพ อธิบายว่าทำไมการฟื้นฟูไม่ควรถูกเข้าใจผิดว่าเป็นการกู้คืนหลักฐานที่แท้จริง.
ตัวอย่าง Node.js: คำขอแบบป้องกันหลายรูปแบบ
พื้นที่ SDK ที่แท้จริงอาจเปลี่ยนแปลงได้ระหว่างเวอร์ชันต่าง ๆ โปรดตรวจสอบวิธีการและโมเดลที่รองรับในเอกสารประกอบของ JavaScript SDK เวอร์ชัน OpenAI ปัจจุบัน รูปแบบด้านล่างนี้ถูกออกแบบมาเพื่อป้องกันอย่างตั้งใจ: โมเดลถูกกำหนดจากการตั้งค่า การตอบสนองถูกตรวจสอบความถูกต้อง และไม่มีการส่งข้อความแจ้งเตือนที่ไม่ได้รับการสนับสนุน.
ทำไมจึงใช้ base64 ในตัวอย่างนี้? เพราะวิธีนี้ช่วยหลีกเลี่ยงการต้องพึ่งพา URL ดาวน์โหลดชั่วคราว การตอบสนองที่ใช้ URL อาจสะดวก แต่ worker ของคุณต้องดาวน์โหลดข้อมูลเหล่านั้นก่อนที่ URL จะหมดอายุ และตรวจสอบประเภทเนื้อหาที่ส่งกลับมา Base64 ทำให้ขนาดการตอบสนองเพิ่มขึ้น ดังนั้นจึงไม่ใช่ตัวเลือกที่ดีที่สุดโดยอัตโนมัติเมื่อใช้งานในระบบที่มีขนาดใหญ่.
อย่าวาง API key ใน JavaScript ของเบราว์เซอร์หรือใน repositori สาธารณะเลย ให้เรียก OpenAI จากเซิร์ฟเวอร์ที่เชื่อถือได้ ฟังก์ชันที่จัดการความลับ หรือ worker ตรวจสอบประเภทไฟล์โดยการวิเคราะห์ข้อมูลไบต์ ไม่ใช่เพียงชื่อไฟล์เท่านั้น และกำหนดขีดจำกัดการส่งคำขอ ก่อนที่จะรับไฟล์ที่อัปโหลดจากสาธารณะ.
ตัวอย่าง Python
อีกครั้ง โปรดใช้เอกสาร SDK เวอร์ชันปัจจุบันเป็นแหล่งข้อมูลที่เชื่อถือได้สำหรับชื่อเมธอดและโมเดล.
ในสภาพแวดล้อมการผลิต ให้ใช้ตรรกะการลองใหม่ (retry logic) กับคำขอเฉพาะในกรณีที่เกิดข้อผิดพลาดที่สามารถลองใหม่ได้เท่านั้น รูปแบบข้อมูลที่ผิดพลาดหรือโมเดลที่ไม่ได้รับการสนับสนุนจะไม่ดีขึ้นหลังจากลองใหม่ 5 ครั้ง ให้บันทึก ID ของคำขอ เวอร์ชัน SDK โมเดลที่เลือก ค่าเช็กซัมของไฟล์ สถานะ ความล่าช้า และประเภทข้อผิดพลาด โดยไม่บันทึกข้อมูลลับหรือไบต์ของภาพส่วนตัว.
เมื่อ API การแก้ไขภาพเป็นตัวเลือกที่ดีกว่า
สมมติว่าทีมการตลาดมีภาพถ่ายผลิตภัณฑ์ที่ได้รับการอนุมัติแล้ว และต้องการใช้ภาพดังกล่าวใน 4 สถานการณ์ ได้แก่ พื้นหลังสตูดิโอสีฟ้า โต๊ะจัดอาหารในวันหยุด ภาพขนาดย่อที่ดูสะอาดตาสำหรับตลาดออนไลน์ และเรื่องราวแบบแนวตั้ง การปรับเปลี่ยนแบบใช้เฉพาะต้นฉบับอาจทำให้ผลิตภัณฑ์ถูกออกแบบใหม่ได้ ส่วนคำสั่งการแก้ไขสามารถระบุคุณสมบัติที่ไม่เปลี่ยนแปลงได้.
