ต้องการใช้ประโยชน์จากพลังของ AI โดยไม่มีข้อจำกัดใด ๆ ใช่ไหม?
ต้องการสร้างภาพ AI โดยไม่มีการป้องกันใช่ไหม?
ถ้าอย่างนั้น คุณห้ามพลาด Anakin AI! มาปลดปล่อยพลังของ AI ให้กับทุกคนกันเถอะ!
ChatGPT ซึ่งเป็นอินเตอร์เฟสที่ใช้ข้อความเป็นหลัก ไม่รองรับการส่งและแสดงภาพโดยตรงในลักษณะเดียวกับแอปการส่งข้อความเช่น WhatsApp หรือ Telegram คุณไม่สามารถคลิกปุ่ม "แนบ" แล้วส่งภาพเพื่อดูได้ทันทีในหน้าต่างสนทนา ข้อจำกัดนี้เกิดจากการออกแบบหลักของ ChatGPT ที่เป็นโมเดลภาษาขนาดใหญ่ที่มุ่งเน้นการสร้างและเข้าใจข้อความ อย่างไรก็ตาม นี่ไม่ได้หมายความว่าการทำงานกับภาพผ่าน ChatGPT เป็นไปไม่ได้อย่างสิ้นเชิง เส้นทางกระทบต่าง ๆ วิธีการอ้อมที่ชาญฉลาด และการรวมเข้ากับเครื่องมืออื่น ๆ ที่ช่วยให้คุณสามารถใช้ความสามารถของ ChatGPT ร่วมกับเนื้อหาทางสายตา วิธีการเหล่านี้เกี่ยวข้องกับการใช้บริการโฮสติ้งภาพ การใช้โมเดลการบรรยายภาพ หรือการสร้างการทำงานที่ซับซ้อนมากขึ้นด้วย API ภายนอก การเข้าใจวิธีการเหล่านี้สามารถขยายศักยภาพในการสร้างสรรค์ของคุณด้วย ChatGPT อย่างมีนัยสำคัญและเปิดเส้นทางใหม่ ๆ สำหรับการมีปฏิสัมพันธ์กับ AI ตัวอย่างเช่น คุณอาจบรรยายภาพที่ต้องการสร้างหรือขอให้ ChatGPT วิเคราะห์ภาพที่โฮสต์ออนไลน์และให้ข้อมูลเชิงลึก
ความไม่สามารถในการแสดงภาพโดยตรงภายในอินเตอร์เฟสหลักของ ChatGPT เกิดจาก การออกแบบสถาปัตยกรรม ของมัน ChatGPT เป็น โมเดลภาษา ที่ถูกสร้างขึ้นเพื่อประมวลผลและสร้างข้อความ กลไกพื้นฐานของมันเกี่ยวข้องกับการเข้าใจความสัมพันธ์ระหว่างคำและวลีเพื่อตรวจสอบการเสนอที่น่าจะเป็นที่สุดสำหรับลำดับข้อความที่กำหนด ฟังก์ชันหลักนี้ไม่ได้รวมกระบวนการที่ซับซ้อนที่จำเป็นสำหรับการเรนเดอร์ภาพหรือการถอดรหัสข้อมูลทางภาพ เพื่อจัดการกับภาพได้อย่างมีประสิทธิภาพ ChatGPT จะต้องรวมโมดูลเพิ่มเติมที่สามารถเข้าใจและแสดงรูปแบบของภาพต่าง ๆ (JPEG, PNG, ฯลฯ) ซึ่งจะมีการเปลี่ยนแปลงอย่างมีนัยสำคัญในสถาปัตยกรรมของโมเดลและต้องมีการฝึกฝนใหม่อย่างกว้างขวางในชุดข้อมูลขนาดใหญ่ของคู่ภาพและข้อความ แม้ว่างานวิจัยจะก้าวหน้าอย่างต่อเนื่องในสาขาของ AI หลายรูปแบบที่โมเดลสามารถประมวลผลทั้งข้อความและภาพได้อย่างราบรื่น แต่เวอร์ชันหลักในปัจจุบันของ ChatGPT ยังคงมุ่งเน้นไปที่การมีปฏิสัมพันธ์ที่ใช้ข้อความเป็นหลัก การมุ่งเน้นนี้ทำให้มันโดดเด่นในความสามารถหลักของมัน: การเข้าใจและสร้างภาษาธรรมชาติ นอกจากนี้การเพิ่มความสามารถในการประมวลผลภาพจะเพิ่มความต้องการด้านคอมพิวเตอร์และความซับซ้อนของระบบ ซึ่งอาจส่งผลกระทบต่อความเร็วและความเข้าถึง
