Подсказки за напреднали визуални елементи: композиция, осветление, перспектива
На тази страница
Актуализация от 2 ноември 2026 г. — модели за изображения.
gpt-image-1, за който първоначално беше написан този курс, беше спрян на 23 октомври 2026 г., аgpt-image-1.5,gpt-image-1-miniиchatgpt-image-latestще бъдат оттеглени на 1 декември 2026 г. Примерите сега използватgpt-image-2.5-sunburst, най-прецизният модел за редактиране;gpt-image-2.5-flareе по-бърз за стандартно генериране. И двата модела поддържат и настройките за качествоxhighиmax. Моделите GPT Image винаги връщат изображения в base64: параметърътresponse_formatот по-старите модели на DALL·E не се приема и беше премахнат от кода. Източник: Image generation (OpenAI).
Подсказки за напреднали визуални елементи: композиция, осветление, перспектива
Една добре структурирана подсказка е това, което отличава едно прилично изображение от такова с професионално качество. Лостът не е дължината, а речникът. GPT Image разбира терминологията на фотографията, киното и визуалните изкуства. Говоренето на този език е като да давате указания на директор на фотографията, а не просто да си пожелавате нещо. Този урок Ви преподава този речник и начина да го организирате.
Анатомия на професионална визуална подсказка
Една напреднала подсказка се разпада на слоеве, като всеки от тях отговаря на отделен въпрос: кой или какво, как е подредено, как е осветено, откъде се гледа, в какъв регистър е и с какви оптични характеристики. Изричното назоваване на тези слоеве в текста на подсказката — „Обект: … Композиция: … Осветление: …“ — помага на модела да не смесва регистрите. Примерът по-долу описва архитект в неговото студио: обектът заема лявата третина според правилото на третините, светлината идва странично от големи прозорци, камерата е под лек долен ъгъл с фокусно разстояние 35 мм, регистърът е топла десатурирана редакционна документална фотография, а дълбочината на рязкост оставя фона в леко боке. Всяко от тези шест изречения премахва една свобода, която моделът иначе би упражнил на случаен принцип.
from openai import OpenAI
import base64
client = OpenAI()
def prompt_multicouche(
sujet: str,
composition: str,
eclairage: str,
perspective: str,
style: str,
details_techniques: str,
output: str
):
"""Builds a multi-layer prompt for maximum control."""
prompt = (
f"Subject: {sujet}. "
f"Composition: {composition}. "
f"Lighting: {eclairage}. "
f"Perspective: {perspective}. "
f"Style: {style}. "
f"Technical details: {details_techniques}."
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1536x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open(output, "wb") as f:
f.write(data)
print(f"Advanced image: {output}")
return prompt
prompt_utilise = prompt_multicouche(
sujet="Architect working on blueprints in a bright studio",
composition="Rule of thirds, subject at left third, depth with multiple planes",
eclairage="Lateral natural light from large windows, soft shadows",
perspective="Slightly low angle (subtle low-angle shot), 35mm focal length",
style="Editorial documentary photography, warm desaturated tones",
details_techniques="Medium depth of field, sharp foreground, light background bokeh",
output="architecte_atelier.png"
)
Овладяване на композицията
Композицията определя как окото се движи през изображението и Вие я контролирате, като назовавате правила, които моделът разпознава.
Класически правила за композиция
Речникът по-долу събира пет основни композиционни семейства и ги прилага върху умишлено идентичен обект — изолиран фар на бретонски скали, — така че сравнението да се фокусира единствено върху сценографията. Правилото на третините поставя фара в пресечната точка на линиите на сила и създава най-„естественото“ изображение; симетрията на Уес Андерсън центрира вертикалната ос и добавя отражение във водата; диагоналът създава напрежение от долния ляв ъгъл към горния десен ъгъл; рамка в рамката Ви кара да гледате фара през арка или прозорец, създавайки незабавна дълбочина; накрая, минималистичната композиция свежда фара до малка точка в огромно негативно пространство, превръщайки обекта в претекст. Пет изображения на един и същи фар, пет различни твърдения.
