Ingin Memanfaatkan Kekuatan AI tanpa Pembatasan?
Ingin Menghasilkan Gambar AI tanpa Jaminan?
Maka, Anda tidak boleh melewatkan Anakin AI! Mari kita lepas kekuatan AI untuk semua orang!
ChatGPT, dalam antarmuka berbasis teks utamanya, tidak secara langsung mendukung pengiriman dan tampilan gambar dengan cara yang sama seperti aplikasi pesan seperti WhatsApp atau Telegram. Anda tidak dapat begitu saja mengklik tombol "lampirkan" dan mengirim foto untuk dilihat secara langsung dalam jendela percakapan. Keterbatasan ini berasal dari desain inti ChatGPT sebagai model bahasa besar yang fokus pada menghasilkan dan memahami teks. Namun, ini tidak berarti berinteraksi dengan gambar melalui ChatGPT sepenuhnya tidak mungkin. Ada metode tidak langsung, solusi cerdas, dan integrasi dengan alat lain yang memungkinkan Anda memanfaatkan kemampuan ChatGPT bersamaan dengan konten visual. Pendekatan ini melibatkan penggunaan layanan hosting gambar, memanfaatkan model captioning gambar, atau membuat alur kerja yang lebih kompleks dengan API eksternal. Memahami metode ini dapat secara signifikan memperluas potensi kreatif Anda dengan ChatGPT dan membuka jalan baru untuk berinteraksi dengan AI. Sebagai contoh, Anda bisa mendeskripsikan gambar yang ingin Anda hasilkan atau meminta ChatGPT menganalisis gambar yang dihosting secara online dan memberikan wawasan.
Ketidakmampuan untuk menampilkan foto secara langsung dalam antarmuka utama ChatGPT terutama disebabkan oleh desain arsitekturnya. ChatGPT pada dasarnya adalah model bahasa, yang dibuat untuk memproses dan menghasilkan teks. Mekanisme dasarnya melibatkan pemahaman hubungan antara kata dan frasa untuk memprediksi kelanjutan yang paling mungkin dari suatu urutan teks tertentu. Fungsi inti ini tidak secara inheren mencakup proses kompleks yang diperlukan untuk merender gambar atau mendekode data visual. Untuk menangani gambar secara efektif, ChatGPT perlu mengintegrasikan modul tambahan yang mampu memahami dan menampilkan berbagai format gambar (JPEG, PNG, dll.). Ini akan mewakili perubahan signifikan dalam arsitektur model dan akan memerlukan pelatihan ulang yang luas pada dataset besar tentang pasangan gambar dan teks. Sementara penelitian sedang aktif berlangsung di bidang AI multimodal, di mana model dapat memproses baik teks maupun gambar secara mulus, versi utama ChatGPT saat ini tetap berfokus terutama pada interaksi berbasis teks. Fokus ini memungkinkan ChatGPT unggul dalam kompetensi intinya: pemahaman dan generasi bahasa alami. Selain itu, menambahkan kemampuan pemrosesan gambar akan meningkatkan tuntutan komputasi dan kompleksitas sistem, yang mungkin berdampak pada kecepatan dan aksesibilitasnya.
Salah satu solusi efektif untuk berbagi gambar dalam percakapan ChatGPT adalah memanfaatkan layanan hosting gambar seperti Imgur, Google Photos, atau Dropbox. Platform ini memungkinkan Anda mengunggah gambar dan menghasilkan URL unik (tautan web) yang mengarah ke gambar tersebut. Anda kemudian dapat membagikan URL ini dengan ChatGPT. Ketika Anda mengirim tautan, ChatGPT, meskipun tidak menampilkan gambar secara langsung, masih dapat "melihat" bahwa tautan telah disediakan. Ini memungkinkan Anda untuk mengajukan pertanyaan kepada ChatGPT tentang gambar atau meminta kapsyen deskriptif. Anda bisa, misalnya, mengunggah foto pemandangan ke Imgur dan kemudian mengirim tautan tersebut ke ChatGPT, menanyakan, "Dapatkah Anda mendeskripsikan elemen visual dari gambar ini berdasarkan tautan yang diberikan?" ChatGPT kemudian akan menganalisis URL tersebut, mencoba memahami konteksnya (seringkali dengan mengakses halaman web di mana gambar dihosting, jika tersedia), dan menghasilkan deskripsi tekstual tentang pemandangan, termasuk rincian seperti keberadaan gunung, pohon, atau badan air. Metode ini memanfaatkan kemampuan ChatGPT untuk memproses teks dan menafsirkan informasi terkait dengan URL yang diberikan untuk berinteraksi secara tidak langsung dengan gambar. Ingatlah untuk menyesuaikan pengaturan privasi layanan hosting gambar Anda sesuai dengan preferensi Anda.
