โมเดลภาพ native ของ OpenAI — ควบคุม prompt ได้ดี typography หลายภาษา และแก้ไขด้วยหลาย reference
“ออกแบบโปสเตอร์ภาพยนตร์สืบสวนลึกลับสไตล์โกธิกยุโรปในอัตราส่วน 21:9 โดยใช้ชื่อเรื่องหลัก "THE CLOCK TOWER MURDERS" เป็นตัวพิมพ์ใหญ่ serif สีทองเก่า พร้อมลวดลายเถาดอกไม้...”
“สร้างโปสเตอร์พรีเมียมที่มีหัวเรื่องหลายภาษา หัวเรื่องรอง ข้อความสินค้า แ...”
สำหรับโปสเตอร์ ปก แพ็กเกจจิ้ง UI หรืออินโฟกราฟิกที่มีข้อความแน่น GPT Image 2 มักรักษาหัวเรื่อง เนื้อความ ป้ายกำกับ และลำดับชั้นของหลายภาษาได้มั่นใจกว่า
“โปสเตอร์ภาพยนตร์รักดราม่าสไตล์ญี่ปุ่นอัตราส่วน 16:9 ชื่อเรื่อง 「最後の切符 / Saigo no Kippu」 ฉากเป็นชานชาลารถไฟใต้ดินโตเกียวในคืนฝนตก ด้านหน้าซ้ายมีคนสวมโค้ตสีเข้มยืนหันหลัง...”
เมื่อภาพหนึ่งใบต้องคุมทั้งตัวแบบ เลย์เอาต์ ชุดสี จำนวนวัตถุ คำกำกับ และระบบตัวอักษรไปพร้อมกัน GPT Image 2 มักให้ผลที่เสถียรกว่า
“สร้างชีตคอนเซปต์ตัวละครที่ผสมเลย์เอาต์แบบคอลลาจ หัวข้อแบบลายมือ และ...”
ตั้งแต่ภาพถ่ายสมจริง เวกเตอร์เรียบ สีน้ำ อนิเมะ พิกเซลอาร์ต ไปจนถึงงานออกแบบระดับพรีเซนต์ โมเดลเดียวก็ข้ามหลายสไตล์ได้ดี
“โปสเตอร์ lookbook สินค้าสไตล์ญี่ปุ่น พร้อมแผงสินค้าลายดอก 4 ช่อง, สวอตช์, คำบรรยาย และแถบแพตเทิร์นเต็มความกว้าง”
สำหรับโปสเตอร์การตลาด ม็อกอัป UI แอป เลย์เอาต์แพ็กเกจจิ้ง สไลด์พรีเซนต์ และงานครีเอทีฟของแบรนด์ GPT Image 2 มักให้รอบแรกที่ใช้งานต่อได้จริงและพร้อมปรับละเอียดได้เร็ว
ทั้งสองโมเดลเก่งมาก แต่จุดแข็งสูงสุดอยู่คนละงาน
| งานที่เหมาะ | GPT Image 2 | Nano Banana 2 |
|---|---|---|
| ข้อความบนภาพ | ไว้ใจได้กว่าสำหรับหนังสือพิมพ์ โปสเตอร์ UI สูตร และเลย์เอาต์ที่มีข้อความเยอะ | มักดูสวยกว่า แต่ล้มง่ายกว่าเมื่อข้อความยาว |
| กริด / แผนภูมิตัวอักษร | ทำตามกริด 100 ช่องและแผนภูมิ A-Z ที่มีกฎชัดเจนได้ดีกว่า | บางครั้งข้ามช่องหรือรวมรายการเข้าด้วยกัน |
| อินโฟกราฟิก / ภาพเชิงข้อมูล | มีวินัยเรื่องโครงสร้างและการจัดข้อมูลมากกว่า | ภาพสวย แต่ความน่าเชื่อถือของข้อมูลไม่เสถียรเท่า |
| ความคงที่ของตัวละคร | ใช้ภาพอ้างอิงหลายใบพร้อมมาสก์ได้ และนิ่งกับสตอรีบอร์ด 10 ช่อง | ยืดหยุ่นกว่าหากต้องใช้ภาพอ้างอิงหลายใบพร้อมกัน |
