🤯⚡️ Alla kan photoshoppa ”like a pro” nu!

Bildpromptning behövs inte längre. Detta förändrar ju allt!

Det här är nyhetsbrevet där Tomas Seo, innovationsstrateg på Phorecast, berättar om händelser, upptäckter och ny teknik som får honom att utbrista: Detta förändrar ju allt! Du prenumererar på det här för att fortsätta vara steget före med de senaste trenderna och få konkreta tips för att framtidssäkra dig och din organisation. Har du fått det här av en vän? Då vill du kanske starta en egen prenumeration?

---

Vad har hänt?

- OpenAI släpper lättanvänd bildgenererare till folket

OpenAI tar upp kampen med Google om vem som ska bli Photoshops ersättare.

I tisdagskväll släppte OpenAI sin nya bildgenererare i ChatGPT 4o och Sora. I livestreamen var vd Sam Altman med och presenterade, vilket brukar markera att det är en viktig lansering för bolaget.

Google lanserade en bildgenererare på sin beta-plattform för AI för ett par veckor sedan som förstod kontext så väl att det gick att jobba med en bild i flera steg genom att chatta. Tidigare har det varit svårt att förändra bara delar av en genererad bild i efterhand. Men med den här kan du dessutom ladda upp egna bilder och be Googles Gemini förändra detaljer, vilket gjorde att press har jämfört funktionen som ett alternativ till Photoshop snarare än till andra bildgenerere.

Men nu är OpenAI först med att få in den här typen av funktionalitet där användare faktiskt kommer hitta den. Enligt OpenAI själva gör den nya bildgenereraren att bildfunktionen går från att vara en kreativt gimmick till ett användbart arbetsverktyg.

Alla med Pro-abonnemang har redan fått tillgång till den nya bildgenereringen, de flesta med Plus har fått den och även de som inte betalar alls kommer få funktionen mycket snart.

Detta förändrar ju allt

Naturligt språk fortsätter slå igenom som sätt att få AI att utföra uppgifter. Istället för att vi ska lära oss hur verktygen fungerar så lär sig verktygen hur de ska fixa det vi ber dem om. Det gäller inte bara bildgenerering, men denna vecka kör vi några handfasta tips på sådant som plötsligt blir möjligt för vem som helst att skapa utan att gå promptkurser eller Photoshopkurser.

Förutom att bara generera bilder istället för att leta efter bildbyråbilder så tror jag att det mest spännande användningsområdet kommer bli att enkelt producera realistiska produktbilder.

Byta ut text på befintliga produkter och sätta dem i en miljö kräver inga särskilda prompting-skills. Bara att ladda upp en produktbild och beskriva hur du vill att den ska placeras.

Sätta ihop två existerande bilder är heller inga problem, så länge du inte vill ha ett specifikt ansikte (det hade ju gått att fixa med någon FaceSwap-AI men det är ju bra att ni ser hur det blir).

Ibland vägrar ChatGPT. Om du får problem med att sätta ihop bilder så rekommenderar jag att börja i en helt ny ChatGPT-session. Genom att börja med att ladda upp de två bilderna du vill kombinera har jag fått det resultat jag ville ha snabbare än när jag har försökt fixa med fler versioner i samma chat-session.

Ända sedan jag började testa bildgenererare så har jag stresstestat dem genom att skapa en kopia av “For the better, right”-memet i en enda prompt. Tyvärr är OpenAI:s modell fortfarande för censurerad för att göra kopior av upphovsrättsskyddade filmscener. OpenAI har lovat att de ska vara mindre censurerande än de har varit med Sora, men jag märker ändå att rätt många komplicerade idéer jag har censureras.

Det går dock att jobba runt det lite genom att ändra manér och figurer lite fram och tillbaka, och till slut klarar jag att få fram en fyrpanel-serie i en enda promptning med de exakta instruktionerna för varje ruta. Jag lär mig då att det går bra att fråga ChatGPT vad hen skulle tillåta göra som liknar det jag vill, och säger okej till det. Sedan laddar jag upp den bilden och ber ChatGPT förändra den igen. Men egentligen var ju testet med memet till för att se hur komplexa instruktioner som funktionen klarar av. Här är några olika varianter.

Jag konstaterar att AI-modeller nu kan klara av mycket komplexa instruktioner för bilder utan att blanda ihop dem. (Både OpenAIs och Googles visar det) Men det finns fortfarande begränsningar. Stora detaljerade informationsmängder blir ibland för mycket för att få snygga bilder.

En person blir jättefin, två funkar. Sedan börja ChatGPT krångla, jag får böna och be för fler personer, och när den släpper igenom mina beställningar så ser vi att kvalitén försämras avsevärt.

Det är klart att det kräver mer processor att göra fler ansikten detaljerade än ett. Därför blir inte alla ansikten lika fina om du har många. Vi har sett liknande beteende i andra modeller (som Midjourney) och det är inte nödvändigtvis en modellbegränsning utan en beräkningskraftsbegränsning. Du får lika mycket datorkraft per bild om du beställer ett porträtt med en person eller en gruppbild. Men I de andra bildgenereringsprogrammen så kan du fuska och generera delar som sätts ihop, så du får mer processorkraft (compute) totalt för mer komplexa bilder. Men det kräver att bildgeneraren behåller de tidigare delarna intakta. Det gör inte OpenAIs bildgenererare just nu. Vill jag ändra en detalj så genereras hela bilden om, så för varje person jag lägger till blir bilden mer och mer komplex.