Berikut adalah proses langkah demi langkah untuk berbagi gambar dengan ChatGPT menggunakan layanan hosting gambar:
Bayangkan Anda mengunggah sebuah lukisan ke Imgur dan mendapatkan tautan berikut: imgur.com/a/XYZ123. Anda kemudian menempelkan tautan ini ke ChatGPT dan bertanya: "Tolong deskripsikan gaya seni dan subjek lukisan yang ditemukan di tautan ini." ChatGPT mungkin menjawab: "Berdasarkan tautan tersebut, lukisan ini tampaknya dalam gaya Impresionis, ditandai dengan sapuan kuas yang terlihat dan fokus pada menangkap cahaya dan suasana. Subjek yang ditampilkan sepertinya adalah pemandangan, kemungkinan sebuah ladang bunga dengan pohon-pohon di latar belakang." Contoh ini menunjukkan bagaimana ChatGPT secara inferensial mendeskripsikan konten tanpa secara langsung memproses data gambar itu sendiri, memanfaatkan metadata dan informasi kontekstual yang mungkin tersedia terkait dengan tautan tersebut.
Meskipun ChatGPT tidak dapat secara langsung memproses gambar yang Anda unggah, ia dapat berinteraksi dengan output dari model kapsyen gambar. Model kapsyen gambar adalah algoritma AI yang dirancang khusus untuk menganalisis gambar dan menghasilkan deskripsi tekstual tentang kontennya. Anda dapat menggunakan model ini di luar ChatGPT dan kemudian menempelkan kapsyen yang dihasilkan ke dalam ChatGPT. ChatGPT kemudian bisa menggunakan kapsyen sebagai dasar untuk percakapan atau analisis lebih lanjut. Pendekatan ini memungkinkan Anda untuk "memberi makan" informasi visual ke ChatGPT dalam format tekstual yang dapat dipahami. Misalnya, Anda bisa menggunakan alat kapsyen gambar online gratis, mengunggah foto anjing bermain di taman, dan menerima kapsyen seperti: "Seekor anjing cokelat berlari di taman berumput, dengan pohon-pohon dan orang-orang terlihat di latar belakang." Tempelkan kapsyen ini ke ChatGPT dan kemudian tanyakan, "Tulis sebuah cerita pendek yang terinspirasi oleh adegan ini." ChatGPT kemudian akan mampu membuat cerita berdasarkan deskripsi yang diterimanya, efektif menggunakan informasi visual yang disampaikan melalui kapsyen. Ini adalah cara yang efektif untuk mengekstrak informasi dari sumber eksternal.
