Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Loo pilte viiba põhjal

Õppetund 2 / 12 Värskendatud 2. november 2026 Arendajatele
Sellel lehel
  1. Loo pilte viiba põhjal
  2. Generatsioonikutsu anatoomia
  3. Genereeritud pildi kättesaamine
  4. Genereeri mitu pilti ühe kutsuga
  5. Kirjuta tõhusaid viibasid
  6. Veakäsitlus

Uuendatud 2. novembril 2026 – Pildimudelid. Mudel gpt-image-1, mille jaoks see kursus algselt kirjutati, lõpetati 23. oktoobril 2026. Mudelid gpt-image-1.5, gpt-image-1-mini ja chatgpt-image-latest võetakse kasutusest 1. detsembril 2026. Näited kasutavad nüüd mudelit gpt-image-2.5-sunburst, mis pakub redigeerimisel suurimat täpsust; gpt-image-2.5-flare on tavapäraseks genereerimiseks kiirem. Mõlemad mudelid toetavad ka kvaliteedisätteid xhigh ja max. GPT Image’i mudelid tagastavad pildid alati base64-kodeeringus: vanemate DALL·E mudelite kasutatud parameeter response_format ei ole toetatud ja on koodist eemaldatud. Allikas: Pildigeneratsioon (OpenAI).

Loo pilte viiba põhjal

Meetod client.images.generate() on sinu peamine sisenemispunkt pildi loomiseks tekstikirjelduse põhjal. See tugineb vaid käputäiele parameetritele, kuid just seetõttu, et neid on nii vähe, loeb ükski: erinevus juhusliku tulemuse ja ennustatava tulemuse vahel sõltub peaaegu täielikult välja prompt sisust. See õppetund õpetab sind mõlemat valdama.

Generatsioonikutsu anatoomia

Siin on kõigi saadaolevate parameetritega kutsu täielik struktuur.

from openai import OpenAI

client = OpenAI()

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Soovitud pildi üksikasjalik kirjeldus",
    n=1,
    size="1024x1024",
    quality="high"
)
ParameeterTüüpKirjeldus
modelstring"gpt-image-2.5-sunburst" (kõige täpsem) või "gpt-image-2.5-flare" (kiireim)
promptstringPildi kirjeldus (kuni 32 000 tähemärki)
nintegerGenereeritavate piltide arv (1 kuni 10)
sizestring"1024x1024", "1024x1536", "1536x1024"
qualitystring"low", "medium", "high"

Viiba 32 000 tähemärgi piirang on helde: see võimaldab äärmiselt üksikasjalikke kirjeldusi ja sa näed varsti, et detailid on sinu parim hoob kontrolli saavutamiseks.

Genereeritud pildi kättesaamine

Vastus sisaldab objekti data, mis hoiab pilte. GPT Image’i mudelid tagastavad pildi alati base64-kodeeringuna väljal b64_json: dekodeeri see ja kirjuta see kohe kettale. Vanemate DALL·E mudelite parameeter response_format ja ajutised URL-id ei kehti GPT Image’i puhul.

import base64

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Jaapani aed vihma käes, fotograafia",
    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("Pilt salvestatud: garden.png")

Kui fail on kirjutatud, ei sõltu enam midagi OpenAI-st: see on fail, mida salvestad, teenindad või ümber töötled.

Genereeri mitu pilti ühe kutsuga

Parameeter n küsib ühe päringuga mitut varianti. Tee sellest oma vaikimisi refleks, kui uurid visuaalset suunda teadmata, millist neist säilitada: neli ettepanekut kõrvuti annavad sulle palju parema ülevaate kui üksainus.

import base64
response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Minimalistlik logo käsitööpagariäri jaoks, valge taust",
    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")

Jälgi siiski oma kulusid: iga pilt tarbib tokenid sõltumatult ja 4 pildi genereerimine maksab 4 korda rohkem kui üksainus. Uuri suure n ja madala kvaliteediga, jättes kõrge kvaliteedi lõplikuks valikuks.

Kirjuta tõhusaid viibasid

Tulemuse kvaliteet sõltub otseselt sinu viiba täpsusest. Hea viip järgib lihtsat struktuuri – subjekt + stiil + kontekst + tehnilised detailid – ja allpool olev võrdlus teeb erinevuse käegakatsutavaks: „maja“ jätab mudelile võimaluse välja mõelda kõik, mida sa ei öelnud, samas kui väljatöötatud versioon fikseerib materjali, aknalukude värvi, kellaaja, toimetuse registri ja optilise töötluse.

# Ebamäärane viip – ettearvamatu tulemus
weak_prompt = "maja"

# Struktureeritud viip – kontrollitud tulemus
strong_prompt = (
    "Provansi maamaja helekollasest kivist, "
    "lavendlisinised aknalukud, luuderohi fassaadil, "
    "fotografeeritud kuldse tunni ajal, "
    "toimetuse stiil arhitektuuriajakirja jaoks, "
    "keskendatud kompositsioon, teravussügavus"
)

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt=strong_prompt,
    size="1536x1024",
    quality="high"
)

Deklareeri visuaalne stiil samamoodi, nimetades meediumit, selle asemel et loota kavatsusele. GPT Image mõistab laia valikut registreid ja järgnev tsükkel annab sulle tunda lõhet nende vahel täiesti identsel subjektil: jalgratas Pariisi kohviku ees muutub oma olemuselt täielikult sõltuvalt sellest, kas taotled toimetuse fotot, lamedat vektorillustratsiooni või pliiatsijoonistust.

import base64
styles = [
    "toimetuse fotograafia, stuudiovalgustus",
    "lameda disainiga vektorillustratsioon",
    "akvarell tekstureeritud paberil",
    "fotorealistlik 3D-renderdus, Octane Render",
    "pliiatsijoonistus kraftpaberil",
]

for style in styles:
    prompt = f"Vanaaegne jalgratas pargitud Pariisi kohviku ette, {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"Stiil: {style} → {filename}")

Pildile sisestatud tekst väärib eraldi märkust, sest just siin eristub GPT Image oma eelkäijatest selgelt. Anna sõnum viibas jutumärkides, täpsusta kirjatüübi perekond ja oodatav graafiline töötlus ning renderdus on loetav.

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt=(
        "Reklaamplakat tekstiga \"SUMMER SALE -50%\" "
        "suurte valgete tähtedega sinise-oranži gradienttaustal, "
        "moodne sans-serif tüpograafia, professionaalne kommertsstiil"
    ),
    size="1024x1536",
    quality="high"
)

Veakäsitlus

Tsüklis töötav generatsiooniskript põrkab lõpuks kiirusepiirangu või API veaga. Käitle neid kaht juhtumit algusest peale eristatult: RateLimitError nõuab ootamist ja uuesti proovimist, samas kui APIError nõuab sõnumi uurimist enne millegi uuesti käivitamist.

import base64
from openai import OpenAI, APIError, RateLimitError

client = OpenAI()

try:
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt="Lumine mäemaastik päikesetõusul",
        size="1024x1024"
    )
    with open("mountain.png", "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))

except RateLimitError:
    print("Päringupiirang saavutatud. Oota enne uuesti proovimist.")

except APIError as e:
    print(f"API viga: {e.message}")

Selle kõige kinnistamiseks kirjuta nüüd skript, mis genereerib sama subjekti kolm varianti kolmes erinevas stiilis – foto, illustratsioon, akvarell – ja salvestab iga pildi kohalikult PNG-vormingus, kasutades kättesaamiseks base64-vormingut.