GPT Image 2.5 Sunburstは、10回の編集シーケンスを通じて主要なオブジェクトと色の変更を保持しましたが、元画像のテクスチャは保持できませんでした。 最終修正時点では、映画館の壁、座席、投影された海に、目立つ波状のモザイクのような外観が生じました。部屋は依然として認識可能でしたが、元の写真の仕上がりは維持されていませんでした。
この違いは、クライアントが「もう1つだけ小さな変更」を求める場合に重要になります。カーテンを正しく変更できたとしても、カーテン以外のすべてが変更されていないことの証明にはなりません。
この記事では、劣化の様子も含めた1つの完全な連続テストを紹介します。これはケーススタディであり、シーン全体の平均値や測定された失敗率を示すものではありません。
元画像とルール
開始時には、既存のPoYoサンプルを使用しました。バーガンディ色の座席、暗い木製パネル、2つのドアカーテン、中央通路、白紙のスクリーンがある空の古い映画館です。
各リクエストではgpt-image-2.5-sunburst、size: "16:9"、resolution: "2K"、quality: "medium"を使用しました。直前の出力結果のみを、次のリクエストの唯一の画像入力として渡しました。元画像からやり直したり、より良い代替結果を選択したり、結果をレタッチしたり、マスクを使用したりはしていません。
元画像は1672 × 941ピクセルでした。返された10枚の画像はすべて2048 × 1152でした。この最初のリサイズも、これをピクセル不変性のテストとして解釈すべきではない理由の1つです。
すべての指示文の末尾には、同じ保持条件を付けました：
Preserve every other existing detail and all earlier edits: cinema architecture, screen frame, wood panels, wall sconces, seating layout, seat shapes, burgundy seat upholstery, camera position, crop, perspective and exposure. Do not add people, rearrange seats, zoom or add text. This is a local edit of the previous image, not a redesign.
この条件は、私たちが求めた内容を示しています。画像は、実際に起きたことを示しています。
10回すべての修正
左から右へ、続いて下方向に読み進めてください。コンタクトシートをフルサイズで開く。
| ラウンド | 要求した変更 | 確認できた内容 |
|---|---|---|
| 1 | スクリーン内に夕焼けの海と白い帆のボートを配置 | 既存のフレーム内に海とボートが表示された。帆は夕焼けに対して暗く見え、明確な白色ではなかった |
| 2 | 左側のカーテンを落ち着いたティール色に変更 | ティール色のカーテンが表示された。夕焼けのシーンは残った |
| 3 | 右側のカーテンをネイビーに変更 | ネイビーのカーテンが表示された。左側はティール色のままだった |
| 4 | 左手前にクリーム色の鉢に入ったシダを追加 | スクリーン左側に鉢植えが表示されたが、座席に一部隠れていた |
| 5 | 右手前に小さな真鍮製ランタンを追加 | 通路右側付近に暖かな光のランタンが表示された |
| 6 | 通路カーペットをクリーム色の縁取り付きインディゴ色に変更 | 青いカーペットと淡い縁取りが表示された。蓄積した表面変化がより確認しやすくなった |
| 7 | 近くの右側座席クッションに折り畳んだアイボリー色のプログラム用紙を配置 | 右側座席エリアに小さな紙のオブジェクトが表示され、その後の編集でも残った |
| 8 | ボートの帆を赤色に変更 | はっきり赤い帆が表示された。周囲の海も再レンダリングされた |
| 9 | 植物の鉢をテラコッタ色に変更 | 鉢がオレンジ色になった。植物は残った |
| 10 | 右側のカーテンをネイビーから黄土色に変更 | 右側のカーテンは黄土色になった。左側はティール色のままだったが、シーン全体のテクスチャ劣化が強くなった |
この表は、10回すべてが完璧に成功した結果ではなく、目に見える結果を記録しています。小さなオブジェクトの形状、正確な配置、ラウンド1での帆の色、対象以外の領域の保持については、「要求したオブジェクトが存在するか」だけでなく、より厳密な確認が必要です。
何が残り、何が変化したのか
最終画像には依然として同じ大まかな構図があります：中央スクリーンと通路、2つのカーテン付き出入口、列になったバーガンディ色の座席、そして人物は存在しません。以前追加した要素も識別可能です：植物、ランタン、プログラム用紙、青いカーペット、赤い帆です。
重要な失敗は表面全体に広がっています。壁の細かなテクスチャは大幅に粗くなります。座席の張地や肘掛けは、元画像の明確な素材表現を失います。後続の指示がカーテンや植木鉢に関するものであっても、海や空には不規則な帯状模様や斑点が現れます。全体的な仕上がりは、よりスタイライズされ光沢のあるものになります。
