OpenAI опублікувала оновлений посібник із промптингу для GPT Image 2.5 — нової лінійки моделей для генерації та редагування зображень. Документація пояснює, як формулювати запити, працювати з референсами, зберігати зовнішність персонажів і предметів під час редагування та отримувати точніший текст усередині зображень.
Головна ідея нового підходу проста: замість коротких запитів на кшталт «зроби красиву фотографію» варто чітко описувати об’єкт, композицію, стиль, освітлення та обмеження.
GPT Image 2.5: яку модель обрати
У документації OpenAI зараз представлені дві версії GPT Image 2.5:
- GPT Image 2.5 Flare — швидша модель, орієнтована на повсякденну генерацію;
- GPT Image 2.5 Sunburst — старша версія, пріоритетом якої є максимальна якість і точність редагування.
Обидві моделі підтримують генерацію та редагування зображень, а також роботу з прозорим фоном. Flare варто обирати, коли важлива швидкість, тоді як Sunburst краще підходить для складних завдань, де якість важливіша за затримку.
OpenAI радить спочатку перевірити, чи відповідає результат вимогам, і лише після цього намагатися оптимізувати швидкість роботи.
Як писати хороший промпт для генерації
OpenAI рекомендує будувати запит навколо кількох основних компонентів.
1. Спочатку визначте кінцевий результат
Необхідно пояснити моделі, що саме вона має створити і для чого потрібне зображення.
Наприклад, замість:
«Зроби фотографію моря»
краще написати:
«Створи реалістичну рекламну фотографію океанського курорту для туристичного сайту. Панорамна композиція, захід сонця, люди на пляжі, природне освітлення».
Так модель отримує не лише інформацію про об’єкт, а й розуміє його призначення.
2. Описуйте те, що має бути видно
У промпті можна окремо вказувати:
- матеріали;
- кольори;
- освітлення;
- текстури;
- перспективу;
- стиль;
- тип композиції;
- атмосферу;
- рівень деталізації.
Якщо потрібна фотографія, OpenAI рекомендує прямо використовувати формулювання на кшталт «photorealistic» або «real photograph».
Водночас назви об’єктивів чи параметрів камери краще сприймати як візуальні підказки, а не як гарантію точної фізичної симуляції камери.
Реклама
Чим конкретніший опис, тим краще
Для людей важливо описувати не лише зовнішність, а й позу та взаємодію з навколишніми предметами.
Наприклад:
«Людина в повний зріст, ноги повністю видно, дивиться на відкриту книгу, руки природно тримають кермо».
Такі уточнення допомагають уникнути ситуацій, коли модель неправильно розуміє положення тіла або взаємодію персонажа з предметами.
Як змусити ШІ правильно відтворити текст
GPT Image 2.5 може створювати зображення з текстом, але OpenAI радить ставитися до цього завдання окремо.
Потрібний напис варто:
- взяти в лапки;
- чітко вказати, де він має знаходитися;
- описати шрифт або типографіку;
- зазначити, скільки разів текст повинен з’явитися;
- окремо попросити не додавати жодного іншого тексту.
Наприклад:
«Розмісти напис “Yours to Create” один раз у верхній частині зображення. Текст має бути чітким, читабельним і добре інтегрованим у дизайн. Не додавай жодних інших написів, логотипів або водяних знаків».
Для дрібного тексту, великої кількості інформації або кількох шрифтів OpenAI рекомендує перевіряти результати з різними рівнями якості.
Редагування: чітко кажіть, що можна змінювати
Одна з найважливіших рекомендацій OpenAI стосується редагування готових зображень.
Якщо потрібно змінити лише один елемент, це потрібно прямо сказати.
Наприклад:
«Зміни тільки одяг. Не змінюй обличчя, зачіску, позу, форму тіла, фон, освітлення та композицію».
Такий принцип допомагає зменшити кількість небажаних змін.
Особливо важливо окремо перелічувати те, що повинно залишитися незмінним: ідентичність людини, геометрія предмета, розташування об’єктів, освітлення, написи або фон.
Можна використовувати кілька референсів
GPT Image 2.5 дозволяє призначати різним вхідним зображенням різні ролі.
Наприклад:
- зображення №1 — основна сцена;
- зображення №2 — персонаж;
- зображення №3 — одяг;
- зображення №4 — стиль.
Після цього в промпті можна пояснити, як саме потрібно об’єднати ці матеріали.
Такий підхід особливо корисний для реклами, дизайну продуктів, створення персонажів та складних композицій.
Перенесення стилю
Модель також можна використовувати для перенесення візуального стилю.
Наприклад, користувач може завантажити картинку в стилі pixel art і попросити створити в такому самому стилі зовсім інший сюжет.
OpenAI рекомендує чітко пояснювати, яку саме роль виконує референс: палітра, текстура, художня техніка чи загальний візуальний стиль.
При цьому новий об’єкт потрібно описувати окремо.