| พอร์ตเทรต / วัสดุ | ถ้าระบุความสมจริงแบบภาพถ่ายให้ชัด คุณภาพวัสดุจะดีขึ้นมาก | ให้ความรู้สึกเหมือนภาพถ่ายจริงได้ง่ายกว่าตั้งแต่ค่าเริ่มต้น |
| การเลียนแบบสไตล์ | มีโอกาสเบี่ยงออกจากสไตล์ต้นฉบับได้บ้าง | จับฝีแปรงต้นฉบับได้ดีกว่าเมื่อเปลี่ยนตัวแบบ |
| ขนาดและอัตราส่วน | มีอัตราส่วนสำเร็จรูปและโหมด auto | มี 14 ตัวเลือก รวมถึงอัตราส่วนกว้างพิเศษ |
ถ้าต้องการข้อความบนภาพ เลย์เอาต์หลายภาษา อินโฟกราฟิก โปสเตอร์ แพ็กเกจจิ้ง หรือสตอรีบอร์ดแบบคอมิก ให้เลือก GPT Image 2 (gpt-image-2); ถ้าต้องการสำรวจสไตล์ ความสมจริง และลองหลายทิศทางอย่างรวดเร็ว ให้เลือก Nano Banana 2 เมื่อเทียบกับ GPT Image 1 (gpt-image-1), GPT Image 2 ก้าวไปไกลกว่าในด้านการทำตามพรอมต์หลายเงื่อนไข การจัดเลย์เอาต์ยาว และการเรียงพิมพ์มากกว่า 48 ภาษา
พารามิเตอร์ทางเทคนิคหลักสำหรับนักพัฒนาและผู้ใช้ระดับสูง
GPT Image 2
โมเดลภาพหลายโมดัลแบบ autoregressive ที่ทรงพลังที่สุดของ OpenAI ในปี 2026
4K (ด้านยาวสูงสุด 3840)
เอาต์พุตโดยตรงจากโมเดลตั้งแต่ 1K ถึง 4K โดยด้านยาวสุดได้ถึง 3840 และพิกเซลรวมราว 8.29M
อัตราส่วนสำเร็จรูป + auto
1:1 · 3:2 · 2:3 · 3:4 · 4:3 · 4:5 · 5:4 · 16:9 · 9:16 · 21:9 · auto; พื้นที่ทำงานปัจจุบันยังไม่รองรับขนาดกำหนดเองแบบอิสระ
10s - 60s
พรอมป์ที่ซับซ้อนอาจใช้เวลาราว 2 นาที
WebP
ส่งออกเป็น WebP ตามค่าเริ่มต้นเพื่อสมดุลคุณภาพและขนาดไฟล์
48+ ภาษา
รองรับ CJK, อาหรับ, ฮีบรู, ซีริลลิก, ละติน และระบบตัวอักษรอื่น ๆ อีกมาก
หลายภาพอ้างอิง + อินเพนต์ด้วยมาสก์
ทำงานบน OpenAI Image edits API: อัปโหลดภาพอ้างอิงหนึ่งภาพหรือมากกว่า พร้อมมาสก์โปร่งใสแบบเลือกใช้ได้สำหรับการแก้เฉพาะจุด
ต่ำ · กลาง · สูง
สามระดับคุณภาพอย่างเป็นทางการของ OpenAI ตั้งแต่ร่างเร็วไปจนถึงผลลัพธ์ที่พร้อมส่งงาน
ด้านยาวสุด 3840 px
ใช้อัตราส่วนสำเร็จรูปหรือโหมด auto โดยผลลัพธ์ขึ้นกับความละเอียดที่เลือก และยาวได้สูงสุด 3840 px
ตั้งแต่งานภาพแบรนด์ไปจนถึงการแก้ภาพจากหลายภาพอ้างอิง ตัวอย่างเหล่านี้แสดงจุดแข็งเดียวกันคือจัดการข้อความ เลย์เอาต์ และคำสั่งซับซ้อนให้จบในภาพเดียว