Beberapa alat online dan API yang tersedia menawarkan layanan kapsyen gambar. Beberapa pilihan populer termasuk API Google Cloud Vision, API Microsoft Azure Computer Vision, dan Clarifai. Banyak opsi gratis atau freemium juga ada, menawarkan penggunaan terbatas tanpa memerlukan pengaturan yang rumit. Untuk menggunakan alat ini, Anda biasanya mengunggah gambar Anda ke platform, dan layanan tersebut mengembalikan kapsyen yang dihasilkan. Anda dapat kemudian menyalin dan menempelkan kapsyen ini ke dalam ChatGPT. Kualitas kapsyen yang dihasilkan dapat bervariasi tergantung pada kompleksitas gambar dan kemampuan model kapsyen. Model yang lebih canggih mungkin dapat mengidentifikasi detail dan nuansa yang lebih halus, menghasilkan kapsyen yang lebih kaya dan informatif. Ingatlah untuk memilih layanan kapsyen gambar yang tepercaya yang menghormati privasi dan keamanan data Anda. Perhatikan syarat layanan dari setiap alat online yang Anda gunakan, terutama mengenai penyimpanan dan penggunaan data. Metode ini memungkinkan Anda bertindak sebagai perantara antara gambar dan ChatGPT, memberikan model dengan representasi tekstual yang dibutuhkannya.
Misalkan Anda memiliki foto matahari terbenam yang cerah di atas lautan. Anda mengunggah gambar tersebut ke alat kapsyen online dan menerima kapsyen: "Sebuah matahari terbenam yang menakjubkan di atas lautan, dengan nuansa oranye dan merah yang cerah menghias langit. Ombak lembut menyentuh pantai, dan pohon palem yang siluet bergoyang dalam angin." Anda kemudian menempelkan kapsyen ini ke ChatGPT dan bertanya, "Tulis sebuah puisi pendek yang terinspirasi oleh deskripsi ini." ChatGPT mungkin merespons dengan:
Lautan menghela nafas, kanvas cerah,
Di mana api mencium cahaya yang memudar.
Oranye mengalir ke merah meriah,
Saat hari menyerah, lembut terbimbing.
Pohon palem berbisik, bayangan panjang,
Sebuah lagu musim panas yang diam, bergoyang.
Ombak menyambut pantai berpasir,
Sebuah pemandangan tenang, selamanya.
Ini menggambarkan bagaimana Anda dapat menjembatani kesenjangan antara konten visual dan kemampuan berbasis teks ChatGPT dengan memanfaatkan kekuatan kapsyen gambar dan dorongan kreatif.
Bagi pengguna dengan keterampilan pemrograman, mengintegrasikan ChatGPT dengan API eksternal menyediakan cara yang lebih kuat dan dapat disesuaikan untuk berinteraksi dengan gambar. Anda dapat menggunakan API dari layanan seperti Google Cloud Vision atau Amazon Rekognition untuk melakukan berbagai tugas analisis gambar, seperti deteksi objek, pengenalan wajah, atau OCR (Pengakuan Karakter Optik). Hasil dari API ini kemudian dapat dimasukkan ke dalam ChatGPT sebagai teks.
Bayangkan Anda memiliki gambar kwitansi. Dengan menggunakan API OCR, Anda dapat mengekstrak teks dari kwitansi dan kemudian memasukkan teks ini ke dalam ChatGPT untuk merangkum pengeluaran atau mengategorikannya. Atau misalkan Anda memiliki foto sekelompok orang. Anda bisa menggunakan API pengenalan wajah untuk mengidentifikasi individu dalam gambar dan kemudian meminta ChatGPT untuk memberikan informasi tentang setiap orang berdasarkan nama mereka yang teridentifikasi.
import openai
import requests
# Ganti dengan kunci API Anda
openai.api_key = "YOUR_OPENAI_API_KEY"
google_vision_api_key = "YOUR_GOOGLE_VISION_API_KEY"
def analyze_image(image_url):
"""Menganalisis gambar menggunakan Google Cloud Vision API dan mengembalikan deskripsi."""
url = f"https://vision.googleapis.com/v1/images:annotate?key={google_vision_api_key}"
data = {
"requests": [
{
"image": {
"source": {
"imageUri": image_url
}
},
"features": [
{
"type": "LABEL_DETECTION",
"maxResults": 5
}
]
}
]
}
response = requests.post(url, json=data)
response_json = response.json()
labels = [label['description'] for label in response_json['responses'][0]['labelAnnotations']]
return ", ".join(labels)
def chat_with_image(image_url, prompt):
"""Menganalisis gambar dan kemudian berbicara dengan ChatGPT berdasarkan analisis tersebut."""