from openai import OpenAI
import base64
client = OpenAI()
compositions = {
"regle_des_tiers": (
"Rule of thirds composition, subject positioned at the intersection "
"of power lines (right third, bottom third)"
),
"symetrie": (
"Perfectly symmetrical composition, central vertical axis, "
"reflections in water, Wes Anderson style"
),
"diagonale": (
"Dynamic diagonal composition, power line from "
"bottom-left corner to top-right corner"
),
"cadre_dans_cadre": (
"Frame within a frame: subject viewed through an arch, "
"a window, or a natural framing"
),
"minimaliste": (
"Minimalist composition, huge negative space, "
"small isolated subject in a vast environment"
),
}
sujet_base = "An isolated lighthouse on a Breton cliff facing the sea"
for nom, composition in compositions.items():
prompt = f"{sujet_base}, {composition}, landscape photography"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1536x1024",
quality="high",
)
path = f"composition_{nom}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Composition {nom} → {path}")
Планове и дълбочина
Дълбочината не се иска наведнъж; тя се изгражда план по план. Следната подсказка описва провансалски пазар, като изрично присвоява съдържание и рязкост на всеки от трите плана: сапуни и лавандула на преден план, перфектно резки; търговецът и клиентът му в средния план, леко размазани; златни каменни фасади и чинари на заден план, с изразено боке. Крайното споменаване на обектив 50 мм, отворен на f/1.8, само оптично потвърждава онова, което описанието вече е установило — и именно тази умишлена повторяемост прави резултата надежден.
from openai import OpenAI
import base64
client = OpenAI()
prompt_profondeur = (
"Provençal market scene with three distinct planes: "
"sharp foreground—display of lavender and artisanal soaps, "
"middle ground—vendor and customer in conversation, slight blur, "
"background—golden stone facades and plane trees, pronounced bokeh. "
"Photography with 50mm f/1.8 lens, shallow depth of field."
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt_profondeur,
size="1536x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open("marche_profondeur.png", "wb") as f:
f.write(data)
Овладяване на осветлението
Осветлението е най-мощният инструмент за създаване на атмосфера и най-ефективният по отношение на използваните знаци. Шест настройки покриват повечето нужди, а цикълът по-долу ги прилага всички върху един и същи портрет на съсредоточен цигулар. Осветлението „Рембранд“, с един източник под 45 градуса и триъгълния блясък на срещуположната буза, дава класическия студийен портрет. Контурното осветление (rim light) поставя източника зад обекта и запазва само светещия контур, създавайки силуетно изображение. Разделеното осветление разрязва лицето на две половини — едната осветена, другата в сянка, — което веднага преминава в кинематографичен регистър. Златният час носи наклонена златна светлина и носталгичния ѝ лещов блясък, градският неон носи розови и цианови източници, отразени върху мокри повърхности, а студийното високо ключово осветление (high-key) носи безсенчова равномерност и търговски бял фон. Един и същи обект става последователно интимен, мистериозен или готов за реклама.
from openai import OpenAI
import base64
client = OpenAI()
eclairages_avances = {
"rembrandt": (
"Rembrandt lighting: single source at 45 degrees, triangular highlight "
"on opposite cheek, deep dramatic shadows"
),
"rim_light": (
"Backlighting (rim light): silhouette outlined by a luminous halo, "
"source directly behind subject, details in shadows"
),
"split": (
"Split lighting: half face lit, half in shadow, "
"clear separation, mysterious cinematic atmosphere"
),
"golden_hour": (
"Golden hour: raking golden light, long warm shadows, "
"subtle lens flare, soft nostalgic atmosphere"
),
"neon": (
"Urban neon lighting: multiple pink and cyan sources, "
"reflections on wet surfaces, nocturnal cyberpunk atmosphere"
),
"studio_high_key": (
"High-key studio: uniformly bright lighting, minimal shadows, "
"white background, clean commercial atmosphere"
),
}
sujet = "Portrait of a focused violinist"
for nom, eclairage in eclairages_avances.items():
prompt = f"{sujet}, {eclairage}"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1536",
quality="high",
)
path = f"eclairage_{nom}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Lighting {nom} → {path}")
Овладяване на перспективата
Перспективата влияе върху това как зрителят възприема обекта, а нейният ефект е почти винаги психологически, преди да бъде естетически. Високият ъгъл гледа надолу към сцената и омаловажава онова, което вижда; ниският ъгъл, с камера на нивото на земята, уголемява обекта и му придава сила; перфектно вертикалният въздушен изглед премахва обема и превръща реалността в графичен модел; изгледът от „червейска гледна точка“ довежда ниския ъгъл до крайност, карайки всички изчезващи линии да се събират към небето; накрая, изгледът на нивото на очите с фокусно разстояние 50 мм възпроизвежда човешкото зрение и изчезва в полза на обекта. При стъклено-стоманените небостъргачи разликата между тези пет изображения не е в сградата, а във връзката, която те установяват с нея. Имайте предвид, че цикълът преминава към портретен формат за двата ниски ъгъла, защото снимката на сграда от долу нагоре се нуждае от височина, за да диша.