De som jobbar med avancerade flöden för bildgenerering via till exempel ComfyUI kommer även fortsatt känna att de har mer kontroll, men att använda normalt språk för att fixa med bilder tar över nu, och att föra dialog med din AI för att beställa AI-video är runt hörnet.

Trenden att inte behöva förstå hur man promptar ett visst verktyg har bara börjat. Vibe coding, vibe design, bara vi klarar av att verbalisera vad vi vill ha så kommer verktygen hjälpa oss att skapa det. Och några som är duktig på att verbalisera och strukturera är chattbottarna! Så fort vi löser att vi kan beställa något med naturligt språk så kan en vanlig chattbott beställa själv från AI-system. Det är därför det är så stort att ChatGPT kan använda vanligt språk för bildpromptning. Det betyder att ChatGPT själv kan illustrera sina egna texter nu. Nästa steg är att hen kodar sina egna verktyg för att automatisera komplexare arbetsprocesser. Allt som behövs är att använda AI som översättare mellan människor och verktyg och detta förändrar ju allt!

Vad kan du göra idag?

Förstå

Nu genererar bildmodellerna så fotorealistiska bilder att de går att använda i skarp produktion. Till exempel berättade H&M i veckan att de skulle börja använda AI-genererade fotomodeller. De har kopierat riktiga fotomodeller (med tillåtelse) och tränat AI-modeller som ska kunna användas för att visa upp kläder.

Vi har kunnat använda AI-bilder som substitut för foton ett tag nu, men vi har då behövt ta hjälp av duktiga AI-kreatörer. Först nu kan någon utan erfarenhet av AI-bildgenerering enkelt få fram bilder som är produktionsredo på egen hand.

Google släppte ju exakt samma funktioner redan för två veckor sedan men de gjorde det på ett undangömt ställe och med för låg upplösning. ChatGPT är så stort och enkelt att använda att det här förmodligen blir lika stort för bildbehandling med AI som ChatGPT blev för att skriva text. För trots att det är slött och OpenAI har byggt tjänsten så att dåliga genereringar döljs istället för att låta oss välja om vi vill ha dem så är enkelheten för vanliga människor överlägsen.

Planera

Organisationer kommer kunna producera fler bilder utan att ta hjälp av externa leverantörer. Tänk på att även om det går att skapa bilder med $20-abonemanget, så är kommer den som verkligen har som uppgift att göra bilder att behöva $200-abonemanget. Utan det kommer du slå i taket på antal bilder som kan genereras vilket kommer skapa en långsam och ineffektiv arbetssprocess.

Skillnaden i kvalitet mellan professionell produktion och sådant som medarbetare som inte är vana att jobba med kommunikation producerar för husbehov kommer att utjämnas. Vilket kan skapa problem. När vem som helst kommer kunna producera kommunikationsmaterial som ser officiellt så kommer vikten av att de som jobbar med brand consistency (att allt från varumärket ser likadant ut) planera att lägga mycket mer tid på att informera om hur alla kan hjälpas åt med att skapa ett samlat uttryck för varumärket.

Det är lätt att börja förbjuda, men när tekniken är så här enkel så kommer det att uppstå skaparkraft. Så istället för att se det som en risk att all kommunikation börjar spreta så är det dags att se den som en kraft för att få fler att hjälpa till med att skapa exakt det kommunikationsmaterial som var och en inom organisationen behöver.

Tillåtande visuella identiteter kommer ha en marknadsavdelning som består av alla. Strikta design-policy-drivna organisationer kommer ha en trång sektor på en överbelastad marknadsavdelning. I slutändan är det en ledarfråga för vilken strategi er organisation har för att kännas distinkta och om det väger tyngre att fler kan göra eller att det lilla som görs är helt homogent i uttryck.

Gör

Testa gränserna. Testa att använda OpenAIs bildgenererare på olika sätt för att förstå vad den förstår och ej. Det funkar lite olika via ChatGPT och via Sora-plattformen så det är också värt att utforska skillnaderna där. Sora har förresten inga credits längre (antar för att så få använder det).

Om du undvikit att använda AI-bilder för att det har känts för svårt att göra något fint så kan du hoppa på igen nu.

Länkar

OpenAIs bloggpost om bildgenereringen.
https://openai.com/index/introducing-4o-image-generation

OpenAIs presentation

H&M testar AI-fotomodeller
https://www.businessoffashion.com/articles/technology/hm-plans-to-use-ai-models/

Det är inte bara OpenAI som har släppt en ny bildmodell. Reve släppte i veckan en ny jättebra bildgenereringstjänst, gratis credits för att kunna testa. Ideogram släppte just sin version 3.0 som också ser jättebra ut. Taskig tajming för dem.

Sedan sist vi hördes

Jag skrev om hur Anthropics MCP:er håller på att bli standard för hur AI-bottar ska kommunicera med digitala tjänster. Nu har OpenAI hakat på samma standard, vilket gör MCP:er till ett must have för alla som vill underlätta för bottar att använda era tjänster.
https://openai.github.io/openai-agents-python/mcp/

Är du en insiktsdelare?

Känner du någon som har tyckt att Midjourney var för svårt att komma igång med? Eller kanske någon som undrar över begränsningarna i OpenAIs nya bildtjänst? Vem tänkte du på? Skicka vidare!

Nästa torsdag 3/4 föreläser jag på Berghs Unconference i Stockholm igen.
Jag kommer stå på stora scenen efter lunch kl 13.
Köp biljetter här

Fortsätt utforska så ses vi nästa vecka!

Tomas Seo

Har du fått dagens nyhetsbrev utan att vara prenumerant?
Gillade du det här och vill ha mer så är det bara att skriva upp sig här
(du väljer själv om du vill betala):