image_description = analyze_image(image_url)
full_prompt = f"Gambar ini berisi: {image_description}. {prompt}"
response = openai.Completion.create(
engine="text-davinci-003",
prompt=full_prompt,
max_tokens=150,
n=1,
stop=None,
temperature=0.7,
)
return response.choices[0].text.strip()
# Contoh penggunaan
image_url = "https://example.com/image.jpg" # Ganti dengan URL gambar yang sebenarnya
prompt = "Tulis sebuah puisi pendek tentang gambar ini."
response = chat_with_image(image_url, prompt)
print(response)
Potongan kode ini pertama-tama mendefinisikan fungsi analyze_image yang mengambil URL gambar sebagai input dan menggunakan Google Cloud Vision API untuk menganalisis gambar dan mengekstrak label yang menggambarkan isinya. Teks ini sangat informatif sehingga ChatGPT dapat memanfaatkannya untuk membuat konten. Kemudian mendefinisikan fungsi lain chat_with_image yang mengambil URL gambar dan prompt sebagai input. Ia menggunakan fungsi analyze_image untuk mendapatkan deskripsi gambar dan menggabungkannya dengan prompt yang diberikan pengguna untuk membuat prompt lengkap untuk ChatGPT. Akhirnya, mengirimkan prompt lengkap ini ke ChatGPT dan mengembalikan teks yang dihasilkan. Ini menunjukkan bagaimana Anda dapat secara programatis mengintegrasikan ChatGPT dengan alat analisis gambar untuk menciptakan alur kerja interaksi gambar yang lebih canggih dan otomatis.
Masa depan AI pasti multimodal, di mana model dapat memproses dan memahami berbagai jenis data, termasuk teks, gambar, audio, dan video. Seiring kemajuan teknologi AI, kita dapat mengharapkan untuk melihat ChatGPT (atau iterasi masa depannya) mengembangkan kemampuan dukungan gambar bawaan. Bayangkan dapat langsung mengunggah gambar ke ChatGPT dan langsung menganalisis serta menafsirkan konten visual tanpa memerlukan layanan eksternal atau solusi yang rumit. Ini bisa membuka banyak kemungkinan seperti pertanyaan visual. Ini juga menawarkan peningkatan dalam generasi gambar. Anda kemudian dapat mempertanyakan dengan cara yang lebih visual. Ini membuka cara yang lebih intuitif dan efisien untuk berinteraksi dengan AI, memungkinkan ekspresi kreatif yang lebih komprehensif. Pengembangan model AI multimodal yang kuat akan memerlukan kemajuan signifikan dalam arsitektur pembelajaran mendalam, metodologi pelatihan, dan kemampuan perangkat keras.
Implikasi dari dukungan gambar bawaan di ChatGPT sangat signifikan. Ini akan meningkatkan pengalaman pengguna secara drastis. Ini akan memungkinkan interaksi yang lebih intuitif dan efisien dengan AI dan dunia visual. Misalnya, pengguna dapat mengunggah gambar produk dan mengajukan pertanyaan tentang fitur mereka atau membandingkannya dengan produk lain. Siswa dapat mengunggah gambar diagram atau persamaan kompleks dan meminta penjelasan. Arsitek dan desainer dapat mengunggah gambar desain bangunan dan menerima umpan balik tentang estetika atau integritas strukturalnya. Kemungkinan tidak terbatas.
Mengintegrasikan dukungan gambar bawaan juga akan meningkatkan aplikasi kreatif. Seniman dapat menggunakan referensi visual untuk membimbing generasi karya seni baru, dengan ChatGPT memberikan saran dan penyempurnaan. Desainer dapat dengan cepat membuat prototipe ide dengan mengunggah sketsa atau mockup dan menerima umpan balik instan tentang kelayakan dan daya tariknya. Pengembangan model AI multimodal yang dapat memproses baik teks maupun gambar menghadirkan peluang menarik untuk inovasi dan aplikasi transformatif di berbagai industri.