Збереження зовнішності персонажа
Ще один важливий сценарій — створення одного персонажа в різних сценах.
OpenAI радить спочатку створити базове зображення персонажа, а потім використовувати його як референс для наступних сцен.
У кожному наступному запиті бажано повторювати ключові характеристики:
- одяг;
- риси обличчя;
- пропорції;
- кольорову палітру;
- характер;
- стиль ілюстрації.
Наприклад, якщо створюється персонаж для дитячої книги, його можна спочатку показати в лісі, а потім використати те саме зображення для сцени в зимовому лісі.
Модель отримує попередній результат і повинна зберігати ключові характеристики героя, змінюючи лише сюжет та оточення.
Не намагайтеся змінити все за один раз
OpenAI рекомендує редагувати зображення поступово.
Схема виглядає приблизно так:
- створити початкове зображення;
- перевірити результат;
- передати його назад у модель;
- змінити лише один параметр;
- знову перевірити результат;
- повторити процес.
Наприклад, спочатку можна створити рекламний білборд із продуктом, потім окремим запитом змінити погоду, а вже після цього — освітлення.
Такий підхід дозволяє краще зрозуміти, яка саме інструкція вплинула на результат.
Робота з прозорим фоном
Для логотипів, товарів та інших графічних елементів можна попросити модель створити прозорий фон.
OpenAI рекомендує прямо вказувати background="transparent" і використовувати PNG або WebP.
При цьому важливо перевіряти справжній alpha-канал зображення. Намальований моделлю «шаховий» фон не є прозорістю.
Особливо це важливо для складних об’єктів — волосся, скла, напівпрозорих деталей та тіней.
Які параметри доступні в GPT Image 2.5
Окрім текстового промпту, API дозволяє окремо налаштовувати параметри генерації.
Для GPT Image 2.5 доступні рівні якості:
auto;low;medium;high;xhigh;max.
Також можна вибирати розмір зображення. Серед типових варіантів OpenAI називає:
1024x1024— квадрат;1536x1024— горизонтальний формат;1024x1536— вертикальний формат;2048x2048— квадрат 2K;2048x1152— горизонтальний 2K;3840x2160— горизонтальний 4K;2160x3840— вертикальний 4K.
Для власної роздільної здатності є обмеження: кожна сторона не повинна перевищувати 3840 пікселів, сторони мають бути кратними 16, співвідношення сторін — не більше 3:1, а загальна кількість пікселів повинна знаходитися в заданому діапазоні.
Якість не завжди означає кращий результат
OpenAI окремо застерігає: підвищення параметра якості не гарантує автоматично кращого результату для кожного промпту.
Компанія рекомендує спочатку вибрати відповідну модель, а потім поступово тестувати рівні якості.
Якщо результат недостатньо хороший — можна підняти якість. Якщо вимоги вже виконуються — варто перевірити нижчий рівень, щоб зменшити затримку та витрати.
xhigh і max рекомендується використовувати тоді, коли вони реально допомагають вирішити проблему з якістю.
Що перевіряти перед використанням результату
OpenAI радить не покладатися на перше згенероване зображення без перевірки.
Перед публікацією варто переконатися, що:
- весь необхідний текст написаний правильно;
- написи добре читаються;
- персонажі зберегли свою зовнішність;
- форма продукту не змінилася;
- референси були використані правильно;
- модель не змінила зайві елементи;
- прозорий фон справді є прозорим.
Для переходу між моделями також рекомендується порівнювати не лише якість, а й швидкість, кількість повторних запитів та вартість отримання прийнятного результату.
Новий гайд OpenAI фактично пропонує перейти від принципу «напиши короткий промпт і сподівайся на результат» до більш структурованої роботи із зображеннями.
Найважливіші правила можна звести до кількох пунктів:
чітко описуйте результат → деталізуйте сцену → вказуйте обмеження → окремо прописуйте незмінні елементи → використовуйте референси → редагуйте поступово → перевіряйте фінальне зображення.
Для швидкої генерації OpenAI радить тестувати GPT Image 2.5 Flare, а для складних задач із підвищеними вимогами до якості — GPT Image 2.5 Sunburst.
Таким чином, якість результату залежить не тільки від самої моделі, а й від того, наскільки точно користувач пояснює їй бажаний результат.
Поширені питання про Гайди
Що таке ChatGPT?
ChatGPT — це популярний чат-бот зі штучним інтелектом від компанії OpenAI, який веде діалог у природній формі та допомагає вирішувати широкий спектр текстових і когнітивних завдань.
Які основні функції доступні в ChatGPT?
ChatGPT пропонує голосове спілкування, генерацію зображень через DALL-E 3, аналіз файлів і таблиць, веб-пошук, кастомні GPTs та інтегровану пам'ять користувача.
Як використовувати ChatGPT для бізнесу?
Бізнес використовує ChatGPT для підтримки клієнтів, автоматизації написання текстів, генерування ідей, аналізу великих масивів даних та прискорення розробки ПЗ.
