Így fejthetsz vissza promptot bármilyen képhez a ChatGPT-vel

A mesterséges intelligencia alapú képgenerálás világában az egyik legnagyobb kihívást gyakran a megfelelő szöveges utasítások, vagyis a promptok pontos megfogalmazása jelenti. Sokan találkoznak olyan inspiráló vizuális tartalmakkal, amelyekhez hasonlót szeretnének létrehozni, de nem tudják pontosan, milyen kulcsszavakkal érhetnének el azonos eredményt. Szerencsére az OpenAI által fejlesztett ChatGPT vision, azaz látási képességei révén most már rendkívül egyszerűen visszafejthetjük bármilyen kép mögötti promptot. Ez a technológia lehetővé teszi, hogy a meglévő képekből kiindulva részletes leírásokat kapjunk, amelyeket aztán a DALL-E 3 képgeneráló modellben felhasználva szinte azonos stílusú és hangulatú új alkotásokat hozzunk létre.

A folyamat lépései rendkívül gördülékenyek és felhasználóbarátak, így bárki könnyedén alkalmazhatja őket a kreatív feladatok során. Első lépésként mindössze be kell lépnünk a GPT felületére, és fel kell töltenünk a kiválasztott képet, amelynek a stílusát vagy a felépítését le szeretnénk másolni. Miután a kép feltöltődött, a következő konkrét promptot kell beírnunk a csevegőbe: „Szeretnék egy ehhez hasonló képet generálni. Tudnál adni egy promptot a DALL-E 3-hoz, amivel egy ehhez hasonló képet hozhatok létre?”. A ChatGPT a látási funkcióját használva azonnal elemezni kezdi a vizuális elemeket, majd ennek alapján pontosan megfogalmazza a szükséges instrukciókat.

Ha szeretnénk ténylegesen legenerálni a hasonló képeket, a következő lépésben egyszerűen másoljuk ki a rendszer által megadott promptot. Ezután váltsunk át a DALL-E 3 felületére, illesszük be a kimásolt szöveget a parancssorba, majd nyomjunk egy entert a folyamat elindításához. Ezzel a módszerrel a ChatGPT vision és a DALL-E 3 közötti együttműködés révén zökkenőmentesen alkothatunk új, az eredeti kép világát hűen tükröző vizuális tartalmakat, jelentősen leegyszerűsítve a képgenerálás teljes folyamatát.