ใช้คำสั่งแบบนี้ในโมเดลภาพที่สามารถแก้ไขได้:
คำว่า “exactly” ไม่ใช่การรับประกัน แต่เป็นข้อจำกัดที่ต้องตรวจสอบให้แน่ชัด ให้เปรียบเทียบผลลัพธ์กับต้นฉบับที่ความละเอียดสูงสุด สำหรับตัวอย่างการแก้ไขข้อความคำสั่งขั้นสูง ดูได้ที่ วิธีแก้ไขภาพโดยใช้คำสั่งข้อความ, ChatGPT สามารถแก้ไขภาพได้หรือไม่, และ ChatGPT สามารถแก้ไขรูปภาพได้หรือไม่.
การทดสอบที่มีค่าใช้จ่ายต่ำแต่ให้หลักฐานที่มีประโยชน์
อย่าใช้คำสั่งที่ดูน่าดึงดูดมาทดสอบแล้วรายงานว่าผลลัพธ์ “ดูดี” แต่ควรสร้างระบบประเมินผลขนาดเล็กขึ้นมา.
เลือกภาพต้นแบบหนึ่งภาพที่มี:
- วัตถุหลักหนึ่งชิ้นที่มีรูปทรงที่สังเกตเห็นได้ชัดเจน;
- สองสีหลัก;
- พื้นหลังที่เรียบง่าย;
- ไม่มีบุคคลทั่วไป ตัวละครที่ได้รับการคุ้มครอง หรือข้อความทางกฎหมายที่อ่านไม่ออก;
- รายละเอียดเล็กๆ แต่สังเกตได้ เช่น ปุ่มหรือเส้น.
ทำงานสองงาน:
- สร้างสองเวอร์ชันที่มีเฉพาะโค้ดต้นแบบ.
- สร้างการแก้ไขสองครั้งตามคำสั่ง โดยใช้แหล่งข้อมูลเดียวกันและคำขอเปลี่ยนแปลงที่ชัดเจน.
จากนั้นให้ให้คะแนนทั้งสี่ผลลัพธ์ตั้งแต่ 0 ถึง 2 ในด้านตัวตนของวัตถุ, รูปทรงเรขาคณิต, ความเที่ยงตรงของสี, การจัดองค์ประกอบ, ระดับของสิ่งผิดปกติ, และการปฏิบัติตามคำแนะนำ ผลลัพธ์แบบ variation ไม่มีความจำเป็นต้องปฏิบัติตามคำแนะนำนอกเหนือจากความสัมพันธ์กับแหล่งต้นแบบ ในขณะที่ผลลัพธ์แบบ edits ต้องปฏิบัติตาม ซึ่งทำให้การเปรียบเทียบเป็นไปอย่างยุติธรรมและเผยให้เห็นความแตกต่างของจุดปลายทาง.
| เกณฑ์ | 0 | 1 | 2 |
|---|---|---|---|
| อัตลักษณ์ของเรื่อง | หัวข้ออื่น | คล้ายกัน | เก็บไว้อย่างชัดเจน |
| เรขาคณิต | การเบี่ยงเบนหลัก | การเบี่ยงเบนเล็กน้อย | มั่นคง |
| สี | ผิด | เก็บไว้บางส่วน | แม่นยำ |
| วัตถุโบราณ | ทำให้เสียสมาธิ | ข้อบกพร่องเล็กน้อย | สะอาด |
| การเปลี่ยนแปลงที่ขอ | หาย | บางส่วน | เสร็จสิ้น |
บันทึกข้อมูลงานทั้งหมดไว้ รวมถึงกรณีที่ล้มเหลวด้วย การทดสอบจริงอาจแสดงให้เห็นว่า การปรับเปลี่ยนแบบสร้างสรรค์อาจดูน่าสนใจกว่าทางสายตา ในขณะที่การแก้ไขนั้นปลอดภัยกว่าในด้านการใช้งาน นี่คือข้อสรุปที่มีประโยชน์ และน่าเชื่อถือกว่าการอ้างว่าผลลัพธ์หนึ่งนั้นดีกว่าอย่างทั่วถึง.
