دليل نموذج GPT Image 2.5 Sunburst
دليل عملي لاستخدام GPT Image 2.5 Sunburst على GPT Image Hub: نسخة الدقة من GPT Image 2.5 التي تقدمها OpenAI للأعمال الإبداعية التفصيلية، وما تشترك فيه مع Flare، والتوقيتات ورموز الإخراج المقيسة، ومتى يستحق الوقت الإضافي ذلك.
GPT Image 2.5 Sunburst هو نموذج GPT Image 2.5 الذي توصي به OpenAI عندما تكون الدقة هي الأهم. يدعم إعدادات الجودة xhigh وmax نفسها، ودرجات الدقة المخصصة، والخلفيات الشفافة كما في Flare، ويشغّله GPT Image Hub بجودة xhigh افتراضيًا؛ وفي اختبارات Hub استغرق 47–108 ثوانٍ لكل صورة ووضع كل تسمية وكل سطر نص تمامًا كما في المطالبة. اختره للتغليف والتخطيطات الغنية بالطباعة والرسوم التوضيحية المعقدة؛ واختر Flare عندما تكون السرعة أهم.
أمثلة مرئية
أمثلة مرئية
تصيير تغليف مُعدَّل بحيث تتغير التسمية الأمامية فقط.
استبدال التسمية
تصيير تغليف مُعدَّل بحيث تتغير التسمية الأمامية فقط.
استبدل التسمية الأمامية بالتصميم المرفق بالمقياس الدقيق.رسم توضيحي بتسميات
مقطع عرضي نباتي تفصيلي مع تسميات قصيرة.
مقطع عرضي لثمرة تين بحجم 1024x1536 مع خمس تسميات مكتوبة بخط اليد.التصيير النهائي
تمريرة واحدة بجودة max بعد الاعتماد.
صيّر التعديل المعتمد بجودة max.أفضل حالات الاستخدام
- التعديلات بقناع أو بمراجع متعددة حيث يجب أن تقع التفاصيل الصغيرة تمامًا حيث تحددها المطالبة.
- الأعمال الإبداعية التفصيلية مثل التغليف والتخطيطات الغنية بالطباعة والرسوم التوضيحية المعقدة.
- التصييرات النهائية بجودة xhigh أو max بعد اعتماد التكوين على نموذج أسرع.
حيث يجب توخي الحذر
- المسودات عالية الحجم حيث يهم زمن الوصول؛ تضع OpenAI نموذج Flare كخيار افتراضي أسرع.
- درجات الدقة الأعلى من 2560×1440، التي تصنّفها OpenAI على أنها تجريبية لنماذج 2.5.
نقاط القوة
نموذج GPT Image 2.5 الذي توصي به OpenAI لسير العمل الذي تكون فيه دقة التحرير هي الأهم.
سلّم الجودة نفسه كما في Flare: low وmedium وhigh وxhigh وmax وauto.
قواعد الأحجام المخصصة نفسها: مضاعفات 16، ونسبة من 1:3 إلى 3:1، ولا يتجاوز أي ضلع 3840 px، وإجمالي بين 655,360 و8,294,400 بكسل.
خلفيات شفافة مع إخراج PNG أو WebP، وتسعير الرموز نفسه كما في GPT Image 2.
حالات الاستخدام
تعديلات دقيقة
استبدال التسميات، واستبدال الأشياء، والتغييرات بقناع التي يجب أن تحترم بقية الصورة.
رسوم توضيحية تفصيلية
التخطيطات المعقدة والطباعة والمخططات حيث تكون الأخطاء الصغيرة مكلفة.
نسخ نهائية معتمدة
تصيير واحد متقن بجودة xhigh أو max بعد تثبيت التكوين في مكان آخر.
سير العمل
اعتمد على نموذج أسرع
ثبّت التكوين والنص باستخدام GPT Image 2 أو Flare قبل الانتقال إلى Sunburst.
اكتب التعديل كقيود
اذكر ما يبقى ثابتًا وما يتغيّر وأين يُطبَّق القناع.
صيّر مرة واحدة بجودة عالية
استخدم xhigh أو max للملف النهائي وحافظ على تنسيق الإخراج متسقًا مع الموجز.
إرشادات كتابة المطالبات
- صِف التعديلات كتعليمات صريحة بما يُحفظ وما يتغيّر؛ فالدقة هي سبب اختيار هذا النموذج.
- عند استخدام قناع، أبقِه بالتنسيق والحجم نفسيهما للصورة المصدر مع قناة ألفا؛ يُطبَّق القناع على صورة الإدخال الأولى.
- استخدم xhigh أو max للتمريرة النهائية فقط، لأن هذين الإعدادين ينتجان رموز إخراج مفوترة أكثر.
- اقتبس أي نص على الصورة بدقة واجعله قصيرًا.
مطالبات جاهزة للنسخ
عدّل تصيير التغليف المرجعي: حافظ على هندسة الصندوق والإضاءة، واستبدل تسمية اللوحة الأمامية بتصميم التسمية المرفق بالمقياس الدقيق، دون أي تغييرات أخرى.
أنشئ رسمًا توضيحيًا تحريريًا بحجم 1024x1536 لمقطع عرضي نباتي لثمرة تين، مع خمس تسميات قصيرة مكتوبة بخط اليد، ولوحة ألوان هادئة من الميرمية والبرقوقي، وملمس ورقي.
باستخدام الصورتين المرجعيتين، أنشئ زوجًا دقيقًا لغرفة المعيشة نفسها قبل وبعد، مع تغيير لون الأريكة إلى المغرة دون تغيير أي شيء آخر.
أمثلة تم توليدها على GPT Image Hub
المصادر الرسمية
الأسئلة الشائعة
هل GPT Image 2.5 Sunburst متاح على GPT Image Hub؟
نعم. يمكن اختيار GPT Image 2.5 Sunburst في مولّد GPT Image Hub بمستويات 1K و2K و4K، ويرسل Hub إعداد الجودة xhigh من OpenAI افتراضيًا. وتكلفته بالأرصدة لكل صورة مدرجة في صفحة الأسعار.
متى ينبغي أن أختار Sunburst بدلًا من Flare؟
اختر Sunburst للتعديلات والأعمال الإبداعية التفصيلية التي تكون فيها الدقة هي الأهم، وتقبّل أوقات إنشاء أطول. واختر Flare للإنشاء اليومي السريع وعالي الجودة.
هل يدعم Sunburst الأحجام وإعدادات الجودة نفسها كما في Flare؟
نعم. يسرد دليل إنشاء الصور من OpenAI إعدادات الجودة نفسها (low وmedium وhigh وxhigh وmax وauto) وقيود الأحجام المخصصة نفسها لكلا نموذجَي GPT Image 2.5.
استخدم هذا النموذج
ابدأ من قالب مطالبة أو قارن النماذج أولاً
استخدم المولد عندما تكون تعرف النموذج بالفعل، أو قارن جميع النماذج المدعومة عندما تحتاج المطالبة إلى توازن مختلف بين السرعة والتفاصيل والمدخلات المرجعية.