Wróć

Instrukcja5 min czytania

Gdzie w aplikacji wewnętrznej umieścić model obrazu?

Karta poradnika: Gdzie w aplikacji wewnętrznej umieścić model obrazu?

Umieść krok z modelem obrazu na pozycji, którą ktoś z Twojego zespołu i tak otwiera: akceptacja, kontrola dostawy albo kontrola jakości. Model z widzeniem może przygotować notatkę ze zdjęcia, a model GPT Image może wytworzyć albo poprawić obraz zapisany obok. Pozycja zmienia status dopiero wtedy, gdy wskazana osoba zatwierdzi wersję, a aplikacja zapisze wywołanie i tę decyzję.

Gdzie stoi ten krok

Użyj panelu administracyjnego albo pulpitu operacyjnego, który Twój zespół już otwiera. Przyjęcie dostawy, wstrzymanie do kontroli jakości, akceptacja dokumentu albo zdjęcie z terenu przy zgłoszeniu to pozycja ze statusem. Krok z modelem stoi między załączonym zdjęciem a decyzją człowieka, w tym samym obiegu statusów, który ekran już ma.

Pokaż cztery rzeczy naraz: zdjęcie źródłowe, wynik modelu, przyciski decyzji i informację, kto ostatnio uruchomił wywołanie. Załączony plik zostaje źródłem. Wynik modelu leży obok, wciąż w trakcie przeglądu, aż ktoś zatwierdzi pozycję, odeśle ją do poprawy albo ją odrzuci.

Co model może sprawdzić, a co może wytworzyć

Proś o jedno zadanie na wywołanie. Przewodnik po obrazach i widzeniu rozdziela pracę według tego, co chcesz dostać z powrotem.

Sprawdzenie Obraz
Wynik Tekst: wstępna notatka Obraz: nowa wersja albo edycja
Model Model językowy z widzeniem Model GPT Image
API Responses albo Chat Completions Images API
Na ekranie Pod zdjęciem źródłowym Obok zdjęcia źródłowego

Sprawdzenie wraca jako tekst, który osoba zatwierdzająca może poprawić. Modele z widzeniem potrafią opisać obraz, odczytać widoczny tekst i odpowiedzieć na pytania o przedmioty, kształty, kolory albo faktury. OpenAI pisze, żeby uwzględniać ograniczenia modelu, gdy korzystasz z tych odpowiedzi. Przy zdjęciu z kontroli spodziewaj się błędnego opisu, przybliżonej liczby, kłopotu z drobnym tekstem oraz kłopotu z tekstem obróconym albo odwróconym. Dokumentacja uznaje specjalistyczne obrazy medyczne za nieodpowiednie. Przy drobnym druku, na przykład na etykiecie, przewodnik zaleca wyższy poziom detail, w tym "detail": "original", gdy model go obsługuje. Notatka może wstępnie wypełnić formularz. Wstrzymanie trwa do decyzji człowieka.

Obraz to piksele. Modele GPT Image generują i edytują obrazy na podstawie tekstu i obrazów wejściowych, a w aplikacji wewnętrznej zwykle chodzi o edycję zdjęcia źródłowego. Przewodnik po generowaniu obrazów zaleca przejrzeć wynik, zanim go użyjesz, i wymienia ograniczenia ważne na tym ekranie: złożone prompty mogą zająć do 2 minut, tekst na obrazie bywa nieczytelny, a precyzyjne ułożenie elementów bywa chybione. Zaplanuj ekran na wolne wywołanie i trzymaj werdykt w polach pozycji. Jeśli na obrazie ma się znaleźć polski napis, sprawdź znaki takie jak „ą”, „ł” i „ż”: dokumentacja nadal wymienia czytelność tekstu wśród ograniczeń.

GPT Image 2.6 Sunburst i Flare robią to wyłącznie przez Image API. Strony Sunburst i Flare podają v1/images/generations i v1/images/edits jako obsługiwane, a Responses API jako nieobsługiwane. Który model wybrać i jakie parametry ustawić, jest w poradniku GPT Image 2.6 w aplikacjach firmowych i we wpisie Co GPT Image 2.6 zmienia w aplikacjach firmowych.

Gdy osoba sprawdzająca ma wskazać obszar, użyj warstwy markup. Rysuje znaczniki na osobnym przezroczystym PNG o tej samej szerokości i wysokości co zdjęcie źródłowe po uwzględnieniu orientacji, a aplikacja wysyła tę warstwę przy edycji. markup dotyczy pierwszego obrazu wejściowego, nie łączy się z mask, a znaczniki nie mogą być wtopione w zdjęcie. Prompt mówi, co ma się zmienić, a co zostać.