การจัดการข้อผิดพลาดที่จำเป็นในระบบผลิต
ข้อผิดพลาดในการผลิตจำเป็นต้องได้รับการจัดการอย่างชัดเจน
ภาพไม่ถูกต้อง หรือรูปแบบไม่ได้รับการสนับสนุน
ปฏิเสธไฟล์ที่มีขนาดใหญ่เกินไปตั้งแต่ต้น, ทำการถอดรหัสในไลบรารีที่ได้รับการควบคุม, ปรับทิศทางให้ถูกต้อง, และเข้ารหัสใหม่ อย่าเชื่อถือเพียงจากนามสกุลไฟล์หรือ MIME ของไคลเอนต์เท่านั้น.
โมเดลหรือพารามิเตอร์ที่ไม่ได้รับการสนับสนุน
ควรแจ้งข้อผิดพลาดในการกำหนดค่าให้ผู้ดำเนินการทราบ แทนที่จะเปลี่ยนโมเดลไปอย่างเงียบๆ ระบบสำรองอาจส่งผลต่อคุณภาพ พฤติกรรมด้านความปลอดภัย ราคา และสถานะการตรวจสอบทางกฎหมาย.
ข้อจำกัดจำนวนคำขอ หรือความผิดพลาดของเซิร์ฟเวอร์ชั่วคราว
ใช้เทคนิคการรอแบบเอ็กซ์โพเนนเชียลที่มีขอบเขตพร้อมกับการปรับความแปรปรวน (jitter) ให้บันทึกสถานะการไม่เปลี่ยนแปลง (idempotency) เพื่อป้องกันไม่ให้การลองใหม่สร้างงานที่ชำระเงินซ้ำหลังจากหมดเวลา.
การปฏิเสธเพื่อความปลอดภัย
อย่าลดความเข้มงวดหรือทำให้คำขอไม่ชัดเจนโดยอัตโนมัติเพื่อหลีกเลี่ยงการถูกปฏิเสธ ให้แสดงข้อความที่เป็นกลาง รักษาประเภทข้อผิดพลาดไว้ และให้ผู้ใช้เลือกแหล่งที่มาที่สอดคล้องกับข้อกำหนด.
ผลส่วนหนึ่งของชุดข้อมูล
ให้จัดการผลลัพธ์แต่ละรายการอย่างแยกกัน ตรวจสอบความสามารถในการถอดรหัส รูปแบบจริง ขนาด และขนาดไบต์ขั้นต่ำ ก่อนที่จะระบุว่างานนั้นสำเร็จ.
การวางแผนค่าใช้จ่ายโดยไม่เผยแพร่ราคาที่ล้าสมัย
ค่าใช้จ่ายของ Image API ขึ้นอยู่กับโมเดลที่รองรับ ขนาดภาพ คุณภาพ จำนวนผลลัพธ์ และในบางกรณีอาจรวมถึงการประมวลผลข้อมูลเข้าด้วย ราคาที่ถูกกำหนดไว้อย่างตายตัวและคัดลอกมาจากบทความบล็อกเก่าถือเป็นข้อผิดพลาดในการดูแลระบบ.
ใช้สูตรการวางแผนนี้:
เก็บข้อมูลราคาไว้ในบันทึกการตั้งค่าที่มีวันที่ ซึ่งเชื่อมโยงกับหน้ากำหนดราคาอย่างเป็นทางการของ OpenAI เพิ่มการแจ้งเตือนงบประมาณ ขีดจำกัดรายวัน ปริมาณผลลัพธ์สูงสุดต่อคำขอ และโควตาต่อผู้ใช้ การหมดเวลา (timeout) ไม่ถือเป็นหลักฐานว่าผู้ให้บริการไม่รับงาน; ให้ตรวจสอบและปรับให้ตรงกับ ID คำขอของผู้ให้บริการก่อนที่จะลองใหม่ กฎข้อเดียวนี้ช่วยป้องกันการเรียกเก็บเงินซ้ำโดยไม่ได้ตั้งใจได้หลายกรณี.