この劣化は、この連続処理の中で確認できます。ただし、1つのシーンだけでは原因を切り分けることはできません。画像の繰り返しコンディショニング、リサイズ、生成設定、モデル自体は個別に変化させていません。また、FlareやGPT Image 2で同じ連続処理を実行していないため、この記事は編集性能の比較優劣を証明するものではありません。
クライアント修正向けのより良いワークフロー
このような連続編集では、元画像と承認済みの各チェックポイントを保存してください。要求したオブジェクトと、それ以外のフレーム部分を別々に確認します。局所的な指示変更が成功していても、画像全体の品質が悪化する場合があります。
複数の変更内容がすでに分かっている場合は、10世代目の画像を自動的に再入力するのではなく、クリーンな元データから統合したリクエストを試してください。すでにテクスチャがドリフトしている場合は、クリーンなチェックポイントに戻り、許容する変更内容をまとめて記述します。これはワークフロー上の推奨事項であり、この実験では統合リクエストの対照テストは実施していません。
選択したインターフェースがマスクに対応している場合は、対象領域周辺のマスクをテストしてください。OpenAI画像生成ガイドでは編集ワークフローが説明されていますが、保持指示やマスクについても返却画像で確認する必要があります。OpenAIのネイティブAPIに存在するフィールドが、サードパーティ製ラッパーでも同じ名前で存在すると想定しないでください。
本番用途では、可能な限り正確なタイポグラフィ、ロゴ、最終的なカラー調整を編集可能なレイヤーで保持してください。これにより、後続の修正がアセット全体の再生成に依存する度合いを減らせます。
PoYoでテストを再現する
PoYoのベアラートークンを使用してPOST https://api.poyo.ai/api/generate/submitへ送信します。最初の編集では、リクエスト本文は次の構造になります：
{
"model": "gpt-image-2.5-sunburst",
"input": {
"prompt": "Edit this exact image. Change only the blank screen to a calm ocean sunset with one tiny white-sailed boat. Preserve all other details, composition, seating, lighting and materials.",
"image_urls": ["YOUR_PUBLIC_SOURCE_IMAGE_URL"],
"size": "16:9",
"resolution": "2K",
"quality": "medium",
"output_format": "png"
}
}
スニペットは読みやすさのために短縮しています。10個の正確なリクエストをダウンロードしてください。各ステップで使用した完全な保持条件と元の入力URLが含まれています。タスクが完了するまでGET /api/generate/status/{task_id}をポーリングしてください。返されたファイルURLを次の編集の画像入力として使用し、タスクが失敗した場合は連続処理を停止してください。
コストと待機時間
各編集には5.99 PoYoクレジットが課金され、合計59.9クレジット、1クレジットあたり$0.005で換算すると**$0.2995**に相当しました。10回の観測されたリクエストから結果取得までの待機時間は、42.99秒から54.95秒の範囲でした。これらにはキュー処理、ネットワーク時間、8秒間隔のポーリング時間が含まれており、純粋な推論時間ではありません。
元画像はすでに存在していたため、その生成コストは除外しています。テストした料金階層やその他の設定については、GPT Image 2.5料金内訳を確認してください。
よくある質問
Sunburstは10回の編集を通じて画像を保持できますか？
この1つの連続処理では、認識可能な構図と多くの累積変更を保持する一方で、テクスチャや素材の見た目には明らかな変化がありました。答えは「保持」を何と定義するかによって異なります。
高品質または最高品質ならドリフトを防げますか？
その点についてはテストしていません。10回すべての編集ではmedium qualityを使用しました。より高い設定は検証可能な選択肢ですが、この結果から確立された解決策とは言えません。
編集ではSunburstをFlareより選ぶべきですか？
OpenAIはSunburstを高精度な編集向けとして位置付けています。私たちのFlareとSunburstの比較では、生成サンプル、速度、コストを扱っていますが、同条件での編集比較は含まれていません。PoYoのGPT Image 2.5ツールで自身の画像を使ったワークフローを試し、各修正後に周辺の詳細を確認してください。