Krok po kroku

  1. Nazwij ekran, zdjęcie i decyzję. Jedno zdanie: która pozycja, które zdjęcie, jaki status zmienia się po zatwierdzeniu. Przykład: przyjęcie dostawy zostaje wstrzymane, aż ktoś zatwierdzi zdjęcie etykiety palety.
  2. Wybierz sprawdzenie, obraz albo oba jako osobne wywołania. Wstępna notatka o etykiecie to wywołanie modelu z widzeniem. Wyraźniejszy kadr zakreślonego obszaru to edycja obrazu. Gdy potrzebujesz obu, pokaż oba wyniki na pozycji.
  3. Zostaw zdjęcie źródłowe bez zmian. Kolejne uruchomienia dokładają wersje. Nie zastępują pliku z magazynu, od kontrolera albo od osoby zgłaszającej. Ekran pokazuje źródło i wersję roboczą obok siebie.
  4. Zostaw decyzję na tym samym ekranie. Na pozycji są przyciski: zatwierdź, odeślij do poprawy, odrzuć. Każda decyzja inna niż zwykłe zatwierdzenie wymaga krótkiej notatki. Model nie ma przycisku, który zmienia status.
  5. Zablokowane wywołanie to osobny stan. Przewodnik po generowaniu obrazów zaleca, żeby nie ponawiać bez zmian błędu image_generation_user_error, w tym moderation_blocked. Zostaw pozycję do przeglądu i pokaż prosty komunikat.
  6. Zapisz wersję, którą osoba zatwierdziła. Dalsze kroki mogą użyć tego pliku, z imieniem i czasem decyzji. Kolejna edycja to nowa wersja, która czeka na tę samą decyzję.

Osoba zatwierdzająca porównuje każdy wynik ze zdjęciem źródłowym i dopiero wtedy akceptuje wersję. Zmierz dokładność na własnych pozycjach.

Co zapisać w logu

Zapisuj tyle, ile potrzeba, żeby później odtworzyć decyzję.

  • Identyfikator pozycji, identyfikator zdjęcia i skrót pliku źródłowego.
  • Identyfikator modelu oraz to, czy wywołanie było analizą obrazu, generowaniem czy edycją.
  • Polecenie, które wysyłasz. Przy edycji zapisz prompt i informację, czy dołączono markup albo mask. Nazwisk i surowych adresów e-mail nie wkładaj do promptu.
  • safety_identifier, gdy aplikacja działa w imieniu jednej osoby: skrót nazwy użytkownika albo e-maila, co najwyżej 128 znaków, nie sam adres. Przewodnik po generowaniu obrazów zaleca to przy generowaniu i edycji.
  • Obiekt usage z odpowiedzi, żeby zużycie tokenów przy każdej zatwierdzonej pozycji zostało na tej pozycji.
  • Identyfikator żądania, a przy błędzie error.code. Przy moderation_blocked zapisz też moderation_stage i categories, gdy są. Osoba przy ekranie widzi krótki komunikat. Szczegóły widzi Twój zespół.
  • Decyzję: kto, kiedy, która wersja i notatka.

Zdjęcie osoby to dane osobowe w rozumieniu RODO. Wysyłaj je do zewnętrznego API obrazów tylko wtedy, gdy takie przetwarzanie jest dopuszczalne i plik może opuścić Twoją sieć. Tę samą granicę dla dokumentów opisuje poradnik jak przygotować dokumenty firmy pod prywatne AI.

Najczęstsze błędy

  • Szkic sam zamyka pozycję. Zanim status się zmieni, człowiek nadal zatwierdza wynik.
  • Nadpisanie zdjęcia źródłowego. Gdy edycja jest zła, oryginał musi nadal być na pozycji.
  • Namalowanie decyzji na obrazie. Tekst na obrazie to znany słaby punkt. Werdykt należy do pól, po których da się szukać.
  • Wtopienie znaczników w zdjęcie. markup to osobny przezroczysty PNG w rozmiarze źródła.
  • Ponawianie zablokowanego żądania bez zmian. moderation_blocked wymaga innego promptu albo innego wejścia.
  • Zapisanie samego obrazu. Trzymaj przy nim identyfikator modelu, identyfikator żądania, usage i decyzję człowieka.

Następny krok

Wybierz jeden ekran, który już masz, jeden rodzaj zdjęcia i jedną decyzję. Rozpisz statusy, wywołania i pola logu z tej listy. Przepuść przez nie niewielki zestaw prawdziwych pozycji, z człowiekiem zatwierdzającym każdą, zanim status zacznie zmieniać się sam.

Jeśli chcesz osadzić ten krok na ekranie, z którego Twój zespół już korzysta, możemy przejść przez jeden proces razem.

  • Aplikacje
  • Generowanie obrazów
  • Kontrola jakości