Премини към основното съдържание
Български— Изберете език
Меню

Генериране на изображения от подкана

Урок 2 от 12 Обновен 2 ноември 2026 г. Програмист
На тази страница
  1. Генериране на изображения от подкана
  2. Анатомия на заявката за генериране
  3. Извличане на генерираното изображение
  4. Генериране на множество изображения в едно извикване
  5. Написване на ефективни подкани
  6. Обработка на грешки

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-mini и chatgpt-image-latest ще бъдат оттеглени на 1 декември 2026 г.. Примерите сега използват gpt-image-2.5-sunburst, който предлага най-висока прецизност за редактиране; gpt-image-2.5-flare е по-бърз за стандартно генериране. И двата модела поддържат и настройки за качество xhigh и max. Моделите GPT Image винаги връщат изображения в base64: параметърът response_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"
)
ПараметърТипОписание
modelstring"gpt-image-2.5-sunburst" (най-прецизен) или "gpt-image-2.5-flare" (най-бърз)
promptstringОписание на изображението (до 32 000 знака)
nintegerБрой изображения за генериране (от 1 до 10)
sizestring"1024x1024", "1024x1536", "1536x1024"
qualitystring"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.