วิธีการที่มีประสิทธิภาพหนึ่งในการแบ่งปันภาพภายในการสนทนา ChatGPT คือการใช้บริการโฮสติ้งภาพ เช่น Imgur, Google Photos หรือ Dropbox แพลตฟอร์มเหล่านี้ช่วยให้คุณอัปโหลดภาพและสร้าง URL ที่ไม่ซ้ำกัน (ลิงก์เว็บ) ที่ชี้ไปยังภาพนั้น คุณสามารถแชร์ URL นี้กับ ChatGPT ได้ เมื่อคุณส่งลิงก์ไป ChatGPT จะไม่แสดงภาพโดยตรง แต่ยังสามารถ "เห็น" ว่ามีการให้ลิงก์มาแล้ว การทำเช่นนี้ช่วยให้คุณสามารถถาม ChatGPT เกี่ยวกับภาพหรือขอให้มันบรรยายลักษณะ คุณอาจอัปโหลดภาพของภูมิทัศน์ไปยัง Imgur แล้วส่งลิงก์ไปยัง ChatGPT โดยถามว่า "คุณช่วยบรรยายองค์ประกอบที่เป็นภาพของภาพนี้ตามลิงก์ที่ให้ไว้ได้ไหม?" ChatGPT จะวิเคราะห์ URL ทำความเข้าใจบริบท (โดยปกติด้วยการเข้าถึงหน้าเว็บที่ภาพนั้นโฮสต์ถ้ามีให้) และสร้างคำบรรยายข้อความเกี่ยวกับภูมิทัศน์ รวมถึงรายละเอียดเช่นการมีอยู่ของภูเขา ต้นไม้ หรือแหล่งน้ำ วิธีนี้ใช้ความสามารถของ ChatGPT ในการประมวลผลข้อความและตีความข้อมูลที่เกี่ยวข้องกับ URL ที่กำหนดเพื่อมีปฏิสัมพันธ์กับภาพโดยอ้อม อย่าลืมปรับตั้งค่าความเป็นส่วนตัวของบริการโฮสติ้งภาพของคุณตามความต้องการของคุณ
นี่คือขั้นตอนที่ละเอียดเกี่ยวกับกระบวนการแบ่งปันภาพกับ ChatGPT โดยใช้บริการโฮสติ้งภาพ:
สมมติว่าคุณอัปโหลดภาพวาดไปยัง Imgur และได้รับลิงก์ต่อไปนี้: imgur.com/a/XYZ123 จากนั้นคุณวางลิงก์นี้ใน ChatGPT และถามว่า: "กรุณาบรรยายสไตล์ศิลปะและเนื้อหาของภาพวาดที่พบในลิงก์นี้" ChatGPT อาจตอบได้ว่า: "จากลิงก์นี้ ภาพวาดดูเหมือนอยู่ในสไตล์อิมเพรสชั่นนิสต์ ที่มีการใช้แปรงสีที่เห็นได้ชัดและมุ่งเน้นการจับภาพแสงและบรรยากาศ เนื้อหาดูเหมือนจะเป็นภูมิทัศน์ อาจจะเป็นทุ่งดอกไม้ที่มีต้นไม้ในฉากหลัง" ตัวอย่างนี้แสดงให้เห็นว่า ChatGPT สามารถบรรยายเนื้อหาได้อย่างมีนัยสำคัญ โดยไม่ต้องประมวลผลข้อมูลภาพโดยตรง โดยใช้ข้อมูลเมตาและข้อมูลบริบทที่อาจเกี่ยวข้องกับลิงก์
