GIF-y w ChatGPT: jak zrobić animację z obrazka i ile to trwa

👁 125 przeczytań

Pierwsza rzecz, którą OpenAI pokazało 5 listopada w nocy przy premierze ChatGPT Images 2.6, to nie było zdjęcie. To był kot w płatkach kwiatka, który się kiwa. Prośba w okienku brzmiała po prostu „can you make a dancing cat gif?”. I to jest najkrótsze streszczenie nowości: obrazek w ChatGPT może się teraz ruszać, a ty nie potrzebujesz do tego programu do animacji.

Zbieram tu, jak to działa w ChatGPT i w API, z limitami, które OpenAI podało w dokumentacji. Od razu uczciwie: GIF-ów nie robiłem jeszcze przez API, bo pośrednik, przez którego testowałem modele 2.6, na razie nie wystawia tej opcji. Moje pomiary statycznych obrazów są w hubie o Images 2.6.

W ChatGPT: proszę o GIF-a i tyle

W ChatGPT nie ma osobnego przycisku. Piszesz zwykłym zdaniem, że chcesz GIF-a, i opisujesz ruch. Możesz zacząć od samego opisu albo wgrać obrazek i poprosić, żeby go ożywić. Według zapowiedzi OpenAI potem da się zmienić tempo animacji, podejrzeć pojedyncze klatki i poprawić wybraną klatkę.

Z tego, co OpenAI pokazuje w przykładach, najlepiej działają krótkie, zapętlone ruchy jednej postaci: pomachanie, podwójne spojrzenie, taniec zwycięstwa, który wraca do pozy startowej. Tak zresztą brzmi rada w oficjalnym wpisie dla programistów: zacznij od gotowej grafiki i opisz ruch, który na końcu wraca do pierwszej klatki. Dzięki temu pętla nie szarpie.

1. Wgraj obrazek albo opisz postać.
2. Opisz jeden ruch, nie fabułę. „Jeż macha łapką i mruga” zadziała lepiej niż „jeż idzie do lasu, spotyka wiewiórkę i razem jedzą jabłko”.
3. Dopisz, że animacja ma być zapętlona i wracać do pozy startowej.
4. Jeśli tempo jest za szybkie albo za wolne, poproś o zmianę prędkości zamiast generować od nowa.

Funkcja wchodzi stopniowo. W pierwszym dniu część kont jej nie miała, więc jeśli u ciebie ChatGPT odpowiada zwykłym obrazkiem, to raczej kwestia czasu niż źle napisanej prośby.

W API: trzy parametry i twardy budżet pikseli

W API GIF-a zamawiasz w zwykłym endpoincie do generowania obrazów, ustawiając format wyjściowy na gif. Działa to w obu nowych modelach, gpt-image-2.6-flare i gpt-image-2.6-sunburst. Dokumentacja OpenAI podaje takie granice:

• Liczba klatek (frame_count): od 2 do 64, domyślnie 9.
• Czas jednej klatki (frame_duration_ms): od 20 do 2000 milisekund, zaokrąglany do 10 ms, domyślnie 200. Domyślnie wychodzi więc pętla 9 klatek po 0,2 s, czyli 1,8 sekundy.
• Rozmiar (size): auto albo szerokość na wysokość w wielokrotnościach 16.
• Tylko generowanie. Endpoint do edycji obrazów nie oddaje GIF-ów, a GIF nie może być obrazem wejściowym.

Haczyk jest jeden: wszystkie klatki dzielą ten sam limit pikseli. Nie dostaniesz 64 klatek w maksymalnej rozdzielczości. Jeśli zapytanie przekroczy budżet, OpenAI radzi zmniejszyć liczbę klatek, rozmiar klatki albo liczbę animacji w jednym wywołaniu.

Cena idzie normalnie od tokenów obrazu, tak jak przy zdjęciach: 30 USD za milion tokenów wyjściowych. OpenAI nie podaje stałej ceny za GIF-a, a każda klatka to dodatkowe piksele, więc licz się z tym, że animacja kosztuje wielokrotność pojedynczego obrazka. Ile dokładnie, sprawdzę, kiedy zrobię pierwsze GIF-y przez API, i dopiszę tutaj.

Do czego ja bym tego użył

Moim zdaniem GIF z ChatGPT to nie jest zamiennik wideo z Kling czy Seedance i nie warto go tak traktować. To jest narzędzie do małych rzeczy, które dotąd wymagały grafika i godziny w After Effects: animowana naklejka na Slacka, ruszająca się maskotka w stopce maila, pętla w aplikacji, kiedy coś się ładuje, sprite postaci do prostej gry. Do takich zadań 1,8 sekundy pętli to dokładnie tyle, ile trzeba.

Jeśli chcesz pełnych klipów z ruchem kamery i dźwiękiem, zajrzyj do tekstu o Kling 4.0. A jeśli zaczynasz w ogóle od obrazów w ChatGPT, prostszy start jest w poradniku jak generować obrazy w ChatGPT.