- ChatGPT Images pokreće novi, brži i točniji model, koji bolje prati korisničke upute.
- Ažuriranje se fokusira na napredno uređivanje, unaprijed postavljene stilove i kreativne transformacije stvarnih fotografija.
- Sustav poboljšava tekst unutar slika, dosljednost u uređivanjima i smanjuje "žućkasti" izgled prethodnih verzija.
- Nova verzija je integrirana u ChatGPT i dostupna je globalno za besplatne i plaćene račune.
Ne tako davno, pola interneta se počelo pretvarati da je redatelj animiranih filmova u stilu Studija Ghibli uz pomoć ChatGPT-a. Društvene mreže bile su preplavljene scenama iz snova, simpatičnim likovima i pozadinama s tim nepogrešivim japanskim dodirom. Iza ove pomame stajao je OpenAI-jev model generiranja slika integriran u ChatGPT, koji je svakoga pretvorio u pseudo-ilustratora bez potrebe da zna crtati.
Međutim, svijet generativne umjetne inteligencije kreće se tako brzo da je taj trend bio kratkotrajan. Ubrzo nakon toga, razgovor se prebacio na druge ponude poput Nano Banana Pro i Googleovih novih modela, sposobnih za izradu slika toliko realističnih da ih je bilo teško razlikovati od fotografija, ili alata poput MidJourneyja koji pretvaraju tekst u slike. Suočen s ovim krajolikom, OpenAI nije ostao mirovan: predstavio je novu verziju ChatGPT Images dizajniranu da konkurira, nudeći veću brzinu, poboljšano razumijevanje uputa i značajan skok naprijed u naprednim mogućnostima uređivanja.
Što je nova verzija ChatGPT slika i što je čini drugačijom?
OpenAI je službeno najavio sljedeću generaciju ChatGPT slika, što se poklopilo s izlaskom GPT-5.2, njihovog najnovijeg jezičnog modela. Oba poteza dio su iste strategije: izravno odgovoriti na Googleovu ofenzivu modelima poput Geminija 3 Pro i pokazati da ostaju konkurentni na najvišoj razini u obradi teksta i slika.
U ovoj novoj fazi, ChatGPT Images radi na modelu GPT Image 1.5 , posebno dizajniranom za generiranje i uređivanje slika s većom kontrolom i brzinom od prethodnih verzija. Sama tvrtka tvrdi da je sustav sada sposoban proizvesti rezultate do četiri puta brže , razlika koja je posebno vidljiva na mobilnim uređajima, gdje je prije bilo uobičajeno da se proces prekine ako korisnik promijeni aplikaciju usred generacije.
Usporedba s prethodnim modelom je jasna: prije je bilo dugog čekanja i određenog osjećaja tromosti, a sada je iskustvo više poput digitalnog studija u stvarnom vremenu . U testovima koji su podijeljeni, slike izgledaju puno glatkije, s manje zamrzavanja i bez dojma da se aplikacija zamrznula dok poslužitelj izračunava.
Uz brzinu, OpenAI smatra točnost i pridržavanje korisničkih uputa glavnim kvalitativnim skokom. Cilj je da ChatGPT Images prijeđe okvire hirovitog generatora koji interpretira upute na svoj način i postane pouzdaniji alat za kreativne i profesionalne tijekove rada; zato je ključno znati pisati upute za grafički dizajn.
Napredno uređivanje: promijenite samo ono što želite bez uništavanja slike
Jedna od tradicionalnih Ahilovih peta generatora slika bila je lokalizirano uređivanje određenih elemenata . Ako biste htjeli retuširati jaknu, promijeniti pozadinu ili prilagoditi osvjetljenje, model bi često "ponovno zamislio" cijelu scenu i na kraju biste dobili rezultat potpuno drugačiji od onoga što ste namjeravali.
Nova verzija ChatGPT Images fokusira se upravo na rješavanje ovog problema. OpenAI navodi da sustav sada može mijenjati samo dijelove koje je odredio korisnik , ostavljajući ostatak slike netaknutim. To uključuje sve, od specifičnih objekata (automobil, prometni znak, odjevni predmet) do globalnih aspekata poput osvjetljenja, kadriranja i ukupne kompozicije, bez gubitka ukupne koherentnosti slike.
Tvrtka objašnjava da je model obučen za:
- Izmijenite samo tražene elementepoštujući izvorni kontekst koliko god je to moguće.
- Ostatak slike neka ostane nepromijenjen.sprječavajući pojavu neželjenih novih detalja.
- Održavajte dosljednost između izvorne slike, generiranih rezultata i uzastopnih uređivanja koje primjenjujete.
