Vyzkoušeli jsme nejlepší model na generování obrázků! ChatGPT zvládne hory textu i skvělé portréty

Technologické firmy se neustále předhánějí v tom, kdo vytvoří nejschopnější jazykový model. Nemenší váhu však přikládají také generování multimediálního obsahu, a to předevšímtvorbě obrázků. Zatímco donedávna se s modelem Nano Banana 2 dal za krále považovat Google, s úterním uvedením modelu ChatGPT Images 2.0 se do vedení dostává OpenAI. Nový model jsme vyzkoušeli apřinášíme ukázky z praxe.

ChatGPT znovu králem generování obrázků

Zatímco před rokem lákaly firmy stojící za AI modely především na dechberoucí obrázky se širokým spektrem barev, OpenAI se v souvislosti s ChatGPT Images 2.0 soustředí primárně na praktičnost. Ne že by model nebyl schopen generovat fascinující scenérie – sami je ostatně uvidíte níže – ale prioritou je přesné sledování instrukcí, precizní práce s objekty a především bezchybný text v různých jazycích a s vysokou hustotou. Hnacím motorem je schopnost přemýšlet, kterou má model od OpenAI vůbec poprvé, a také možnost vyhledávat informace na internetu.

Tvůrci zkrátka jasně dávají najevo, že nový model není jen na hraní. Dovede vytvářet špičkové infografiky, které jsou připravené pro okamžitou publikaci na sociálních sítích, úchvatné plakáty, nebo dokonce stránky časopisu a úchvatné komiksy. Exceluje také v napodobování rukou psaného písma. Zkrátka není divu, že v žebříčku Arena AI obsadil první příčku s výrazným bodovým náskokem.

Praktické ukázky: plakát, recepty a ilustrační obrázek

Hned, jakmile jsem ChatGPT Images 2.0 vyzkoušel poprvé, jsem si uvědomil, jak mne mrzí, že OpenAI s modelem nepřišla o pár měsíců dříve. Není to totiž tak dlouho, co jsem musel vytvářet plakát s informacemi o filozofu Williamu Jamesovi. Jelikož nejsem žádný expert přes design, a především se mi do tohoto specifického úkolu nechtěl investovat čas, rozhodl jsem se poprosit o pomoc Gemini. K promptu jsem přiložil soubory se všemi potřebnými informacemi a podobiznu filozofa a dočkal se obrázku, který byl vizuálně tak otřesný, že bych si jej nepověsil ani na dveře od toalety. O to více mě nyní výsledkem překvapilo ChatGPT – znalejší by sice pravděpodobně poznali, že plakát vytvořila umělá inteligence, ale za jeho finální podobu se rozhodně není důvod stydět.

Oblíbeným příkladem využití při představení nových modelů pro generování obrázků je zpracování receptů do vizuální podoby. Neváhal jsem proto a vložil do ChatGPT návod na přípravu Raffaello kuliček zkopírovaný z internetu. O výsledku si troufnu tvrdit, že je fascinující – podobně jako u filozofa je pozoruhodné, s jakým množstvím textu si AI poradila. Velmi oceňuji také výsledný design, kterým bych jako blogger zaměřený na vaření okamžitě obohatil svůj článek (kdybych jím byl, samozřejmě).

Jelikož se mi tento návrh líbil, rozhodl jsem se, že s pomocí ChatGPT Images 2.0 vytvořím i další recepty na své oblíbené dobroty – bramborový salát a jahodový milkshake. Konzistence je skvělá a zamlouvá se mi, jakým způsobem AI přizpůsobuje barevnou paletu danému pokrmu.

V neposlední řadě jsem potřeboval ilustrační obrázek ke článku o neoprávněném přístupu k modelu Anthropic Mythos (na webu posléze vyšel ve čtvrtek odpoledne). Trochu jsem se inspiroval u agentury Reuters, kde rádi využívají motiv s chytrým telefonem a logem společnosti/služby. ChatGPT jsem proto přiložil logo Anthropicu a zadal prompt:

„vygeneruj mi poutavý širokoúhlý obrázek, kde bude telefon s logem Anthropicu na pozadí s hlavou humanoidní umělé inteligence. obrázek bude širokoúhlý a barevně atraktivní“

U první verze obrázku se mi nicméně nezamlouval poměr stran – věděl jsem, že po ořezu se nevleze do mřížky, kterou se musím řídit. Obrázek jsem tedy rozklikl a v nabídce zvolil nový poměr stran 16:9. ChatGPT po chvilce generování přišel s novým obrázkem.

Samozřejmě jste si mohli všimnout, že prompty, které jsem využil, byly poměrně triviální. Experti na umělou inteligenci prompty sestavují klidně desítky minut, někdy i hodiny, aby dostali co možná nejpřesnější výsledky. Já tímto způsobem spíše předvedl, jak může z ChatGPT vytáhnout kvalitní výsledky i naprostý laik, jemuž se zkrátka nechce tvořit sáhodlouhé detailní instrukce.

Dovedu si představit, že výše umístěná infografika týkající se hodinek Redmi Watch 6 by byla dokonalejší, kdybych si s promptem více pohrál. Na to, že jsem s ní strávil dohromady zhruba tři minuty včetně samotného čekání na zhotovení, je ale docela slušná.

Upraví vaše fotografie tak, jak si přejete

ChatGPT Images 2.0 si umí výborně poradit i se změnou stylu fotografií. Mé selfíčko ze Španělska po zadání promptu „Udělej mi z této fotografie animovaného avatara. Dodrž všechny detaily včetně pozadí, jen to překresli do animované podoby.“ vypadá takto:

Neméně zajímavé bylo i převedení fotografie na sci-fi obrázek plný neonů s triviálním promptem „Přepracuj tenhle obrázek do cyberpunkového stylu s neony“

V neposlední řadě jsem si vzpomněl, že bych si po dlouhé době mohl změnit fotografii v profilu redaktora nebo na platformách jako LinkedIn. ChatGPT jsem tedy přiložil svá tři selfíčka a prompt „Vytvoř mi ateliérový portrét jako novou profilovou fotografii na můj profil redaktora. Přikládám ti své fotografie, abys věděl, jak vypadám. Na sobě budu mít černou košili s rozepnutým vrchním knoflíčkem a seriózní, byť usměvavý výraz.“.

Ač jsem s výsledkem po stránce přesnosti a dodržení instrukcí spokojen, ještě se budu muset rozhodnout, zda mi tento typ fotografie skutečně vyhovuje natolik, abych se s ní veřejně prezentoval…

Galerie ukázek: portrét, Android a další

Co na nový model pro tvorbu obrázků říkáte vy?