สำหรับทีมที่กำลังเปรียบเทียบแบบจำลอง, คู่มือที่ดีที่สุดเกี่ยวกับเครื่องมือสร้างภาพด้วย AI ให้บริบทของกระบวนการทำงานที่กว้างขึ้น และ ตัวเลือกอื่น ๆ สำหรับภาพใน ChatGPT ช่วยแยกความเหมาะสมของ API ออกจากรสนิยมทางภาพ.
เมื่อ GlobalGPT เป็นกระบวนการทำงานที่เรียบง่ายกว่า
API แบบตรง OpenAI เป็นตัวเลือกที่เหมาะสมเมื่อคุณต้องการการอัตโนมัติด้านเซิร์ฟเวอร์ การควบคุมการเข้าถึงอย่างเคร่งครัด วงจรชีวิตการจัดเก็บข้อมูลตามความต้องการของคุณเอง และการบูรณาการอย่างลึกซึ้งกับแอปพลิเคชัน นอกจากนี้ ยังจำเป็นต้องมีการจัดการข้อมูลรับรอง การตรวจสอบความถูกต้องของข้อมูลที่ป้อน การจัดการข้อผิดพลาด การควบคุมค่าใช้จ่าย และการดูแลรักษาจุดปลายทางอย่างต่อเนื่อง.
GlobalGPT เป็นวิธีที่ง่ายกว่าเมื่อเป้าหมายคือการเปรียบเทียบผลงานสร้างสรรค์และเสร็จสิ้นงานสร้างภาพโดยไม่ต้องสร้างระบบบูรณาการเฉพาะ คุณสามารถสลับไปมาระหว่างโมเดลที่เน้นการสร้างเนื้อหาและโมเดลที่เน้นการแก้ไขภายในพื้นที่ทำงานเดียวกัน เก็บรักษาข้อความคำสั่ง (prompt) เป็นส่วนหนึ่งของบันทึกงานสร้างสรรค์ และเลือกเครื่องมือที่เหมาะสมกับงานนั้น แทนที่จะต้องส่งคำขอทุกครั้งผ่านจุดสิ้นสุด (endpoint) แบบเดิม.
ลองใช้ GlobalGPT เมื่อคุณต้องการกระบวนการทำงานกับภาพแบบหลายโมเดลที่มีปฏิสัมพันธ์ ใช้ API OpenAI แบบตรง เมื่อขั้นตอนการประมวลผลภาพต้องอยู่ภายในซอฟต์แวร์ของคุณเอง และคุณพร้อมที่จะรับผิดชอบด้านการพัฒนาทางวิศวกรรมที่เกี่ยวข้อง.
คำแนะนำเชิงปฏิบัติ
ใช้ API OpenAI Image Variations เฉพาะเมื่อคุณได้ยืนยันแล้วว่าจุดปลายทางปัจจุบันรองรับ และต้องการทางเลือกที่ไม่มีข้อจำกัด ซึ่งสร้างขึ้นจากภาพต้นแบบรูปสี่เหลี่ยมอย่างแท้จริง อย่าใช้ API นี้เพื่อเป็นทางลัดสำหรับงานแปลงภาพทั้งหมด.
หากต้องการปรับเปลี่ยนงานสร้างสรรค์ให้แม่นยำ ให้เริ่มจากกระบวนการแก้ไขภาพ สำหรับการจัดองค์ประกอบภาพใหม่ ให้เริ่มจากกระบวนการสร้างภาพจากข้อความ สำหรับสินทรัพย์แบรนด์ ให้เพิ่มขั้นตอนการตรวจสอบโดยมนุษย์และการจัดองค์ประกอบแบบดั้งเดิม ในกรณีที่ความแม่นยำของพิกเซลมีความสำคัญ สถาปัตยกรรมที่ดีที่สุดไม่ใช่ระบบที่มีชื่อรุ่นใหม่ที่สุด แต่คือระบบที่มีอินเทอร์เฟซการควบคุมที่สอดคล้องกับความต้องการ.