To je posebno uočljivo u iterativnim tijekovima rada, gdje se male prilagodbe vrše tijekom nekoliko krugova . U drugim modelima, nakon nekoliko uređivanja, slika bi se počela iskrivljivati ili gubiti kvalitetu: lica bi se mijenjala, pozadine bi postale neprepoznatljive, detalji bi nestajali. S ChatGPT slikama, ideja je da možete retuširati, vraćati promjene, fino podešavati detalje i kombinirati verzije bez narušavanja konačnog rezultata.
Dobar primjer je vrsta upute koju je OpenAI demonstrirao: počevši s istom urbanom scenom, na primjer, krajolikom Los Angelesa s osobom na skuteru, i tražeći vrlo specifične promjene: „učinite im majicu crvenom, kapu žutom, znak ograničenja brzine 15 i pretvorite kamion u vatrogasno vozilo.“ Umjesto da sve regenerira od nule, model prilagođava samo te detalje, zadržavajući izvorni okvir, atmosferu i fotografski stil.
„Džepni kreativni studio“ za stvaranje i ponovno osmišljavanje scena
OpenAI opisuje novu verziju kao svojevrsni prijenosni kreativni studio integriran izravno u ChatGPT. Ideja je da, bez obzira počinjete li od nule ili radite s pravom fotografijom, možete puno preciznije voditi rezultat, gotovo kao što biste to učinili s dizajnerskim timom, ali unutar razgovora.
Model se ističe u zadacima poput dodavanja ili uklanjanja elemenata iz scene. Na primjer, možete zatražiti uklanjanje objekta koji smeta, umetnuti dodatni lik, dodati parkirani automobil u pozadinu ili ukloniti ljude iz krajolika bez ostavljanja ikakvih vidljivih tragova uređivanja. Sustav rekonstruira pozadinu i prilagođava sjene, refleksije i osvjetljenje tako da manipulacija bude besprijekorna.
Mogućnost kombiniranja i spajanja slika također je poboljšana . To omogućuje, na primjer, snimanje fotografije osobe i druge osobe iz potpuno drugačijeg okruženja te stvaranje uvjerljive scene koja spaja oba elementa. Ili kombiniranje subjekata s nekoliko odvojenih fotografija u jednu, koherentnu kompoziciju, nešto vrlo korisno za stvaranje naizgled nemogućih, ali uvjerljivih montaža.
Još jedna važna značajka je mogućnost preuređenja cijelih kompozicija . Pomoću upita možete zatražiti da se određeni elementi kadra pomaknu, da se kamera zumira, da snimak postane krupni plan ili panorama ili da se scena reinterpretira u drugo doba dana. Sve se to radi uz pokušaj očuvanja vizualnih karakteristika koje su izvornu sliku učinile prepoznatljivom.
Konačno, transpozicija stilova i struktura je značajno poboljšana . To znači da možete primijeniti kompoziciju, paletu boja ili osvjetljenje referentne fotografije na drugu sliku, zadržavajući strukturu izvorne scene, ali s drugačijom atmosferom. To je vrsta operacije koja vam omogućuje prelazak s realistične scene na filmsku estetiku iz 2000-ih ili na dokumentarnu uličnu fotografiju s kraja 90-ih snimljenu na 35-milimetarskom filmu s izraženom zrnatošću.
Kreativne transformacije s vlastitim fotografijama
Jedno područje gdje se novi ChatGPT Images posebno ističe jesu kreativne transformacije korištenjem stvarnih slika . Jednostavno prenesite svoju fotografiju (ili nekog drugog uz vaše dopuštenje) i popratite je relativno jednostavnim uputama kako biste u nekoliko sekundi dobili rezultate koji su, u mnogim slučajevima, iznenađujuće uvjerljivi.
Ova ideja nije posve nova: modeli poput Nano Banane već su stavili veliki naglasak na ovu mogućnost, omogućujući transformaciju stvarnih portreta u reklamne kampanje, postere ili visoko stilizirane scene. Ono što OpenAI sada radi jest izravno donošenje tog pristupa u ChatGPT, sa sustavom koji bolje razumije korisnikovu namjeru i vjernije čuva značajke izvornog subjekta.
Među najupečatljivijim primjerima su upute poput: „Stvori sliku ovog čovjeka, ali na Times Squareu zimi 2025.“ Model prilagođava odjeću, okolinu, noćnu rasvjetu i urbane elemente kako bi odgovarali estetici New Yorka u to doba godine, a istovremeno zadržava gestu, opće držanje i crte lica izvornog subjekta, pa čak i omogućuje pretvaranje slike u formate poput WhatsApp naljepnica.
