أخيرًا، أضافت OpenAI خلفيات شفافة إلى واجهة برمجة تطبيقات الصور

إن توليد صورة والحصول على أصل قابل للاستخدام مهمتان مختلفتان. غالبًا ما تكون الفجوة بينهما هي الاقتطاع، وقد سدّت OpenAI الآن جزءًا من هذه الفجوة بإضافة توليد الخلفيات الشفافة إلى واجهة برمجة تطبيقات الصور لديها في وضع المعاينة.

تتيح الميزة للمطورين طلب صورة بقناة ألفا، بحيث يصل العنصر الرئيسي منفصلًا بالفعل عن الخلفية. عمليًا يعني ذلك أن صورة منتج أو شخصية أو أيقونة تعود جاهزة لوضعها على صفحة ويب أو شريحة عرض أو تصميم تسويقي دون تمريرة تقسيم منفصلة.

لماذا يهم الأمر أحدًا

طوال معظم العامين الماضيين، كان سير العمل يبدو هكذا. كنت تطلب من نموذج صورة منتج على خلفية نظيفة. فيعطيك صورة جميلة جدًا لذلك المنتج وهو يستقر على سطح أبيض، مع ظل ناعم وقليل من الضوء المنعكس. ثم كنت تقضي الخطوة التالية، وغالبًا باستخدام أداة مختلفة، في إزالة تلك الخلفية.

في تلك الخطوة الثانية تتسرب الجودة. يجد كشف الحواف صعوبة مع الشعر والفراء والزجاج وأي شيء شبه شفاف. والصورة المولّدة ذات الخلفية البيضاء والظل الناعم هي بالضبط نوع المدخلات التي تُربك نموذج فصل الخلفية، لأن النموذج عليه أن يخمّن أين ينتهي الجسم وأين تبدأ الخلفية. أما الشفافية الأصلية فتلغي التخمين.

بالنسبة للفرق التي تعمل بكميات كبيرة، يتجاوز الفرق جودة الصورة البصرية. فكل صورة تحتاج إلى تمريرة فصل الخلفية تضيف حوسبة وزمن استجابة ونمط فشل. وإزالة تلك الخطوة تجعل خط المعالجة بأكمله أرخص وأكثر قابلية للتنبؤ.

ما الذي تغيّره عمليًا

المستفيدون الواضحون هم التجارة الإلكترونية والتصميم. فبائع التجزئة الذي يحتاج إلى كتالوج منتجات على خلفيات تحمل علامته التجارية يمكنه الآن توليد أصول تدخل في مكانها دون عمل يدوي. ويمكن لفريق تصميم يبني نموذجًا أوليًا لموقع ويب أن يولّد صورة رئيسية تطفو بالفعل فوق التخطيط بدلًا من لصقها كمستطيل.

هناك أيضًا حالة استخدام أكثر دقة. فالتوليد الشفاف يجعل التركيب قابلًا للتنفيذ. فبدلًا من وصف مشهد كامل لنموذج واحد، يمكنك توليد العنصر الرئيسي مرة، وتوليد الخلفية بشكل منفصل، ثم دمجهما. يمنحك ذلك تحكمًا أكبر في كل نصف، ويجعل التعديلات أرخص لأن تغيير الخلفية لا يتطلب إعادة توليد العنصر الرئيسي.

المقارنة المهمة

ليست OpenAI الأولى في هذا. فقد صدر Qwen-Image 2.1 من علي بابا بدعم أصلي لـ RGBA، وبالقدرة على توليد الطبقات الشفافة وتحريرها معًا. وقد تحركت عدة نماذج مفتوحة الأوزان في الاتجاه نفسه، ولفترة كان جزء من الحجة لصالح النشر المحلي يقوم على ميزات كهذه.

ما تجلبه OpenAI هو الانتشار. فواجهة برمجة تطبيقات الصور تقع داخل الحساب والفوترة والأدوات نفسها التي يستخدمها عدد كبير من المطورين بالفعل. وعندما تصل قدرة ما إلى هناك، تصبح الخيار الافتراضي للفرق التي تفضل ألا تضيف بائعًا آخر. لذا فإن الأهمية أقل ارتباطًا بالحداثة وأكثر ارتباطًا بمكان وجود الميزة الآن افتراضيًا.

هناك أيضًا فرق في الترخيص يجدر ملاحظته. فترخيص Qwen-Image 2.1 الحالي يقيّد الاستخدام التجاري دون اتفاق منفصل. أما واجهة OpenAI فقابلة للاستخدام التجاري مباشرة. وبالنسبة لشركة توازن بين الاثنين، فإن ذلك يغيّر الحسابات.

أين ستظل مقصّرة

الشفافية الأصلية ليست حلًا كاملًا. فقنوات ألفا صعبة، وقد تظل الحواف المولّدة غير مثالية، لا سيما حول التفاصيل الدقيقة. تنتج بعض النماذج قناة ألفا نظيفة لجسم ذي حواف صلبة، وقناة موحلة لجسم رهيف. وينبغي للمشترين اختبار أسوأ الحالات الخاصة بهم بدلًا من مجموعة العرض التوضيحي.

