این پروژه متوقف شده است؛ دموی تحقیقاتی مایکروسافت (۲۰۲۳) که ChatGPT را به مدل‌های بینایی وصل می‌کرد تا در چت عکس بفهمد، بسازد و ویرایش کند.
معرفی: ویژوال چت‌جی‌پی‌تی
ویژوال چت‌جی‌پی‌تی در زمانی که ChatGPT هنوز فقط متن می‌فهمید، با زنجیره‌کردن مدل‌های بینایی (ControlNet ،Stable Diffusion ،BLIP و…) امکان گفتگو با تصویر را فراهم کرد و بعداً به TaskMatrix تغییر نام داد. پروژه‌ای متن‌باز و صرفاً پژوهشی بود که باید خودتان با کلید OpenAI روی سیستم/سرور اجرا می‌کردید؛ ریپوی گیت‌هاب آن مدت‌هاست آرشیو شده و به‌روزرسانی نمی‌شود.
دلیل مرگش ساده است: مدل‌های چندوجهی بومی مثل GPT-4o و نسل‌های بعدی، دیدن و ساختن تصویر را داخل خود ChatGPT و Gemini آوردند و نیاز به این معماری واسطه از بین رفت. امروز برای همین کارها مستقیم از ChatGPT یا Gemini استفاده کنید؛ ارزش این ریپو فقط تاریخی و آموزشی است.
بهترین کاربردها
- •با عکس درباره‌اش گفتگو کن
- •محتوای عکس را توضیح بده
- •عکس را برای پژوهش تحلیل کن
- •با توضیح متنی تصویر بساز
- •عکس را با دستور متنی ویرایش کن
- •دستیار آموزشی تصویری بساز
برای این کارها سراغش نروید
- –تولید تصویر حرفه‌ای و به‌روز
- –ویرایش عکس حرفه‌ای
- –استفاده روزمره از چت‌بات تصویری
- –اجرای سرویس آماده بدون نصب و کدنویسی
تصاویر محیط ابزار
نقاط قوت
- ✓از پیشگامان اتصال LLM به مدل‌های بینایی (ارزش تاریخی)
- ✓متن‌باز با پیاده‌سازی قابل مطالعه
نقاط ضعف
- ✗توسعه متوقف شده و ریپو آرشیو است
- ✗راه‌اندازی سنگین و وابسته به GPU و کلید API
- ✗کارکردش کاملاً با GPT-4o و مدل‌های چندوجهی جایگزین شده
نظرات کاربران (۶)
دنبال چیزی شبیه این بودم که رسیدم به. مستنداتش کمه ولی بازم ممکنه دوباره بیام سراغش.
سایت خوبه برای کشف ابزار اگه ویدیو آموزش کوتاه بذارید عالیه
از استفاده کردم. خروجی‌ش قابل قبول بود یه جاهایی گیج‌کننده‌ست
کسی بلدِ چطور بهتر از نتیجه بگیره؟
تنظیمات اولیه‌ی ویژوال چت‌جی‌پی‌تی رو از کجا شروع کنم؟
ابزارهای مشابه
مشاهده همه
نانوبنانا
Nano Banana
خانوادهٔ مدل‌های ساخت و ویرایش تصویر گوگل؛ تازه‌ترینش Nano Banana 2.1 (۶ اکتبر ۲۰۲۶) با نصف قیمت نسخهٔ ۲، متن دقیق‌تر داخل تصویر، ویرایش ناحیه‌ای و ثبات بهتر شخصیت — داخل اپ Gemini، Google AI Studio و Flow.
چت‌جی‌پی‌تی
ChatGPT
شناخته‌شده‌ترین دستیار هوش مصنوعی؛ چت و نگارش فارسی، ساخت و ویرایش عکس با Images 2.5، پژوهش عمیق، Codex و ChatGPT Work — با چت متنی نامحدود در پلن رایگان (GPT-5.6 Luna).
جمنای
Gemini
دستیار هوش مصنوعی گوگل: رایگان با Gemini 3.6 Flash و جستجوی زنده، عکس با Nano Banana، ویدئو با Gemini Omni (پلن پولی) و گفتگوی صوتی با Gemini Live.