Jedenaście poprawek, jedenaście razy zmieniło się coś jeszcze
👁 112 przeczytań
- Edycja komentarzem w ChatGPT Images nie ogranicza się do wskazanego fragmentu - niezamówione zmiany pojawiły się przy każdej z 5 testowanych poprawek.
- Najdobitniej pokazała to poprawka piąta: prośba o dodanie postaci po prawej stronie kadru spowodowała zmiany detali po lewej stronie obrazu.
- Polska litera Ę z ogonkiem w słowie KSIĘGARNIA została odwzorowana poprawnie i przetrwała wszystkie pięć kolejnych poprawek bez zniekształceń.
Zastrzeżenie na wstępie, bo zmienia sens całego tekstu: wbudowane narzędzie graficzne OpenAI nie ujawnia identyfikatora modelu. Dokumentacja opisuje je jako GPT Image 2. Nie mogę więc powiedzieć, że testowałem ChatGPT Images 2.5, ani że sprawdzałem zapowiadaną przy jego premierze edycję komentarzem. Testowałem to, co realnie dostaje użytkownik, gdy prosi o poprawkę obrazu, i tak to opisuję.
Sprawdziłem jedną rzecz: czy kolejne poprawki zmieniają wyłącznie to, o co proszę. Dwie niezależne serie, jedenaście poprawek. Wynik w obu: niezamówione zmiany pojawiły się już przy pierwszej poprawce i występowały przy każdej następnej. W drugiej serii potwierdziło to porównanie pikseli.
Jak wyglądał test
Obraz bazowy: wąska warszawska ulica nocą po deszczu, mokry bruk odbijający światła, po lewej witryna małej księgarni z neonem nad wejściem, przed drzwiami rower oparty o ścianę, w tle rozmyte światła samochodów. Potem pięć poprawek, każda dotycząca jednego elementu, każda wykonana na wyniku poprzedniej, bez ręcznego retuszu i bez powtarzania prób.
Co się zmieniło poza tym, o co prosiłem
| Poprawka | Zamówiona zmiana | Zmiany niezamówione |
|---|---|---|
| 1 | napis na neonie | drobne napisy na książce wystawionej w dolnej części witryny oraz liście rośliny obok niej |
| 2 | usunięcie roweru | kształt krzewu, obrys donicy przy drzwiach, jasne odbicia na chodniku poza miejscem po rowerze |
| 3 | kot na parapecie | rozjaśniona pionowa rama między witryną a drzwiami, zmienione kształty białych i złotych refleksów na bruku |
| 4 | zmiana pory na świt | kontury liści krzewu przy drzwiach, wzór rys i smug na tynku pod kotem |
| 5 | postać po prawej stronie | zmiany po przeciwnej stronie kadru: rozjaśniona dolna krawędź witryny i książki przy niej, liście za kotem, złote odbicia przed księgarnią |
Pierwsza seria: ulica. Obraz bazowy i pięć poprawek
Druga seria, tym razem z porównaniem pikseli
Powtórzyłem test na innym materiale: packshot butelki oliwy na marmurowym blacie, sześć kolejnych poprawek. Wynik jest ten sam, ale tym razem poparty porównaniem pikseli, a nie samymi oględzinami.
| Poprawka | Zamówiona zmiana | Zmiany niezamówione |
|---|---|---|
| 1 | napis na etykiecie | szczegóły soli i faktura marmuru |
| 2 | rozmaryn na tymianek | faktura etykiety, refleksy przy dnie butelki |
| 3 | usunięcie miseczki | odcień liter na etykiecie, refleksy na szyjce |
| 4 | marmur na ciemne drewno | jasność tymianku, faktura etykiety |
| 5 | cień butelki | refleksy na ramionach butelki, słoje poza cieniem |
| 6 | przyciemniane szkło | drobne szczegóły etykiety i drewna |
Druga seria: packshot. Obraz bazowy i sześć poprawek
Znowu pierwsza poprawka, znowu zmiany poza wskazanym obszarem. Napis „OLIWA TŁOCZONA NA ZIMNO” wyszedł poprawnie, łącznie z literą Ł.
