OpenAI เปิดตัว Images 2.6 เมื่อวันที่ 4 พฤศจิกายน โดยฟีเจอร์หลักคือการสร้าง GIF โดยตรง จากคำสั่งข้อความ ภาพถ่าย หรือสเก็ตช์ด้วยมือ ก็สามารถเปลี่ยนเป็นภาพเคลื่อนไหวแบบวนลูปได้ วิธีการไม่ใช่โมเดลวิดีโอกระจายภาพ แต่ยืมแนวทางการทำเฟรมต่อเนื่องจากอุตสาหกรรมเกม — วาดหลายช่องเป็นภาพต่อเนื่องในภาพเดียวแล้วแยกชิ้นส่วนมาประกอบเป็น GIF ข้อดีคือเลี่ยงความหน่วงสูงของโมเดลวิดีโอ และช่วยให้รายละเอียดใบหน้า เสื้อผ้า และฉากพื้นหลังคงที่ในแต่ละเฟรม GIF ปรับความเร็วได้ตั้งแต่ 0.5x ถึง 2x แก้ไขทีละเฟรมได้ แชร์เป็นลิงก์ ดาวน์โหลด หรือโพสต์ไปยัง X, LinkedIn และ Reddit ได้ ฟีเจอร์จะทยอยเปิดให้ใช้งานเป็นชุด บัญชีบางส่วนอาจยังไม่เห็นฟีเจอร์และจะได้รับเฉพาะภาพนิ่งแยกเฟรมเท่านั้น
Images 2.6 ทดสอบจริง – กระบวนการสร้าง GIF
กระบวนการสร้างแบ่งออกเป็นสามขั้นตอน ขั้นตอนแรก คือการสร้างภาพนิ่งของตัวละครหลัก เราส่งคำสั่งให้ ChatGPT ตามคำอธิบายในบริบทของ ZTYLEZMAN เพื่อให้มันออกแบบมาสคอตที่แทนตัวตนของนิตยสาร ผลลัพธ์คือคาแรคเตอร์แมวดำชื่อ ZED
ขั้นตอนที่สอง คือการเปลี่ยนภาพนิ่งให้เป็น GIF เราส่งคำสั่งให้ ChatGPT สร้างชุด GIF ของ ZED โดยยกตัวอย่างท่าทางที่ชัดเจน เช่น มองนาฬิกาแล้วหันไปดูโทรศัพท์ ChatGPT จะวางแผนล่วงหน้าเป็นชุด GIF แบบวนลูป 4 แบบ ได้แก่ มองนาฬิกาแล้วหันไปดูโทรศัพท์, ก้มลงสไลด์โทรศัพท์, พลิกอ่านนิตยสาร และพยักหน้าโบกทักทาย
ChatGPT วาดภาพแบ่งเป็น 16 เฟรมต่อไฟล์ แล้วนำมารวมเป็น GIF การประมวลผลใช้เวลาหลายนาที ระหว่างนั้นระบบยืนยันให้รายละเอียดสำคัญของ ZED เช่น ผมหน้าผมทรงตัว Z ตัวหน้าผาก ชุดสีดำเทา และนาฬิกาที่ข้อมือซ้ายคงที่ เพื่อให้การเคลื่อนไหวชัดเจน เมื่อเฟรมทั้งหมดพร้อม ระบบจะส่งไฟล์สำเร็จงานออกมาเป็นชุด
ขั้นตอนที่สาม คือการดาวน์โหลดไฟล์ ผลิตภัณฑ์จะส่ง GIF ทั้งหมดพร้อมไฟล์ ZIP ให้ดาวน์โหลด เราตรวจเช็กทีละไฟล์เพื่อดูความชัดของท่าและความสอดคล้องของลักษณะตัวละคร
ขั้นตอนที่หนึ่ง : ส่งคำสั่งให้ ChatGPT สร้างภาพนิ่งของตัวละครหลัก
“โปรดใช้ความเข้าใจของคุณเกี่ยวกับ ZTYLEZMAN สร้างมาสคอตที่เป็นตัวแทนของเขา”
ขั้นตอนที่สอง：ส่งคำสั่งให้ ChatGPT แปลงภาพนิ่งเป็น GIF เคลื่อนไหว
“โปรดสร้างชุด GIF ของ ZED เช่น มองนาฬิกาแล้วหันไปดูโทรศัพท์”