คำถามที่พบบ่อย
API OpenAI Image Variations รับคำสั่งแบบข้อความได้หรือไม่?
กระบวนการทำงานของ Classic Variations ได้รับการขับเคลื่อนจากภาพต้นแบบ และไม่ควรถูกมองว่าเป็นจุดสิ้นสุดของการแก้ไขที่นำโดยคำสั่ง หากต้องการอธิบายการเปลี่ยนแปลงอย่างแม่นยำ ให้ใช้เส้นทางแก้ไขหรือสร้างภาพที่ได้รับการสนับสนุนในปัจจุบัน ซึ่งได้บันทึกไว้ในเอกสาร OpenAI.
การปรับเปลี่ยนภาพนั้นเหมือนกับการแก้ไขภาพหรือไม่?
ไม่ครับ การปรับเปลี่ยน (variation) สร้างการตีความใหม่ของต้นฉบับ ส่วนการแก้ไข (edit) ใช้คำสั่งและบางครั้งใช้มาสก์เพื่อควบคุมสิ่งที่ถูกเปลี่ยนแปลง การแก้ไขมักเหมาะสมกว่าเมื่อองค์ประกอบบางประการต้องคงที่.
รุ่น OpenAI ใดที่รองรับการปรับเปลี่ยนภาพ?
มีการเปลี่ยนแปลงในเรื่องความเข้ากันได้ของโมเดล โปรดตรวจสอบโมเดลที่ได้รับการสนับสนุนโดยตรงในเอกสารอ้างอิง Images API เวอร์ชันปัจจุบันของ OpenAI ก่อนการปรับใช้ อย่าสมมติว่าโมเดลสร้างภาพทุกตัวจะสนับสนุนทุกจุดปลายทาง (endpoint) ของ Images.
ทำไมคำขอปรับรูปแบบไฟล์ของฉันถึงถูกปฏิเสธเมื่อใช้ไฟล์ JPEG?
จุดปลายทางอาจกำหนดรูปแบบ ขนาด รูปร่าง หรือขีดจำกัดขนาดไฟล์ที่เฉพาะเจาะจง ให้ปรับรูปแบบไฟล์ต้นทางให้สอดคล้องกับข้อกำหนดในเอกสารคู่มือการใช้งาน ซึ่งในตัวอย่างเก่ามักเป็นไฟล์ PNG รูปสี่เหลี่ยมจัตุรัส และตรวจสอบความถูกต้องของไฟล์ที่ถอดรหัสแล้วก่อนอัปโหลด.
API สามารถรักษาโลโก้หรือใบหน้าให้ตรงตามต้นฉบับได้หรือไม่?
คุณไม่ควรสัญญาว่าจะรักษาลักษณะเดิมไว้ได้อย่างสมบูรณ์เมื่อใช้เทคนิคการสร้างภาพแบบเจเนเรทีฟ ควรตรวจสอบความถูกต้องของข้อมูล รูปทรง การสะกดคำ และสีของแบรนด์ที่ความละเอียดสูงสุด หากต้องการความแม่นยำสูง ควรใช้การแก้ไขภาพ การมาสก์ การรวมภาพ หรือกระบวนการทำงานด้านกราฟิกที่ไม่ใช้เทคนิคการสร้างภาพแบบเจเนเรทีฟ.
ผมควรขอแบบต่าง ๆ กี่แบบดีครับ?
เริ่มด้วยจำนวนน้อยก่อน โดยทั่วไปคือหนึ่งหรือสองผลลัพธ์ แล้ววัดอัตราการยอมรับก่อนที่จะขยายขนาด การเพิ่มจำนวนผลลัพธ์จะทำให้ค่าใช้จ่ายและงานตรวจสอบเพิ่มขึ้น แต่ไม่รับประกันว่าภาพใดก็ตามจะตรงตามข้อกำหนดของแบรนด์ที่เข้มงวด.








