Um guia do desenvolvedor para a API de Variações de Imagem da OpenAI

Já teve uma imagem que estava quase perfeita? Gosta do tema, a composição é sólida, mas gostava de poder ver algumas abordagens estilísticas diferentes. Enquanto a maioria das ferramentas de IA se foca em criar imagens a partir de texto, por vezes, só precisa de improvisar sobre um elemento visual que já tem.

É precisamente esse o trabalho da API de Variações de Imagem da OpenAI. É uma pequena ferramenta útil para gerar alternativas estilísticas a partir de uma única imagem de origem.

Este guia irá explicar-lhe o que é a API, como colocá-la a funcionar com um pouco de Python, e algumas das peculiaridades e custos importantes que deve conhecer. Também abordaremos por que motivo construir uma ferramenta de negócios completa geralmente exige mais do que apenas uma API em bruto.

O que é a API de Variações de Imagem da OpenAI?

A API de Variações de Imagem da OpenAI é um endpoint específico ("POST /v1/images/variations") que recebe uma imagem que carrega e devolve novas versões com diferentes estilos artísticos. Pense nela como um assistente criativo que pode pegar no seu conceito inicial e mostrar-lhe algumas formas diferentes de como poderia parecer, tudo enquanto mantém o tema principal e o layout intactos.

É fácil confundir esta com as outras APIs de imagem da OpenAI, por isso, vamos esclarecer isso:

• Geração de Imagens ("/v1/images/generations"): Esta é a que provavelmente conhece melhor. Cria imagens completamente novas com base num prompt de texto. Você escreve palavras, ela cria imagens.

• Edição de Imagens ("/v1/images/edits"): Esta permite-lhe alterar partes de uma imagem existente. Fornece uma imagem, uma máscara que mostra a área a ser alterada, e um prompt de texto a explicar o que fazer.

A API de Variações é diferente porque destina-se apenas a criar novas versões de uma imagem inteira, e fá-lo sem qualquer entrada de texto da sua parte. Atualmente, funciona com o modelo DALL-E 2, o que é importante lembrar porque tem regras e resultados diferentes do mais recente DALL-E 3.

Como usar a API de Variações de Imagem da OpenAI

Se já escreveu um pouco de Python antes, colocar esta API a funcionar é bastante simples. Aqui está um guia rápido.

Preparação para usar a API de Variações de Imagem da OpenAI

Primeiro, precisará de uma conta OpenAI e uma chave de API. Já tem? Ótimo. Agora, precisará de instalar a biblioteca oficial de Python "openai". Basta abrir o seu terminal e executar isto:

pip install openai  

É sempre uma boa ideia definir a sua chave de API como uma variável de ambiente em vez de a colar diretamente no seu código. Isto ajuda a evitar que a envie acidentalmente para um repositório público do GitHub (todos já passámos por isso).

No macOS ou Linux:

export OPENAI_API_KEY="a_sua_chave_de_api_aqui"  

No Windows (PowerShell):

$ENV:OPENAI_API_KEY = "a_sua_chave_de_api_aqui"  

Compreender os parâmetros da API de Variações de Imagem da OpenAI

A chamada à API em si é limpa e simples, com apenas alguns parâmetros que precisa de conhecer:

• "image": Esta é a sua imagem inicial. Tem algumas regras estritas: tem de ser um ficheiro PNG quadrado e pesar menos de 4MB.

• "n": Isto diz à API quantas variações deve criar para si. Pode pedir entre 1 e 10.

• "size": Isto define as dimensões para as imagens de saída. Com o DALL-E 2, as suas escolhas são "256x256", "512x512", ou "1024x1024".

• "response_format": Pode pedir um "url" (que é temporário e expira numa hora) ou "b64_json" se quiser os dados da imagem codificados em Base64 diretamente.

