Генериране на изображения от подкана
На тази страница
Обновено на 2 ноември 2026 г. — Модели за изображения.
gpt-image-1, моделът, за който първоначално беше написан този курс, беше спрян на 23 октомври 2026 г..gpt-image-1.5,gpt-image-1-miniиchatgpt-image-latestще бъдат оттеглени на 1 декември 2026 г.. Примерите сега използватgpt-image-2.5-sunburst, който предлага най-висока прецизност за редактиране;gpt-image-2.5-flareе по-бърз за стандартно генериране. И двата модела поддържат и настройки за качествоxhighиmax. Моделите GPT Image винаги връщат изображения в base64: параметърътresponse_format, използван от по-старите модели на DALL·E, не се поддържа и е премахнат от кода. Източник: Генериране на изображения (OpenAI).
Генериране на изображения от подкана
Методът client.images.generate() е Вашата основна точка за вход за създаване на изображение от текстово описание. Той разчита само на шепа параметри, но точно защото са толкова малко, всеки от тях има значение: разликата между случаен резултат и предвидим такъв зависи почти изцяло от съдържанието на полето prompt. Този урок Ви учи да овладеете и двете.
Анатомия на заявката за генериране
Ето пълната структура на извикване с всички налични параметри.
from openai import OpenAI
client = OpenAI()
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="Подробно описание на желаното изображение",
n=1,
size="1024x1024",
quality="high"
)
| Параметър | Тип | Описание |
|---|---|---|
model | string | "gpt-image-2.5-sunburst" (най-прецизен) или "gpt-image-2.5-flare" (най-бърз) |
prompt | string | Описание на изображението (до 32 000 знака) |
n | integer | Брой изображения за генериране (от 1 до 10) |
size | string | "1024x1024", "1024x1536", "1536x1024" |
quality | string | "low", "medium", "high" |
Лимитът от 32 000 знака за подканата е щедър: той позволява изключително подробни описания и скоро ще видите, че детайлът е Вашият най-добър лост за контрол.
Извличане на генерираното изображение
Отговорът съдържа обект data, държащ изображенията. Моделите GPT Image винаги връщат изображението, кодирано в base64, в полето b64_json: Вие го декодирате и го записвате на диска незабавно. Параметърът response_format и временните URL адреси от по-старите модели на DALL·E не се прилагат за GPT Image.
import base64
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="Японска градина под дъжда, фотография",
n=1,
size="1024x1024",
)
image_data = base64.b64decode(response.data[0].b64_json)
with open("garden.png", "wb") as f:
f.write(image_data)
print("Изображението е запазено: garden.png")
След като файлът бъде записан, нищо вече не зависи от OpenAI: това е файлът, който съхранявате, обслужвате или обработвате допълнително.
Генериране на множество изображения в едно извикване
Параметърът n заявява множество варианти в една единствена заявка. Направете това свой стандартен рефлекс, когато изследвате визуална посока, без да знаете коя да запазите: четири предложения едно до друго Ви информират далеч по-добре от едно единствено.
import base64
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="Минималистично лого за занаятчийска пекарна, бял фон",
n=4,
size="1024x1024",
quality="high"
)
for i, image in enumerate(response.data):
with open(f"logo_{i+1}.png", "wb") as f:
f.write(base64.b64decode(image.b64_json))
print(f"Вариант {i+1}: logo_{i+1}.png")
Следете обаче разходите си: всяко изображение консумира токени независимо и генерирането на 4 изображения струва 4 пъти повече от едно единствено. Изследвайте с високо n и ниско качество, запазвайки високото качество за финалния избор.
Написване на ефективни подкани
Качеството на резултата зависи пряко от прецизността на Вашата подкана. Една добра подкана следва проста структура — обект + стил + контекст + технически детайли — и сравнението по-долу прави разликата осезаема: „къща“ оставя модела да измисли всичко, което не сте казали, докато разработената версия фиксира материала, цвета на щорите, времето на деня, редакторския регистър и оптичната обработка.
# Неясна подкана — непредвидим резултат
weak_prompt = "къща"
# Структурирана подкана — контролиран резултат
strong_prompt = (
"Провансалска селска къща от блонд камък, "
"лавандулови сини щори, бръшлян по фасадата, "
"снимана в златния час, "
"редакторски стил за списание за архитектура, "
"центрирана композиция, дълбочина на рязкост"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=strong_prompt,
size="1536x1024",
quality="high"
)
Декларирайте визуалния стил по същия начин, като назовете медиума, вместо да се надявате на намерение. GPT Image разбира широк спектър от регистри и следният цикъл Ви позволява да усетите разликата между тях върху строго идентичен обект: велосипедът пред парижкото кафе променя напълно естеството си в зависимост от това дали поискате редакторска фотография, плоска векторна илюстрация или скица с молив.
import base64
styles = [
"редакторска фотография, студийно осветление",
"плоска векторна илюстрация в дизайн стил",
"акварел върху текстурирана хартия",
"фотореалистичен 3D рендер, Octane Render",
"скица с молив върху крафт хартия",
]
for style in styles:
prompt = f"Винтижен велосипед, паркиран пред парижко кафе, {style}"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="medium"
)
filename = f"bicycle_{styles.index(style) + 1}.png"
with open(filename, "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print(f"Стил: {style} → {filename}")
Текстът, вграден в изображението, заслужава отделно внимание, тъй като тук GPT Image се отличава ясно от своите предшественици. Посочете съобщението в кавички в рамките на подканата, уточнете семейството шрифтове и очакваната графична обработка, и рендирането ще бъде четливо.
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=(
"Рекламен плакат с текста \"SUMMER SALE -50%\" "
"с големи бели букви на синьо-оранжев градиентен фон, "
"модерна типография без серифи, професионален търговски стил"
),
size="1024x1536",
quality="high"
)
Обработка на грешки
Скрипт за генериране, работещ в цикъл, рано или късно ще достигне лимит на честотата или ще срещне грешка в API. Третирайте тези два случая различно от самото начало: RateLimitError изисква изчакване и повторен опит, докато APIError изисква преглед на съобщението, преди да стартирате каквото и да е отново.
import base64
from openai import OpenAI, APIError, RateLimitError
client = OpenAI()
try:
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="Пейзаж със снежни планини при изгрев",
size="1024x1024"
)
with open("mountain.png", "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
except RateLimitError:
print("Достигнат е лимитът на заявките. Изчакайте преди повторен опит.")
except APIError as e:
print(f"Грешка в API: {e.message}")
За да затвърдите всичко това, сега напишете скрипт, който генерира три варианта на един и същи обект в три различни стила — фотография, илюстрация, акварел — и запазва всяко изображение локално във формат PNG, използвайки формата base64 за извличане.