Pokročilé vizuální prompty: kompozice, osvětlení, perspektiva
Na této stránce
Aktualizace 2. listopadu 2026 — obrazové modely. Model
gpt-image-1, pro který byl tento kurz původně napsán, byl ukončen 23. října 2026 a modelygpt-image-1.5,gpt-image-1-miniachatgpt-image-latestbudou vyřazeny z provozu 1. prosince 2026. Příklady nyní využívajígpt-image-2.5-sunburst, nejpřesnější model pro úpravy;gpt-image-2.5-flareje rychlejší pro standardní generování. Oba také podporují nastavení kvalityxhighamax. Modely GPT Image vždy vracejí obrázky v base64: parametrresponse_formatze starších modelů DALL·E není přijímán a byl z kódu odstraněn. Zdroj: Image generation (OpenAI).
Pokročilé vizuální prompty: kompozice, osvětlení, perspektiva
Dobře strukturovaný prompt je tím, co odděluje průměrný obrázek od profesionální kvality. Pákou není délka textu, ale slovní zásoba. GPT Image rozumí terminologii fotografie, kinematografie a výtvarného umění. Mluvit tímto jazykem znamená dávat pokyny řediteli fotografie, nikoliv jen vyslovovat přání. Tato lekce tě naučí tuto slovní zásobu a způsob, jak ji organizovat.
Anatomie profesionálního vizuálního promptu
Pokročilý prompt se skládá z vrstev, z nichž každá odpovídá na odlišnou otázku: kdo nebo co, jak uspořádáno, jak nasvíceno, odkud pozorováno, v jakém registru a s jakými optickými vlastnostmi. Explicitní pojmenování těchto vrstev v textu promptu – „Subject: … Composition: … Lighting: …“ – pomáhá modelu vyhnout se míchání registrů. Níže uvedený příklad popisuje architekta v jeho ateliéru: subjekt zabírá levou třetinu podle pravidla třetin, světlo přichází bočně z velkých oken, kamera je v jemném podhledu s ohniskovou vzdáleností 35 mm, registr odpovídá teplé desaturované editorální dokumentární fotografii a hloubka ostrosti nechává pozadí v jemném bokehu. Každá z těchto šesti vět odebírá jednu svobodu, kterou by model jinak využil náhodně.
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"
)
Ovládnutí kompozice
Kompozice určuje, jak se oko pohybuje po obrázku, a ty ji ovládáš pojmenováním pravidel, která model rozpoznává.
Klasická kompoziční pravidla
Následující slovník shromažďuje pět hlavních kompozičních rodin a aplikuje je na záměrně totožný subjekt – osamělý maják na bretonském útesu – aby se srovnání soustředilo výhradně na inscenaci. Pravidlo třetin umisťuje maják do průsečíku silových čar a vytváří nej„přirozenější“ obraz; symetrie ve stylu Wese Andersona centruje svislou osu a přidává odraz ve vodě; diagonála vytváří napětí z levého dolního rohu do pravého horního rohu; rám v rámu tě nutí dívat se na maják přes oblouk nebo okno, čímž okamžitě vytváří hloubku; minimalistická kompozice konečně redukuje maják na nepatrnou tečku v obrovském negativním prostoru a mění subjekt v pouhou záminku. Pět obrázků stejného majáku, pět různých výpovědí.
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}")
Roviny a hloubka
Hloubka se nevyžaduje hromadně; buduje se rovina po rovině. Následující prompt popisuje provensálský trh explicitním přiřazením obsahu a ostrosti každé ze tří rovin: mýdla a levandule v popředí, dokonale ostré; prodejce a zákazník ve středním plánu, mírně rozmazaní; zlatavé kamenné fasády a platany v pozadí s výrazným bokehem. Závěrečná zmínka o objektivu 50 mm otevřeném na clonu f/1.8 pouze opticky potvrzuje to, co již popis nastolil – a právě tato záměrná redundance činí výsledek spolehlivým.
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)
Ovládnutí osvětlení
Osvětlení je nejmocnějším nástrojem pro vytváření atmosféry a zároveň tím nejefektivnějším z hlediska vloženého úsilí. Šest setupů pokrývá většinu potřeb a níže uvedená smyčka je všechny aplikuje na stejný portrét soustředěného houslisty. Rembrandtovo světlo s jediným zdrojem pod úhlem 45 stupňů a trojúhelníkovým odleskem na protější tváři dodává klasický studiový portrét. Protisvětlo (rim light) umisťuje zdroj za subjekt a zachovává pouze světelný obrys, čímž vzniká silueta. Rozdělené světlo (split lighting) půlí obličej na dvě poloviny, jednu osvětlenou a druhou ve stínu, což okamžitě posouvá výsledek do filmového registru. Zlatá hodina přináší dopadající zlaté světlo a jeho nostalgický lens flare, městské neony přinášejí růžové a tyrkysové zdroje odrážející se na mokrých površích a vysoký klíč (high-key) ve studiu přináší bezstínovou uniformitu a komerční bílé pozadí. Stejný subjekt se postupně stává intimním, záhadným nebo připraveným pro reklamu.
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}")
Ovládnutí perspektivy
Perspektiva ovlivňuje, jak divák vnímá subjekt, a její účinek je téměř vždy psychologický dříve, než estetický. Ptačí pohled shlíží na scénu a zmenšuje to, co pozoruje; podhled s kamerou u země subjekt zvětšuje a dodává mu moc; dokonale svislý letecký pohled ruší objem a mění realitu v grafický vzor; pohled žabí perspektivy tlačí podhled do extrému a nutí všechny úběžnice sbíhat k obloze; nakonec pohled z výšky očí s ohniskovou vzdáleností 50 mm reprodukuje lidské vidění a mizí ve prospěch subjektu. U skleněno-ocelových mrakodrapů není rozdíl mezi těmito pěti obrázky v budově, ale ve vztahu, který s ní establishingují. Všimni si, že smyčka přepíná pro dva podhledy na formát na výšku, protože podhled na budovu potřebuje výšku, aby mohl dýchat.
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}")
Znovu použitelný tvůrce promptů
Ruční zřetězení sedmi vrstev v každém skriptu dříve či později povede k tomu, že na některou zapomeneš nebo dvě prohodíš. Třída PromptBuilder to řeší tím, že vystavuje jednu metodu pro každou vrstvu a při každém volání vrací self, což ti umožňuje řadit nastavení v čitelném pořadí a specifikovat pouze některé z nich. Metoda build() následně sestaví subjekt a vyplněné vrstvy do textu připraveného k předání funkci client.images.generate(). Příklad s kavárnou u moře implementuje všech sedm dostupných vrstev – kompozici, osvětlení, perspektivu, styl, barvy, atmosféru a techniku – a vytváří prompt, jehož úplnosti by žádná improvizace nedosáhla.
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()
Nyní si tento nástroj osvoj na jediném náročném subjektu: stará knihovna. Vytvoř pět obrázků pomocí PromptBuilder, systematicky měň kompozici, osvětlení a perspektivu a poté je shromáždi do HTML katalogu. Pohled na všech pět vedle sebe je způsob, jak se naučíš, která z těchto vrstev je pro tvou praxi nejdůležitější.