ประมวลผล ภาพที่คุณอัปโหลดได้ แต่สามารถ มีปฏิสัมพันธ์ กับ ผลลัพธ์ ของโมเดลการบรรยายภาพ โมเดลการบรรยายภาพคืออัลกอริธึม AI ที่ออกแบบมาเฉพาะเพื่อวิเคราะห์ภาพและสร้างคำบรรยายเป็นข้อความเกี่ยวกับเนื้อหาของมัน คุณสามารถใช้โมเดลเหล่านี้ภายนอก ChatGPT และจากนั้นวางคำบรรยายที่สร้างขึ้น ลงใน ChatGPT ChatGPT สามารถใช้คำบรรยายนี้เป็นพื้นฐานสําหรับการสนทนาหรือการวิเคราะห์เพิ่มเติม วิธีการนี้ช่วยให้คุณส่งข้อมูลทางสายตาไปยัง ChatGPT ในรูปแบบข้อความที่เข้าใจได้ ตัวอย่างเช่น คุณอาจใช้เครื่องมือบรรยายภาพออนไลน์ฟรี อัปโหลดภาพของสุนัขที่เล่นในสวนสาธารณะ และรับคำบรรยายว่า: "สุนัขสีน้ำตาลกำลังวิ่งผ่านสวนหญ้า โดยมีต้นไม้และผู้คนมองเห็นอยู่ในฉากหลัง" วางคำบรรยายนี้ลงใน ChatGPT แล้วถามว่า "เขียนเรื่องสั้นที่ได้รับแรงบันดาลใจจากฉากนี้" ChatGPT จะสามารถสร้างเรื่องราวตามการบรรยายที่ได้รับ โดยใช้ข้อมูลทางภาพที่ถ่ายทอดผ่านคำบรรยายอย่างมีประสิทธิภาพ นี่คือวิธีที่บางครั้งอาจใช้ในการดึงข้อมูลจากแหล่งภายนอก
เครื่องมือและ API ออนไลน์หลายรายการที่มีอยู่ช่วยเสนอการบรรยายภาพ ตัวเลือกที่เป็นที่นิยม ได้แก่ Microsoft Azure Computer Vision API, Google Cloud Vision API, และ Clarifai นอกจากนี้ยังมีตัวเลือกฟรีหรือฟรีเมี่ยมหลายรายการที่มีการใช้งานที่จำกัดโดยไม่ต้องมีการตั้งค่าที่ยุ่งยาก สำหรับการใช้เครื่องมือเหล่านี้ โดยทั่วไปคุณต้องอัปโหลดภาพของคุณไปยังแพลตฟอร์ม และบริการจะส่งกลับคำบรรยายที่สร้างขึ้น คุณสามารถคัดลอกและวางคำบรรยายนี้ลงใน ChatGPT คุณภาพของคำบรรยายที่สร้างขึ้นอาจแตกต่างไปตามความซับซ้อนของภาพและความสามารถของโมเดลการบรรยาย โมเดลที่มีความก้าวหน้ามากขึ้นอาจสามารถระบุรายละเอียดเล็กน้อยและนวัตกรรมต่าง ๆ นำไปสู่คำบรรยายที่มีข้อมูลมากขึ้นและร่ำรวยขึ้น อย่าลืมเลือกบริการการบรรยายภาพที่มีชื่อเสียงซึ่งให้ความเคารพต่อความเป็นส่วนตัวและความปลอดภัยของข้อมูลของคุณ ระมัดระวังเกี่ยวกับข้อกำหนดในการให้บริการของเครื่องมือออนไลน์ใด ๆ ที่คุณใช้ โดยเฉพาะในเรื่องการจัดเก็บและการใช้ข้อมูล วิธีการนี้ช่วยให้คุณทำหน้าที่เป็นคนกลางระหว่างภาพและ ChatGPT โดยให้โมเดลมีกระจายความคิดเห็นเป็นข้อความที่จำเป็น
สมมติว่าคุณมีภาพของพระอาทิตย์ลับฟ้าที่มีอันตภาคที่สดใสเหนือมหาสมุทร คุณอัปโหลดภาพไปยังเครื่องมือการบรรยายออนไลน์และรับคำบรรยายว่า: "พระอาทิตย์ลับฟ้าที่ยอดเยี่ยมเหนือมหาสมุทร โดยมีเฉดสีส้มและแดงที่ลุกโชติช่วงระบายท้องฟ้า คลื่นกระทบที่ชายหาดอย่างอ่อนโยน และต้นปาล์มถูกซากโลกริ้วโบกไปตามสายลม" จากนั้นคุณวางคำบรรยายนี้ใน ChatGPT และถามว่า "เขียนบทกวีสั้นที่ได้รับแรงบันดาลใจจากคำบรรยายนี้" ChatGPT อาจตอบว่า:
มหาสมุทรถอนหายใจ, ผืนผ้า ข้างบนที่สดใส,
เมื่อไฟจูบกับแสงที่จางหาย.