يجدر أيضًا مراقبة ما إذا كانت الميزة تتعامل جيدًا مع المواد الشفافة أو العاكسة. فزجاجة زجاجية أو سطح كروم يحتاجان إلى أن يفهم النموذج أن ما خلف الجسم ينبغي أن يظهر من خلاله. وهذه مشكلة أصعب بكثير من قص شكل صلب، وهنا سيظهر فرق الجودة بين المورّدين.

موقعها في سوق الصور الأوسع

شهد مجال توليد الصور تركيزًا حول بضعة محاور هذا العام: التحكم، ودقة التحرير، والآن جاهزية الأصول. والمخرجات الشفافة ميزة تتعلق بجاهزية الأصول، وهي نوع مختلف من التحسين مقارنة بقفزة في الجودة البصرية. فهي لا تصنع صورة أجمل. بل تجعل صورة موجودة أسهل في الاستخدام.

هذا التحول ظاهر في السوق الأوسع. فقد وصلت ميزات التحرير مثل التعديلات المحددة المنطقة، وإزالة الخلفية، والتوليد متعدد المراجع، عبر مختلف المورّدين، لأن العملاء الذين ما زالوا يدفعون هم من يضعون الصور المولّدة في الإنتاج. والأداة التي تنتج صورة جميلة لا يمكن إسقاطها في تخطيط أقل قيمة من صورة أبسط قليلًا يمكن إسقاطها.

خطوة OpenAI تلبي هذا الطلب. فواجهة برمجة تطبيقات الصور تستخدمها فرق تبني الكتالوجات والإعلانات وصفحات المنتجات، والمخرجات الشفافة واحدة من أكثر الميزات المطلوبة تحديدًا لسير العمل هذا. وإطلاقها في وضع المعاينة يتيح للشركة اختبار معيار الجودة قبل جعلها قدرة رئيسية.

ما الذي يجب مراقبته

تسمية المعاينة مهمة. فالميزات في وضع المعاينة يمكن أن تتغير، وقد تتبع الأسعار وحدود المعدل منحنى مختلفًا بمجرد أن تصبح الميزة متاحة عمومًا. وعلى الفرق التي تخطط لبناء خط معالجة حول التوليد الشفاف أن تتحقق مما إذا كان السلوك مستقرًا عبر التشغيلات قبل الالتزام.

يجدر أيضًا اختبار كيفية تعامل النموذج مع طلب معظمه خلفية. فالعنصر الرئيسي الذي يملأ الإطار سهل. أما جسم صغير أمام مشهد مزدحم، حيث على النموذج أن يقرر ما الذي يُعد العنصر الرئيسي، فهو الموضع الذي سيتفاوت فيه الناتج. وينبغي للمشترين الذين يولّدون بكميات كبيرة بناء مجموعة صغيرة من أسوأ حالاتهم وتشغيلها عبر الميزة قبل أن تصبح عنصرًا أساسيًا في سير العمل.

لماذا يهم زمن الاستجابة هنا

إزالة خطوة فصل الخلفية تقلل أيضًا تمريرة ثانية تحمل أنماط فشلها الخاصة ووقت انتظارها الخاص. وبالنسبة لمنتج تفاعلي يشاهد فيه المستخدم الصورة وهي تظهر، تكون تلك الخطوة الإضافية مرئية. ودمج الشفافية في التوليد يزيل توقفًا كان المستخدم ينتظره.

وعند التوسع، يتراكم الأثر. فالفريق الذي يولّد عشرات الآلاف من الأصول شهريًا يوفر حوسبة التمريرة الثانية، وهندسة تشغيل الخدمة الثانية، وتكلفة الدعم للصور التي أخطأت فيها التمريرة الثانية.

السؤال الأطول أجلًا

السؤال الأطول أجلًا هو ما إذا كانت الشفافية ستصبح افتراضية أم ستبقى خيارًا. إذا كان بإمكان كل طلب صورة أن يطلب قناة ألفا، وتعامل النموذج معها جيدًا، فإن خطوة فصل الخلفية المنفصلة تسقط من كثير من سير العمل. وهذه ميزة صغيرة ذات أثر واسع، وهكذا تصل تحسينات البنية التحتية عادةً.

كما أنها تضغط على النماذج مفتوحة الأوزان التي جعلت الشفافية الأصلية نقطة بيع. فقد كان جزء من ميزتها أنها تستطيع فعل شيء لا تستطيعه واجهات API المستضافة. ومع لحاق واجهات API المستضافة بها، يصبح التبرير للاستضافة الذاتية قائمًا على التكلفة والتحكم بدلًا من قائمة الميزات، وهذه حجة أصعب في تقديمها عند التوسع.