Druga uobičajena upotreba je vizualno "putovanje": možete zatražiti nešto poput: "Postavite ovu osobu u punom prikazu u japanskom gradu u kišnoj noći, s neonskim svjetlima, odrazima na tlu i cyberpunk estetikom ." Sustav generira scenu s neonskim svjetlima, lokvama na asfaltu i tipičnim zgradama, integrirajući osobu u taj svijet kao da je stvarno tamo, bez da izgleda kao jednostavan izrez zalijepljen na pozadinu.
Za one koji preferiraju nešto fantastičnije, moguće su transformacije poput "Pretvorite ovog čovjeka u japanskog samuraja s tradicionalnim oklopom i katanama, u realističnom povijesnom okruženju bez modernih elemenata" . Ovdje ChatGPT Images reinterpretira odjeću, držanje i kontekst, ali zadržava određeni kontinuitet lica kako biste i dalje prepoznali subjekt. Rezultat bi mogao nalikovati mješavini povijesne ilustracije i rekreirane fotografije.
Također ima mjesta za nostalgične dodire. Jedan primjer koji je OpenAI pokazao je zahtjev: "Upotrijebite sliku ovog čovjeka za izradu europske reklame cijelog tijela iz 90-ih ." Model prilagođava paletu boja, kadriranje, pozu i pozadinu kako bi se približio stilu oglašavanja iz 90-ih: odjeća iz tog razdoblja, prepoznatljiva tipografija integrirana u scenu i taj pomalo zastarjeli osjećaj koji svatko tko je vidio reklame iz tog doba odmah prepoznaje.
Poboljšano praćenje uputa i čitljiviji tekst na slikama
Još jedno važno poboljšanje u novim ChatGPT slikama je njegova sposobnost preciznog praćenja uputa . Prije je bilo uobičajeno tražiti nešto vrlo specifično i dobiti sličan rezultat, ali s nedostacima u ključnim detaljima: netočne boje, nedostajući objekti ili promjene koje nisu bile zatražene.
Prema OpenAI-ju, dio tog problema sada je stvar prošlosti. Ako navedete detaljne upute, model bi ih trebao moći puno vjernije slijediti . To se odnosi i na generiranje slika od nule i na uređivanje prenesene slike: određivanje broja ljudi, vrsta snimaka, specifičnih boja, fotografskog ili ilustrativnog stila, povijesnog razdoblja, odjeće, vremena itd. sada ima opipljiviji utjecaj na konačni rezultat.
Tvrtka također ističe specifična poboljšanja u prikazivanju teksta unutar slika . Povijesno gledano, pisanje čitljivih riječi na plakatima, znakovima, oglasima ili naslovnicama bio je jedan od najizazovnijih zadataka za generativne modele, koji su često vraćali iskrivljene znakove, jezične mješavine ili besmislene riječi.
S ovom novom verzijom, ChatGPT Images je kompetentniji u generiranju dosljedne tipografije i ispravnih poruka , što je ključno ako želite koristiti alat za izradu postera, promotivnih materijala, bannera za društvene mreže ili marketinških materijala gdje je tekst jednako važan kao i pozadinska slika.
Nadalje, rad je obavljen na slučajevima koji su često posebno izazovni, poput scena s više malih lica . U prethodnim verzijama, kada se mnogo ljudi pojavljivalo u pozadini ili u velikim skupinama, lica su se lako mogla iskriviti, ponoviti ili imati nerealne crte lica. Novi model poboljšava obradu tih detalja, nudeći prirodnije rezultate čak i u širokim kadrovima ili scenama s mnoštvom.
Zbogom (gotovo) definitivno žućkastom tonu ranih verzija
Dugo vremena, jedan od najlakših načina da se utvrdi je li slika generirana pomoću ChatGPT-a bila je njezina karakteristična topla i kremasta estetika . Mnoge od tih kreacija dijelile su paletu kojom su dominirale žute i narančaste boje, meko osvjetljenje i "filmski" osjećaj koji je na kraju postao svojevrsni zaštitni znak, na bolje ili na gore.
S novom verzijom, čini se da je OpenAI htio prekinuti taj nenamjerni vizualni potpis. U usporedbama koje je tvrtka objavila, novi model značajno odstupa od tih zadanih žućkastih tonova , osim ako ih korisnik izričito ne zatraži u upitu. Slike sada teže neutralnijem prikazu boja ili onom vjernijem korisničkom unosu, bez nametanja tako izraženog stila po zadanim postavkama.
Ovo ima jasne prednosti za profesionalnu upotrebu: ako želite čistu reklamu, maketu proizvoda ili fotorealističnu scenu, ne želite da model primjenjuje polutrajni filter s tim toplim izgledom koji čini da sve slike izgledaju identično. Novi pristup omogućuje puno veću varijaciju u vizualnom izgledu bez potrebe za suočavanjem s pretjerano dominantnim osnovnim stilom.