รอให้ ChatGPT images 2.5 สร้างภาพแบ่ง 16 เฟรม — ChatGPT วาด 16 เฟรมต่อไฟล์ ใช้เวลาประมวลผลเป็นนาที
ChatGPT images 2.5 สร้าง GIF เสร็จเรียบร้อย
ขั้นสุดท้ายคือการรวมเป็น GIF แล้วส่งไฟล์สำเร็จออกมาเป็นชุดพร้อมลิงก์ดาวน์โหลด ในการทดสอบครั้งนี้ตั้งแต่ส่งคำขอจนได้รับไฟล์ครบสี่ใบใช้เวลาประมาณ 9 นาที เราตรวจเช็กทีละไฟล์เพื่อดูว่าท่าเคลื่อนไหวชัดหรือไม่และลักษณะตัวละครมีการเพี้ยนหรือไม่ ยิ่งระบุรายละเอียดตัวละครชัดเท่าไร โอกาสที่ผลงานเพี้ยนก็ยิ่งน้อย Images 2.6 ทำงานแบบเดียวกับการวาดเฟรมต่อเนื่องแต่ย่อกระบวนการลงเป็นการสร้าง GIF โดยตรง โดยไม่ต้องแก้ทีละเฟรม
ขั้นตอนที่สาม : ดาวน์โหลดไฟล์ GIF ที่สร้างเสร็จ
ไฟล์ GIF ทั้งสี่เป็นขนาด 512×512 มี 16 เฟรมต่อไฟล์ วนลูปไม่สิ้นสุด ชิ้นแรกมีกำหนดเวลา 3.84 วินาทีต่อรอบ ส่วนอีกสามชิ้นใช้เวลา 2.88 วินาทีต่อรอบ
รูปภาพหลักสามารถตั้งชื่อบันทึกไว้แล้วเรียกใช้งานในบทสนทนาอื่นได้โดยไม่ต้องอัปโหลดใหม่ เช่น บันทึกรูปตัวละครเป็น ZED แล้วสั่งเป็นภาษาไทยว่า “สร้าง GIF ให้ @ZED เต้นอยู่บนเมฆ” ระบบก็จะสร้าง GIF ให้ตามชื่อนั้น หลังจากแก้ไขหลายรอบแล้ว ลักษณะตัวละคร สินค้า และแบรนด์จะยังคงสอดคล้องกันแม้จะเปลี่ยนฉากหลัง
ใช้งานได้ในเวอร์ชันฟรี
Images 2.6 เปิดให้ใช้งานทั่วโลกตั้งแต่วันนี้ ทั้งบน ChatGPT และ Codex ในทุกแผนการสมัคร ผ่านเว็บ เดสก์ท็อป และมือถือ รวมถึงแผนฟรี โดยแผนฟรีจะถูกจำกัดจำนวนภาพที่สร้างได้ OpenAI ยังไม่เปิดเผยจำนวน GIF ที่แต่ละแผนสามารถสร้างต่อวัน
ความเร็วและฟีเจอร์ใหม่
OpenAI ระบุว่า Images 2.6 เร็วกว่ารุ่นก่อน Images 2.5 ประมาณ 50% จากเกณฑ์มาตรฐานของบริษัทเอง ตัวอย่างที่ให้คือเวลาเดิม 7.08 วินาทีลดลงเหลือ 4.84 วินาที ซึ่งคิดเป็นการปรับอัตราความเร็วประมาณ 46% และลดเวลาประมวลผลประมาณ 32% ตัวเลขเหล่านี้มาจากเกณฑ์ของ OpenAI เอง ยังไม่ได้รับการตรวจสอบโดยบุคคลที่สาม อย่างไรก็ดี แต่ละรุ่นมักนำเสนอคำกล่าวเรื่องความเร็วแบบเดียวกันเมื่อเทียบกับรุ่นก่อน API มีสองโมเดลที่ทำงานต่างกัน: Flare เน้นความเร็วและการจัดวางภาพ เหมาะกับโปสเตอร์และภาพสินค้าในอีคอมเมิร์ซ โดยโหมดความเร็วต่ำสุดสามารถออกภาพได้เร็วสุดประมาณ 6 วินาที; ส่วน Sunburst เน้นคุณภาพและรายละเอียด เหมาะกับการตั้งค่ากลางถึงสูงที่ต้องการภาพคมชัดและความสอดคล้องในการแก้ไขหลายรอบ