Um exemplo rápido em Python para a API de Variações de Imagem da OpenAI

Muito bem, vamos juntar tudo. O script abaixo abrirá uma imagem do seu computador, pedirá à API para gerar duas variações, e depois imprimirá o URL da primeira.

import os  

from openai import OpenAI  

# O cliente encontrará automaticamente a sua OPENAI_API_KEY a partir das variáveis de ambiente  

client = OpenAI()  

try:  

    # Abra o seu ficheiro de imagem em modo de leitura binária  

    with open("imagem-de-origem.png", "rb") as image_file:  

        response = client.images.create_variation(  

            image=image_file,  

            n=2,  

            size="1024x1024"  

        )  

    # Imprima o URL da primeira imagem gerada  

    print(response.data[0].url)  

except openai.APIError as e:  

    # Trate os erros da API aqui, talvez tente novamente ou registe-os  

    print(f"A API da OpenAI devolveu um erro: {e}")  

except Exception as e:  

    print(f"Ocorreu um erro inesperado: {e}")  

Quando executar isto, a API envia de volta um objeto JSON. Se pediu um "url", terá um aspeto semelhante a este:

{  

  "created": 1677610602,  

  "data": [  

    {  

      "url": "https://..."  

    },  

    {  

      "url": "https://..."  

    }  

  ]  

}  

Pode então pegar nesse URL e ver as suas imagens recém-geradas.

Principais funcionalidades e limitações da API de Variações de Imagem da OpenAI

A API de Variações é útil, mas é definitivamente uma ferramenta de um só truque. Conhecer os seus limites é tão importante como saber para o que serve.

A principal força da API de Variações de Imagem da OpenAI: Exploração estilística

A melhor coisa sobre esta API é a sua capacidade de criar imagens que mantêm a alma da sua original, mas exploram diferentes vias artísticas. É ótima para coisas como:

• Criar alguns conceitos de logótipo a partir de um esboço inicial.

• Criar diferentes versões de uma personagem para um jogo.

• Gerar mockups de produtos variados para testes A/B.

É uma forma rápida de fazer brainstorming visual sem ter de voltar à estaca zero de cada vez.

Limitação 1: Não pode usar um prompt de texto

Esta é a que confunde a maioria dos programadores. O endpoint "v1/images/variations" não aceita um parâmetro "prompt". É uma suposição comum, especialmente se estiver habituado à interface do ChatGPT onde pode carregar uma imagem e digitar instruções. A API mantém estas funções separadas.

Isto significa que não pode dizer-lhe "faz com que isto pareça mais uma pintura em aguarela" ou "muda o fundo para um dia de sol". O modelo gera variações baseando-se apenas na sua própria interpretação da imagem que forneceu.

Limitação 2: Está presa no DALL-E 2

A API de Variações atualmente só usa o modelo DALL-E 2. O DALL-E 2 ainda é impressionante, mas é um modelo mais antigo que o DALL-E 3. Isto significa que a qualidade da imagem, o nível de detalhe e a coerência geral podem não ser tão nítidos como o que obteria ao gerar uma nova imagem com o DALL-E 3. É uma troca clássica: obtém iteração rápida ao custo de uma qualidade de topo.

Limitação 3: Os requisitos de entrada são exigentes

A API é muito rigorosa quanto à imagem que lhe fornece. Tem de ser obrigatoriamente um ficheiro PNG quadrado com menos de 4MB. Isto geralmente significa que tem de pré-processar as suas imagens antes de poder sequer fazer uma chamada à API. Dar-se-á por si a escrever código para lidar com o redimensionamento, recorte, conversão de formatos e talvez até compressão de imagens apenas para as fazer funcionar. Não é um fator decisivo, mas é um atrito extra e mais uma coisa para gerir na sua aplicação.

Compreender os preços da API de Variações de Imagem da OpenAI

O preço da API da OpenAI é pay-as-you-go, e os modelos de imagem têm um preço bastante simples. Para o modelo DALL-E 2 que a API de Variações usa, o custo depende do tamanho da imagem que solicita.