from openai import OpenAI
import base64
client = OpenAI()
perspectives = {
"plongee": (
"High-angle view (top-down), camera overlooking the scene, "
"domination effect, subject viewed from above at 45 degrees"
),
"contre_plongee": (
"Low-angle view (bottom-up), camera at ground level looking up, "
"effect of grandeur and power"
),
"aerienne": (
"Drone aerial view, perfectly vertical (90 degrees), "
"graphic composition, textures and patterns visible from above"
),
"worm_eye": (
"Worm's-eye view, camera placed on ground, extreme perspective "
"with vanishing lines converging toward the sky"
),
"eye_level": (
"Eye-level view, natural and immersive, "
"50mm focal length, like human vision"
),
}
sujet = "Modern glass and steel skyscrapers"
for nom, perspective in perspectives.items():
prompt = f"{sujet}, {perspective}, architectural photography"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1536" if nom in ["contre_plongee", "worm_eye"] else "1536x1024",
quality="high",
)
path = f"perspective_{nom}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Perspective {nom} → {path}")
Многократно използваем създател на подсказки
Ръчното конкатениране на седем слоя във всеки скрипт рано или късно ще Ви накара да забравите някой от тях или да размените два. Класът PromptBuilder решава този проблем, като предоставя по един метод за всеки слой и връща self при всяко извикване, което Ви позволява да верижно настройвате параметрите в четим ред и да посочвате само някои от тях. Методът build() след това сглобява обекта и попълнените слоеве в текст, готов за предаване на client.images.generate(). Примерът с крайбрежното кафене реализира и седемте налични слоя — композиция, осветление, перспектива, стил, цветове, атмосфера, техника — и създава подсказка, която никоя импровизация не би могла да направи толкова пълна.
class PromptBuilder:
"""Builder for structured visual prompts."""
def __init__(self, sujet: str):
self.sujet = sujet
self.layers = {}
def composition(self, desc: str):
self.layers["composition"] = desc
return self
def eclairage(self, desc: str):
self.layers["lighting"] = desc
return self
def perspective(self, desc: str):
self.layers["perspective"] = desc
return self
def style(self, desc: str):
self.layers["style"] = desc
return self
def couleurs(self, desc: str):
self.layers["color palette"] = desc
return self
def atmosphere(self, desc: str):
self.layers["atmosphere"] = desc
return self
def technique(self, desc: str):
self.layers["technique"] = desc
return self
def build(self) -> str:
parts = [self.sujet]
for key, value in self.layers.items():
parts.append(f"{key}: {value}")
return ". ".join(parts)
# Usage
prompt = (
PromptBuilder("Artisanal seaside café, terrace with umbrellas")
.composition("Rule of thirds, terrace in foreground, sea at horizon")
.eclairage("Late afternoon, raking golden light, long shadows")
.perspective("Slight high angle, 28mm wide-angle focal length")
.style("Lifestyle photography, warm tones, analog film")
.couleurs("Terracotta, Mediterranean blue, off-white, olive green")
.atmosphere("Relaxed and Mediterranean, sea breeze")
.technique("Deep depth of field, sharp from foreground to infinity")
.build()
)
print(prompt)
# Use this prompt with client.images.generate()
Сега поемете собственост върху този набор от инструменти върху един единствен взискателен обект: стара библиотека. Създайте пет изображения с помощта на PromptBuilder, като систематично варирате композицията, осветлението и перспективата, след което ги съберете в HTML каталог. Виждането на петте изображения едно до друго е начинът, по който ще научите кой от тези слоеве има най-голямо значение във Вашата практика.