GPT Image 2 ทำอินโฟกราฟิก การ์ตูนหลายช่อง และโปสเตอร์ได้ไหม? หลักฐานยังไม่พอ

หลักฐานที่ใกล้กับคำถามเรื่องเลย์เอาต์ซับซ้อนมากที่สุดอยู่ในเอกสารของ 4o image generation ไม่ใช่ GPT Image 2 โดย OpenAI ระบุใน system card addendum ว่า 4o image generation สามารถทำตามคำสั่งละเอียดและนำข้อความเข้าไปในภาพได้อย่างเชื่อถือได้ บทความเปิดตัวของ OpenAI ยังบอกว่า GPT-4o image generation เด่นเรื่องการเรนเดอร์ข้อความอย่างแม่นยำ การทำตามพรอมป์อย่างเที่ยงตรง และการใช้ความรู้กับบริบทแชตของ 4o

แต่ข้อมูลเหล่านี้ยังไม่พอจะบอกว่า GPT Image 2 มีความสามารถเดียวกันหรือเหนือกว่า เพราะแหล่งข้อมูลที่พูดถึง GPT Image 2 โดยตรงในชุดนี้เป็นแหล่งภายนอก ไม่ใช่ประกาศทางการจาก OpenAI: getimg.ai ระบุว่า OpenAI ยังไม่ได้ประกาศ GPT Image 2 ส่วน Kubeez อธิบายเรื่อง Image V2/GPT Image 2 ว่าเป็นการทดสอบและรายงานที่ยังไม่ยืนยัน

ตอนนี้ยืนยันอะไรได้บ้าง

ทำไมเข้าใจพรอมป์ ไม่เท่ากับจัดหน้าได้เสถียร

งานเลย์เอาต์ซับซ้อนไม่ใช่ความสามารถก้อนเดียว อินโฟกราฟิกต้องคุมหัวเรื่อง คอลัมน์ ไอคอน คำอธิบาย ตัวเลข และสัดส่วนให้ถูกต้อง การ์ตูนหลายช่องต้องรักษาจำนวนช่อง ลำดับการอ่าน หน้าตาตัวละคร และตำแหน่งบอลลูนคำพูด ส่วนโปสเตอร์ต้องจัดหัวเรื่อง รองหัวเรื่อง วันที่ สถานที่ ข้อความชวนให้ทำต่อหรือ CTA พื้นที่แบรนด์ ระยะห่าง และการจัดแนวให้ไปด้วยกัน

เอกสารของ OpenAI เกี่ยวกับ 4o image generation ช่วยให้เห็นว่า OpenAI ให้ความสำคัญกับการเรนเดอร์ข้อความและการทำตามคำสั่ง แต่ถ้าจะกล่าวว่าโมเดลชื่อ GPT Image 2 ทำเลย์เอาต์เหล่านี้ได้อย่างเสถียร ต้องมีหลักฐานตรงกว่านี้ เช่น ประกาศผลิตภัณฑ์อย่างเป็นทางการ ชุดตัวอย่างสำหรับอินโฟกราฟิกหรือคอมิกที่ทดสอบซ้ำได้ วิธีประเมินผล อัตราสำเร็จ รูปแบบความผิดพลาด และคำอธิบายข้อจำกัด ซึ่งแหล่งข้อมูลที่มีตอนนี้ยังไม่ให้หลักฐานระดับนั้น

ดังนั้นประโยคที่แม่นยำกว่าคือ: ยังพิสูจน์ไม่ได้ว่า GPT Image 2 ทำงานเลย์เอาต์ซับซ้อนได้อย่างเสถียร ไม่ใช่ฟันธงว่ามันทำไม่ได้

ถ้าทีมอยากใช้จริง ควรทดสอบอย่างไร

ก่อนนำ AI สร้างภาพเข้าเวิร์กโฟลว์งานข่าว คอนเทนต์ แคมเปญ หรือดีไซน์ ควรแยกให้ชัดระหว่างภาพที่ดูดีเป็นครั้งคราว กับระบบที่ส่งงานซ้ำได้ตามสเปก แนะนำให้สร้างชุดทดสอบอย่างน้อย 3 กลุ่ม:

• ทดสอบอินโฟกราฟิก: กำหนดพื้นที่ตายตัว หัวเรื่อง คำอธิบาย แผนภูมิ ตัวเลข ป้ายกำกับ และลำดับข้อมูล แล้วตรวจว่ามีคำตก ตัวเลขเพี้ยน ตำแหน่งสลับ หรือข้อความอ่านไม่ออกหรือไม่
• ทดสอบการ์ตูนหลายช่อง: ระบุจำนวนช่อง ทิศทางการอ่าน เหตุการณ์ในแต่ละช่อง รูปลักษณ์ตัวละคร และตำแหน่งกล่องคำพูด แล้วดูว่าจำนวนช่อง ลำดับ และความต่อเนื่องของตัวละครคงที่หรือไม่
• ทดสอบโปสเตอร์: กำหนดหัวเรื่อง รองหัวเรื่อง วันที่ สถานที่ CTA พื้นที่โลโก้ และสัดส่วนภาพ แล้วตรวจลำดับชั้นของสายตา การจัดแนว พื้นที่ว่าง และความคมชัดของตัวอักษร

ควรใช้พรอมป์ชุดเดียวกันสร้างซ้ำหลายครั้ง แล้วบันทึกข้อผิดพลาดเรื่องกริด ลำดับ ตัวอักษร ตำแหน่งองค์ประกอบ และสัดส่วนภาพต่อข้อความ เอกสารของ 4o image generation ใช้เป็นฉากหลังในการออกแบบโจทย์ทดสอบได้ เพราะ OpenAI เน้นเรื่องการเรนเดอร์ข้อความและการทำตามพรอมป์ แต่ตราบใดที่ยังไม่มีการยืนยัน GPT Image 2 อย่างเป็นทางการ ผลทดสอบควรถูกตรวจโดยทีมเอง ไม่ควรยกเป็นความสามารถที่ OpenAI รับรอง

ถ้าจะเขียนให้รัดกุม ควรใช้ถ้อยคำแบบไหน

เขียนได้ว่า: เอกสารทางการของ OpenAI ระบุว่า Image generation API รองรับการสร้างภาพจากพรอมป์และการแก้ไขภาพเดิม และเอกสารของ 4o image generation เน้นความสามารถด้านการเรนเดอร์ข้อความกับการทำตามคำสั่งละเอียด แต่หลักฐานที่มีตอนนี้ยังไม่พอจะยืนยันว่า GPT Image 2 ถูก OpenAI เปิดตัวอย่างเป็นทางการ หรือทำอินโฟกราฟิก การ์ตูนหลายช่อง และโปสเตอร์ได้อย่างเสถียร

ไม่ควรเขียนว่า: “OpenAI ยืนยันแล้วว่า GPT Image 2 เข้าใจเลย์เอาต์ซับซ้อน” เพราะประโยคนี้เอาชื่อโมเดลที่ยังไม่ยืนยัน ความสามารถของระบบภาพอื่นที่เผยแพร่แล้ว และคำกล่าวเรื่องความเสถียรของเลย์เอาต์มาปนกัน เกินกว่าหลักฐานที่มีรองรับ