ChatGPT Images 2.0 cria texto legível, múltiplas peças de uma vez e pesquisa na web antes de gerar

O ChatGPT Images, o gerador de imagens da OpenAI, ganhou uma atualização e agora é versão 2.0. A diferença central: o modelo agora "pensa" antes de gerar (o mínimo, eu diria). Também pesquisa na web pra buscar informação atualizada, raciocina sobre a estrutura da imagem, cria até oito peças de uma vez mantendo personagens, objetos e estilos consistentes entre elas. Resolução de até 2K, proporções de 3:1 a 1:3. Está disponível pra todos os usuários do ChatGPT e Codex, com funções avançadas pra assinantes pagos.

A OpenAI afirma que dá pra criar revistas completas com o modelo. Capa, páginas internas, texto, layout. Também páginas de mangá, séries de posts pra redes sociais, infográficos com dados buscados na web em tempo real e planos de design pra cada cômodo de uma casa. Tudo a partir de um único prompt.

O avanço mais visível é o texto dentro de imagem. Até pouco tempo atrás, pedir pra qualquer modelo gerar um menu de restaurante resultava em palavras inventadas. O TechCrunch testou o Images 2.0 e gerou um menu de comida mexicana que poderia ser usado num restaurante real sem que ninguém percebesse. Texto limpo, legível, correto. Era o ponto fraco mais evidente de geradores de imagem. O Images 2.0 resolve, em inglês, pelo menos.

Em idiomas não-latinos, a história é outra. A Wired testou geração de texto em chinês e encontrou problemas: caracteres malformados, mistura com japonês, texto que parece chinês mas não diz nada. O próprio ChatGPT, quando questionado, admitiu que parte do texto que gerou era "nonsense feito pra parecer escrita de fan-edit asiático." A OpenAI diz que houve "ganhos significativos" em japonês, coreano, chinês, hindi e bengali. De qualquer maneira, ganhos significativos ainda não é fluência.