ส้มไหลผสานกับแดงเข้ม,
ขณะที่วันที่ยอมแพ้, นำพาอย่างนุ่มนวล.
ต้นปาล์มกระซิบ, เงาที่ยาว,
เสียงเพลงฤดูร้อนที่เงียบสงบและโยกย้าย.
คลื่นกอดหาดทราย,
ฉากที่เงียบสงบ, ตลอดกาล.
นี่แสดงให้เห็นว่าคุณสามารถเชื่อมโยงช่องว่างระหว่างเนื้อหาทางสายตากับความสามารถที่ใช้ข้อความของ ChatGPT โดยใช้พลังของการบรรยายภาพและการกระตุ้นความคิดสร้างสรรค์
สำหรับผู้ใช้ที่มีทักษะในการเขียนโปรแกรม การรวม ChatGPT กับ API ภายนอกจะ提供วิธีที่มีประสิทธิภาพและปรับแต่งได้มากขึ้นในการทำงานกับภาพ คุณสามารถใช้ API จากบริการต่าง ๆ เช่น Google Cloud Vision หรือ Amazon Rekognition เพื่อทำงานการวิเคราะห์ภาพต่าง ๆ เช่น การตรวจจับวัตถุ การรู้จำใบหน้า หรือ OCR (การรู้จำอักขระด้วยแสง) ผลลัพธ์จาก API เหล่านี้สามารถป้อนกลับไปยัง ChatGPT เป็นข้อความ
ลองนึกภาพว่าคุณมีภาพของใบเสร็จ โดยการใช้ API OCR คุณสามารถดึงข้อความจากใบเสร็จและป้อนข้อความนี้ลงใน ChatGPT เพื่อสรุปค่าใช้จ่ายหรือจัดหมวดหมู่พวกเขา หรือสมมติว่าคุณมีภาพของกลุ่มคน คุณสามารถใช้ API การรู้จำใบหน้าเพื่อระบุบุคคลในภาพแล้วถาม ChatGPT เพื่อให้ข้อมูลเกี่ยวกับแต่ละคนตามชื่อที่ระบุ
import openai
import requests
# เปลี่ยนด้วย API keys ของคุณ
openai.api_key = "YOUR_OPENAI_API_KEY"
google_vision_api_key = "YOUR_GOOGLE_VISION_API_KEY"
def analyze_image(image_url):
"""วิเคราะห์ภาพโดยใช้ Google Cloud Vision API และส่งคืนคำบรรยาย."""
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):
"""วิเคราะห์ภาพแล้วสนทนากับ ChatGPT ตามการวิเคราะห์."""
image_description = analyze_image(image_url)
full_prompt = f"ภาพนี้มีดังต่อไปนี้: {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()
# ตัวอย่างการใช้งาน
image_url = "https://example.com/image.jpg" # เปลี่ยนด้วย URL ของภาพจริง
prompt = "เขียนบทกวีสั้นเกี่ยวกับภาพนี้."
