Opret billeder ud fra en prompt
På denne side
Opdateret 2. november 2026 — Billedmodeller.
gpt-image-1, modellen dette kursus oprindeligt blev skrevet til, blev afviklet den 23. oktober 2026.gpt-image-1.5,gpt-image-1-miniogchatgpt-image-latestudgår den 1. december 2026. Eksemplerne bruger nugpt-image-2.5-sunburst, som tilbyder højeste præcision til redigering;gpt-image-2.5-flareer hurtigere til standardgenerering. Begge modeller understøtter også kvalitetsindstillingernexhighogmax. GPT Image-modeller returnerer altid billeder i base64: parameterenresponse_format, som blev brugt af ældre DALL·E-modeller, understøttes ikke og er fjernet fra koden. Kilde: Image generation (OpenAI).
Opret billeder ud fra en prompt
Metoden client.images.generate() er dit primære indgangspunkt for at skabe et billede ud fra en tekstbeskrivelse. Den afhænger af blot en håndfuld parametre, men netop fordi der er så få, tæller hver enkelt: forskellen på et tilfældigt resultat og et forudsigeligt one afhænger næsten udelukkende af indholdet i feltet prompt. Denne lektion lærer dig at mestre begge dele.
Anatomien af et generationskald
Her er den fulde struktur for et kald med alle tilgængelige parametre.
from openai import OpenAI
client = OpenAI()
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="Detaljeret beskrivelse af det ønskede billede",
n=1,
size="1024x1024",
quality="high"
)
| Parameter | Type | Beskrivelse |
|---|---|---|
model | string | "gpt-image-2.5-sunburst" (mest præcis) eller "gpt-image-2.5-flare" (hurtigst) |
prompt | string | Billedbeskrivelse (op til 32.000 tegn) |
n | integer | Antal billeder der skal genereres (1 til 10) |
size | string | "1024x1024", "1024x1536", "1536x1024" |
quality | string | "low", "medium", "high" |
Grænsen på 32.000 tegn for prompten er generøs: den muliggør meget detaljerede beskrivelser, og du vil snart se, at detaljer er din bedste løftestang for kontrol.
Hent det genererede billede
Svaret indeholder et data-objekt, der holder billederne. GPT Image-modeller returnerer altid billedet kodet i base64 i feltet b64_json: du decoder det og skriver det direkte til disken. Parameteren response_format og midlertidige URLs fra ældre DALL·E-modeller gælder ikke for GPT Image.
import base64
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="En japansk have i regnvejr, fotografi",
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("Billede gemt: garden.png")
Når filen er skrevet, afhænger intet længere af OpenAI: dette er den fil, du gemmer, serverer eller bearbejder videre.
Generer flere billeder i ét enkelt kald
Parameteren n anmoder om flere varianter i en enkelt forespørgsel. Gør dette til din automatiske refleks, når du udforsker en visuel retning uden at vide, hvilken du skal beholde: fire forslag ved siden af hinanden informerer dig langt bedre end ét enkelt.
import base64
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="Minimalistisk logo til et håndværksbageri, hvid baggrund",
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"Variant {i+1}: logo_{i+1}.png")
Hold dog øje med omkostningerne: hvert billede forbruger tokens uafhængigt, og generering af 4 billeder koster 4 gange prisen for ét enkelt. Udforsk med en høj n og lav kvalitet, og gem høj kvalitet til det endelige udvalg.
Skriv effektive prompts
Resultatets kvalitet afhænger direkte af præcisionen i din prompt. En god prompt følger en simpel struktur – emne + stil + kontekst + tekniske detaljer – og sammenligningen nedenfor gør forskellen håndgribelig: „et hus” overlader til modellen at opfinde alt, du ikke har sagt, mens den udviklede version fastlægger materialet, farven på skodderne, tidspunktet på dagen, det redaktionelle register og den optiske behandling.
# Vag prompt – uforudsigeligt resultat
weak_prompt = "et hus"
# Struktureret prompt – kontrolleret resultat
strong_prompt = (
"Provencalsk landhus i blond sten, "
"lavendelblå skodder, eføy på facaden, "
"fotograferet i den gyldne time, "
"redaktionel stil til arkitekturmaga sin, "
"centreret komposition, dybdeskarphed"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=strong_prompt,
size="1536x1024",
quality="high"
)
Erklær visuel stil på samme måde ved at nævne et medium frem for at håbe på en intention. GPT Image forstår en lang række registre, og løkken nedenfor lader dig mærke kløften mellem dem på et strengt identisk emne: cyklen foran den parisiske café ændrer fuldstændig karakter afhængigt af, om du beder om et redaktionelt fotografi, en flad vektorillustration eller en blyantsskitse.
import base64
styles = [
"redaktionelt fotografi, studiebelysning",
"flad design vektorillustration",
"akvarel på struktureret papir",
"fotorealistisk 3D-render, Octane Render",
"blyantsskitse på kraftpapir",
]
for style in styles:
prompt = f"En vintage cykel parkeret foran en parisisk café, {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"Stil: {style} → {filename}")
Tekst indlejret i billedet fortjener en separat bemærkning, da det er her, GPT Image adskiller sig klart fra sine forgængere. Angiv beskeden i citationstegn inden i prompten, specificér skrifttypefamilien og den forventede grafiske behandling, så bliver gengivelsen læsbar.
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=(
"Reklameplakat med teksten „SUMMER SALE -50%" "
"i store hvide bogstaver på en blå-orange gradientbaggrund, "
"moderne sans-serif typografi, professionel kommerciel stil"
),
size="1024x1536",
quality="high"
)
Håndtering af fejl
Et generationsscript, der kører i en løkke, vil før eller siden ramme en rate-grænse eller en API-fejl. Håndter disse to tilfælde forskelligt fra starten: en RateLimitError kræver et ventetid og et genforsøg, hvorimod en APIError kræver, at du undersøger beskeden, før du genstarter noget.
import base64
from openai import OpenAI, APIError, RateLimitError
client = OpenAI()
try:
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="Et snedækket bjerglandskab ved solopgang",
size="1024x1024"
)
with open("mountain.png", "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
except RateLimitError:
print("Anmodningsgrænse nået. Vent før genforsøg.")
except APIError as e:
print(f"API-fejl: {e.message}")
For at forankre alt dette skal du nu skrive et script, der genererer tre varianter af samme emne i tre forskellige stilarter – foto, illustration, akvarel – og gemmer hvert billede lokalt i PNG-format ved hjælp af base64-formatet til hentning.