Co to znaczy w praktyce
Piąta poprawka pokazuje mechanizm najlepiej. Poprosiłem o dodanie postaci po prawej stronie kadru, a model zmienił detale po lewej. To nie jest edycja fragmentu w sensie, w jakim rozumie ją grafik. To ponowne wygenerowanie całego obrazu z zachowaniem podobieństwa, przy którym drobne szczegóły dryfują.
Dla większości zastosowań to bez znaczenia. Przy zdjęciu do wpisu na blogu nikt nie sprawdzi, czy liście krzewu mają ten sam kształt. Ale przy pracy, w której obraz ma pozostać tym samym obrazem, waga jest ogromna: katalog produktowy, seria grafik dla marki, ilustracja z powtarzającym się elementem. Tam każda poprawka wymaga ponownego przejrzenia całości.
Rzecz, która wyszła nadspodziewanie dobrze
Polska litera Ę w neonie z napisem KSIĘGARNIA została odwzorowana poprawnie, z widocznym ogonkiem, i przetrwała wszystkie kolejne poprawki aż do ostatniego obrazu. To realny postęp, bo diakrytyki na grafice są najsłabszym punktem całej kategorii i sprawdzam je osobno w teście polskiej typografii w generatorach.
Granice tego testu
Dwie serie, dwa różne obrazy bazowe, jedenaście poprawek łącznie. W pierwszej serii ocena opierała się na oględzinach, w drugiej na porównaniu pikseli. Nadal jednak bez powtórzeń tego samego polecenia, więc nie wiem, jak duży jest rozrzut między próbami. I najważniejsze: nie wiadomo, która generacja modelu odpowiadała. Jeśli była to wersja starsza, obietnica edycji komentarzem zapowiedziana przy ChatGPT Images 2.5 pozostaje niesprawdzona, a ten test mówi jedynie o stanie zastanym.
Powtórzę go, gdy pojawi się sposób na jednoznaczne wskazanie wersji, i dopiszę wynik tutaj. Zestawienie obu generacji prowadzę w tekście 2.5 kontra 2.0.
Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →Jak sprawdzić to u siebie w dziesięć minut
Weź obraz z wieloma drobnymi detalami: witryna, półka, zastawiony stół. Poproś o jedną zmianę, a potem porównaj wersję przed i po, patrząc nie na to, co zmieniłeś, tylko na wszystko dookoła. Powtórz pięć razy. Jeśli robisz serie grafik, ten test powie Ci więcej niż jakikolwiek ranking.
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Najczęstsze pytania
Czy poprawka zmienia tylko wskazany fragment obrazu?
W tym teście nie. Niezamówione zmiany pojawiły się już przy pierwszej poprawce i występowały przy każdej kolejnej, łącznie ze zmianami po przeciwnej stronie kadru niż ta, której dotyczyło polecenie.
Którą wersją modelu przeprowadzono test?
Nie wiadomo. Wbudowane narzędzie graficzne OpenAI nie ujawnia identyfikatora modelu, a dokumentacja opisuje je jako GPT Image 2. Nie można więc przypisać wyniku konkretnej generacji ani ocenić na tej podstawie zapowiedzi ChatGPT Images 2.5.
Jak wyglądał test edycji obrazu?
Dwie serie na różnych obrazach bazowych, łącznie jedenaście poprawek. Każda dotyczyła jednego elementu i była wykonana na wyniku poprzedniej, bez ręcznego retuszu. W drugiej serii różnice potwierdzono porównaniem pikseli.
Czy to problem w codziennej pracy?
Przy pojedynczej ilustracji nie. Przy katalogu produktowym i serii grafik dla marki każda poprawka wymaga ponownego przejrzenia całości, bo drobne detale potrafią się zmienić.
Jak model poradził sobie z polskimi znakami?
Litera Ę w napisie KSIĘGARNIA została odwzorowana poprawnie, z widocznym ogonkiem, i przetrwała wszystkie kolejne poprawki.
Podobne tematy na Promptowym