response = chat_with_image(image_url, prompt)
print(response)
โค้ดตัวอย่างนี้เริ่มต้นด้วยการกำหนดฟังก์ชัน analyze_image ซึ่งรับ URL ของภาพเป็นข้อมูลนำเข้าและใช้ Google Cloud Vision API เพื่อวิเคราะห์ภาพและดึงป้ายกำกับที่อธิบายเนื้อหาของมัน ข้อความนี้มีข้อมูลมากซึ่ง ChatGPT สามารถใช้เพื่อสร้างเนื้อหา จากนั้นมันกำหนดฟังก์ชันอีกอัน chat_with_image ซึ่งรับ URL ของภาพและคำกระตุ้นเป็นข้อมูลนำเข้า ใช้ฟังก์ชัน analyze_image เพื่อให้ได้คำบรรยายของภาพและรวมเข้ากับคำกระตุ้นที่ผู้ใช้ให้มาเพื่อสร้างคำกระตุ้นครบถ้วนสำหรับ ChatGPT สุดท้ายจะส่งคำกระตุ้นนี้ไปยัง ChatGPT และส่งคืนข้อความที่สร้างขึ้น แสดงให้เห็นว่าคุณสามารถรวม ChatGPT กับเครื่องมือวิเคราะห์ภาพทางโปรแกรมเพื่อสร้างการทำงานของการมีปฏิสัมพันธ์ที่ซับซ้อนและอัตโนมัติ
อนาคตของ AI แน่นอนว่าจะเป็นหลายรูปแบบ ซึ่งโมเดลสามารถประมวลผลและเข้าใจประเภทข้อมูลที่หลากหลายรวมถึงข้อความ ภาพ เสียง และวิดีโอ เมื่อเทคโนโลยี AI ก้าวหน้า เราสามารถคาดหวังที่จะเห็น ChatGPT (หรือเวอร์ชันที่เป็นอนาคตของมัน) พัฒนาความสามารถในการสนับสนุนภาพโดยตรง ลองนึกภาพการอัปโหลดภาพเข้าสู่ ChatGPT โดยตรงและให้มันวิเคราะห์และตีความเนื้อหาทางภาพทันที โดยไม่ต้องการบริการภายนอกหรือวิธีการอ้อมที่ซับซ้อน สิ่งนี้อาจเปิดโอกาสมากมายอย่างการตอบคำถามทางสายตา นอกจากนี้ยังให้การสร้างภาพที่ดียิ่งขึ้น คุณสามารถถามคำถามแต่ในลักษณะที่มีความอย่างชัดเจนมากขึ้น มันทำให้เป็นวิธีที่มีอุตสาหกรรมและมีประสิทธิภาพมากขึ้นในการมีปฏิสัมพันธ์กับ AI โดยเปิดประตูสู่การแสดงออกอย่างสร้างสรรค์ที่ครอบคลุมมากขึ้น การพัฒนาโมเดล AI ที่หลากหลายมีความต้องการการพัฒนาที่สำคัญในสถาปัตยกรรมการเรียนรู้เชิงลึก วิธีการการฝึก และความสามารถด้านฮาร์ดแวร์
ผลกระทบของการสนับสนุนภาพโดยตรงใน ChatGPT มีความสำคัญอย่างมาก มันจะปรับปรุงประสบการณ์ของผู้ใช้ได้อย่างมีนัยสำคัญ จะช่วยให้การมีปฏิสัมพันธ์ที่ชัดเจนและมีประสิทธิภาพมากยิ่งขึ้นกับทั้ง AI และโลกที่มองเห็นได้ ตัวอย่างเช่น ผู้ใช้สามารถอัปโหลดภาพสินค้าที่ต้องการและถามเกี่ยวกับคุณลักษณะของพวกเขาหรือเปรียบเทียบกับสินค้าอื่น ๆ นักเรียนสามารถอัปโหลดภาพของแผนภูมิหรือสมการที่ซับซ้อนและขอให้มีการอธิบาย สถาปนิกและนักออกแบบสามารถอัปโหลดภาพการออกแบบอาคารและขอรับข้อมูลเกี่ยวกับความสวยงามหรือความสมบูรณ์ของโครงสร้าง มีกล่าวว่าศักยภาพนั้นไม่มีที่สิ้นสุด
การรวมการสนับสนุนภาพโดยตรงจะช่วยเพิ่มการใช้งานด้านสร้างสรรค์ได้เช่นกัน ศิลปินสามารถใช้ข้อมูลภาพเป็นแนวทางในการสร้างงานศิลปะใหม่ โดยมี ChatGPT ที่เสนอข้อเสนอและการปรับปรุง นักออกแบบสามารถสร้างต้นแบบไอเดียได้อย่างรวดเร็วโดยการอัปโหลดภาพร่างหรือชุดทดสอบและรับความคิดเห็นในทันทีเกี่ยวกับความสามารถและความน่าสนใจ การพัฒนาโมเดล AI ที่หลากหลายที่สามารถประมวลผลทั้งข้อความและภาพนำเสนอโอกาสที่น่าตื่นเต้นสำหรับการสร้างนวัตกรรมและการใช้งานที่เปลี่ยนแปลงในหลากหลายอุตสาหกรรม