Eis o detalhe da página oficial de preços da OpenAI:

O custo por imagem é baixo, mas se estiver a gerar centenas ou milhares de variações, pode definitivamente começar a acumular. Também vale a pena salientar que o DALL-E 3 é mais caro, o que torna a API de Variações uma opção mais amiga da carteira para exploração estilística simples, mesmo que seja menos poderosa.

A dor de cabeça de construir ferramentas empresariais com a API de Variações de Imagem da OpenAI

Brincar com a API de Variações de Imagem da OpenAI é divertido, mas também lança luz sobre uma realidade maior: os modelos de IA fundamentais são interessantes, mas não são soluções de negócio prontas a usar.

Como acabámos de ver, rapidamente se depara com pequenos aborrecimentos que se tornam grandes problemas em escala:

• Limites do modelo: Está preso a um modelo mais antigo e não tem controlo real sobre o resultado final.

• Entradas exigentes: Tem de construir todo um pipeline de pré-processamento apenas para fazer uma chamada de API válida.

• Gerir múltiplos endpoints: Precisa de gerar, variar e editar imagens? Prepare-se para gerir três APIs diferentes, cada uma com o seu próprio conjunto de regras.

• Custos imprevisíveis: O preço baseado no uso é difícil de orçamentar, especialmente quando está a tentar gerir um negócio.

Estas APIs em bruto são fantásticas para experimentar ou para tarefas muito específicas e limitadas. Mas se está a tentar construir um produto polido e fiável sobre elas, está a inscrever-se para muito trabalho de desenvolvimento e manutenção contínua.

Para automação empresarial, vai querer uma plataforma

Digamos que não está apenas a criar imagens, mas a tentar construir uma ferramenta inteligente para o seu negócio, como uma IA para apoio ao cliente. Enfrentaria obstáculos semelhantes. Teria de se integrar com o seu helpdesk, descobrir fluxos de trabalho, treinar a IA na voz da sua empresa e testar tudo incessantemente.

É aqui que uma plataforma dedicada como a eesel AI faz muito mais sentido. Foi construída especificamente para lidar com estes desafios para apoio ao cliente e gestão de conhecimento interno.

• Comece a funcionar em minutos: Em vez de passar os seus dias a lutar com integrações de API, a eesel AI liga-se ao seu helpdesk (como Zendesk ou Freshdesk) e fontes de conhecimento (como Confluence ou Google Docs) com um clique. Pode ter um agente de IA a funcionar no tempo que leva para ir buscar um café.

• Controlo e personalização reais: Uma API em bruto dá-lhe muito pouca voz no resultado. Com a eesel AI, obtém um motor de fluxo de trabalho completo. Pode definir a personalidade da IA, decidir exatamente a que tickets responde e criar ações personalizadas, como procurar informações de pedidos no Shopify.

• Preços previsíveis: Os preços da OpenAI podem deixá-lo a adivinhar qual será a sua fatura. Os planos da eesel AI são baseados num número fixo de interações de IA, para que não tenha uma surpresa desagradável no final de um mês movimentado.

Qual é o veredito sobre a API de Variações de Imagem da OpenAI?

A API de Variações de Imagem da OpenAI é uma ferramenta interessante para uma tarefa muito específica: criar derivações estilísticas de uma imagem que já possui. É uma ótima maneira de explorar ideias criativas rapidamente, desde que se lembre dos seus limites, está a trabalhar com o DALL-E 2 e não lhe pode dar quaisquer instruções de texto.

E embora experimentar APIs em bruto seja uma ótima maneira de aprender, construir ferramentas de negócio sérias para algo como a automação de suporte é um jogo diferente. As dores de cabeça de gerir integrações, fluxos de trabalho e custos imprevisíveis são exatamente o motivo pelo qual plataformas como a eesel AI existem. Elas permitem que se concentre em resolver o seu problema de negócio em vez de se afundar na documentação da API.

Pronto para ver o que uma plataforma de IA desenvolvida para um fim específico pode fazer pela sua equipa? Pode saltar o incómodo de construir do zero. Experimente a eesel AI gratuitamente e implemente um agente de IA real em minutos.