U praksi to znači da je sada lakše postići širok raspon rezultata: od hladnih, nezasićenih slika do živahnih, šarenih estetika, uključujući vintage stilove, pastelne tonove, dokumentarnu fotografiju i hiper-svijetle reklame. Model je fleksibilniji u prilagodbi kontekstu i tonu koji navedete u svojim uputama.
Unaprijed definirani stilovi i prijedlozi: stvarajte bez mučenja mozga s upitima
Jedna od najpoželjnijih novih značajki za one koji se ne žele mučiti sa složenim upitima je dolazak unaprijed definiranih stilova i koncepata unutar ChatGPT slika. Umjesto pisanja iscrpnih opisa s tehničkim parametrima, možete izravno odabrati gotov vizualni pristup i pustiti sustav da popuni detalje.
Ovi unaprijed postavljeni stilovi osmišljeni su kako bi uštedjeli vrijeme i povremenim korisnicima i profesionalcima kojima je potrebna dosljednost u različitim dijelovima. Na primjer, možete odabrati određenu estetiku za kampanju i ponovno je upotrijebiti u više slika bez potrebe da svaki put pamtite točan upit.
Osim toga, unutar odjeljka slika aplikacije ChatGPT pronaći ćete niz prijedloga spremnih za korištenje . Postupak možete započeti odabirom stila, prijenosom fotografije ili čak snimanjem selfija izravno iz aplikacije i dopustiti umjetnoj inteligenciji da predloži kreativne transformacije bez da morate previše razmišljati o početnom tekstu.
To značajno smanjuje početnu barijeru za one koji nisu upoznati s "jezikom uputa". Umjesto opsesivnog opisivanja svega do posljednjeg detalja, možete početi s razumnom bazom, a zatim, kako vidite rezultate, zatražiti specifičnije prilagodbe.
U praksi, ChatGPT ovdje funkcionira kao interaktivni kreativni asistent : može predložiti varijacije, predložiti promjene stila, prilagodbe kadriranja ili nove ideje vezane uz sliku koju već imate, tako da proces na kraju manje nalikuje jednostavnoj jednokratnoj generaciji, a više na zajednički napor u umjetničkom vođenju.
Gdje koristiti ChatGPT slike i kako se integriraju u aplikaciju
Nova verzija ChatGPT Images uvodi se globalno za sve korisnike , uključujući i one s besplatnim računima. OpenAI nije najavio nikakva specifična regionalna ograničenja, pa je ideja da svatko tko ima pristup ChatGPT-u može iskoristiti nove mogućnosti generiranja i uređivanja slika.
Ako koristite mobilnu aplikaciju, najvjerojatnije ste već primili obavijest prilikom otvaranja koja vas poziva da počnete stvarati slike . Osim toga, sučelje uključuje novi odjeljak "Slike" u bočnoj traci, gdje možete pregledati sve svoje kreacije organizirane na jednom mjestu.
Ovaj odjeljak služi ne samo kao osobna galerija, već i kao kontrolni centar za upravljanje vašim vizualnim projektima . Odavde možete ponovno pregledavati stare slike kako biste ih ponovno uredili, duplicirati rezultate, uspoređivati verzije ili započeti s prethodnom kreacijom kako biste eksperimentirali s potpuno različitim stilovima bez gubitka originala.
Ono što je zaista zanimljivo jest da je sva ova funkcionalnost integrirana unutar samog ChatGPT iskustva. Ne morate otvarati vanjske alate ili izvoziti slike u druge servise za uređivanje kako biste napravili određene promjene: možete zatražiti prilagodbe putem teksta izravno u razgovoru , pregledati rezultat, ponovno iterirati i tako dalje.
U konačnici, novi ChatGPT Images transformira aplikaciju u više od običnog chatbota: postaje potpuna multimodalna platforma za stvaranje gdje se tekst, slika i uređivanje besprijekorno stapaju, s jasnim fokusom na pokrivanju i razigranih upotreba i ozbiljnijih radnih procesa, od brzih reklamnih kampanja do prototipova proizvoda ili vizualnih skica za prezentacije.
Ovim ažuriranjem, OpenAI želi ojačati svoju poziciju u utrci za naprednu vizualnu generaciju, odgovarajući na napredak Googlea i drugih igrača paketom koji kombinira veću brzinu, poboljšanu točnost, povećanu kreativnu kontrolu i besprijekornu integraciju unutar ChatGPT-a. Za prosječnog korisnika, rezultat je alat za eksperimentiranje, testiranje ideja i izradu sve uglađenijih slika bez napuštanja istog chata u kojem već svakodnevno razgovaraju, zakazuju ili pišu.