Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Athruithe agus Iterálacha

Ceacht 5 as 12 Nuashonraithe 2 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Athruithe agus Iterálacha
  2. Athruithe den Choincheap Céanna a Ghiniúint
  3. Athruithe trí Mhodhnú ar an Leid
  4. Iteráil trí Scagadh ar an Leid
  5. Píblíne Iterála Uathoibrithe
  6. Athruithe a Chur i gComparáid i gCatalóg
  7. An Disiplín Iterála

Nuashonraithe an 2 Samhain, 2026 — Múnlaí íomhá. Níl gpt-image-1, an múnla ar scríobhadh an cúrsa seo dó ar dtús, ar fáil a thuilleadh ón 23 Deireadh Fómhair, 2026. Ina theannta sin, cuirfear deireadh le gpt-image-1.5, gpt-image-1-mini, agus chatgpt-image-latest ar an 1 Nollaig, 2026. Úsáideann na samplaí anois gpt-image-2.5-sunburst, a thairgeann an bheachtas is airde d’eagarthóireacht; tá gpt-image-2.5-flare níos tapúla le haghaidh giniúna caighdeánaí. Tacaíonn an dá mhúnla leis na socruithe cáilíochta xhigh agus max freisin. Aischuireann múnlaí GPT Image íomhánna i gcónaí i bhformáid base64: ní ghlactar a thuilleadh leis an bparaiméadar response_format ó sheanmhúnlaí DALL·E agus baineadh é as an gcód. Foinse: Giniúint íomhá (OpenAI).

Athruithe agus Iterálacha

Is annamh an íomhá fhoirfe a fháil ar an gcéad iarracht. Baineann obair fhíor le hathruithe a ghiniúint, iad a chur i gcomparáid le chéile, agus ansin an leid a dhéanamh níos doichte de réir a chéile go dtí go sroicheann tú an toradh atá uait. Tugann an ceacht seo na trí uirlis duit don mhodh seo: athrú trí athsheoladh, athrú trí mhodhnú ar an leid, agus iteráil trí scagadh successive.

Athruithe den Choincheap Céanna a Ghiniúint

Is é an modh is simplí ná an ghiniúint a athsheoladh leis an leid céanna: cruthaíonn GPT Image toradh difriúil gach uair. Tá sé seo úsáideach ag tús na taiscéalaíochta, nuair nach bhfuil a fhios agat fós cad atá á lorg agat agus nuair ba mhaith leat raon na léirmhínithe féideartha ar smaoineamh a fheiceáil.

from openai import OpenAI
import base64

client = OpenAI()

def generate_variations(prompt: str, n_variations: int, prefix: str):
    """Gin roinnt athruithe neamhspleácha den leid céanna."""
    paths = []
    for i in range(n_variations):
        response = client.images.generate(
            model="gpt-image-2.5-sunburst",
            prompt=prompt,
            size="1024x1024",
            quality="medium",
        )

        path = f"{prefix}_v{i+1}.png"
        data = base64.b64decode(response.data[0].b64_json)
        with open(path, "wb") as f:
            f.write(data)
        paths.append(path)
        print(f"Athrú {i+1} sábháilte: {path}")

    return paths


variations = generate_variations(
    prompt="Léaráid de róbóit gairneoireachta ag cur bláthanna, stíl leanbhach agus ildathach",
    n_variations=5,
    prefix="gardener_robot"
)

Athruithe trí Mhodhnú ar an Leid

Fágann an cur chuige roimhe seo tú faoi mhíchinnteacht; tugann an ceann seo smacht duit. Socraíonn tú ábhar seasmhach—anseo, cupán caife galaithe ar bhord adhmaid—agus bogann tú toise amháin níos mó: an giúmar. Ansin is féidir na cúig thoradh a chur i gcomparáid, ós rud é go bhfuil a fhios agat go beacht cad a dhéanann idirdhealú eatarthu. Sin an difríocht idir cúig iarracht agus turgnamh.

from openai import OpenAI
import base64

client = OpenAI()

base_prompt = "Cupán caife galaithe ar bhord adhmaid"

moods = [
    "solas bog maidine, tóin te",
    "vibe caife Pháras, dubh agus bán",
    "stíl pop-ealaíne, dathanna sáithithe",
    "Scandanáivigh íostach, cúlra bán",
    "atmaisféar geimhridh compordach, soilte teaghráin bokeh",
]

for i, mood in enumerate(moods):
    prompt = f"{base_prompt}, {mood}"
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1024",
        quality="medium",
    )

    path = f"cafe_mood_{i+1}.png"
    data = base64.b64decode(response.data[0].b64_json)
    with open(path, "wb") as f:
        f.write(data)
    print(f"Giúmar: {mood[:30]}... → {path}")

Iteráil trí Scagadh ar an Leid

Nuair nach bhfuil an toradh sásúil, ní hé an freagairt cheart ná athsheoladh agus súil a bheith agat le ráth níos fearr, ach an srian atá in easnamh a chur leis. Taispeánann an tsraith thíos an dul chun cinn seo i sampla oibre: ní insíonn “Lógó do thionscnamh fintech” aon rud don mhúnla; cuimsíonn an dara iteráil líon na ndathanna agus an cúlra; ainmníonn an tríú iteráil an mheitifir amhairc agus an phailéad; téann an ceathrú iteráil síos go dtí cóid hex agus leithead na stróice. Le gach pas, caolaíonn spás na dtorthaí féideartha agus méadaíonn an in-atáirgeadh.

from openai import OpenAI
import base64

client = OpenAI()

iterations = [
    # Iteráil 1: bun-leid
    "Lógó do thionscnamh fintech",

    # Iteráil 2: srianta amhairc a chur leis
    "Lógó do thionscnamh fintech, dearadh íostach, dhá dhath ar a mhéad, cúlra trédhearcach",

    # Iteráil 3: cruinneas stíle
    (
        "Lógó íostach do thionscnamh fintech, deilbhín geoiméadrach teibí "
        "a thugann fás chun cuimhne, pailéad gorm cabhlach agus glas emerald, gan téacs, stíl veicteoireachta"
    ),

    # Iteráil 4: coigeartuithe mion
    (
        "Lógó íostach do thionscnamh fintech, deilbhín geoiméadrach teibí: "
        "dhá shaighead idirghlasáilte ag cruthú muince, gorm cabhlach (#1B2A4A) agus "
        "glas emerald (#2ECC71), stróc tanaí 2px, cúlra bán, rindreáil veicteoireachta géar, lárnaithe"
    ),
]

for i, prompt in enumerate(iterations):
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1024",
        quality="high",
    )

    path = f"logo_iteration_{i+1}.png"
    data = base64.b64decode(response.data[0].b64_json)
    with open(path, "wb") as f:
        f.write(data)
    print(f"Iteráil {i+1}: {prompt[:60]}...")
    print(f"  → {path}\n")

Píblíne Iterála Uathoibrithe

Ar thionscadal beagán níos faide, ní leor cuimhne an duine: tar éis cúig íomhá déag, ní fios agat a thuilleadh cé an leid a chruthaigh cé an toradh. Struchtúraíonn an phíblíne seo a leanas an obair i mbabhtaí, gineann sí roinnt leaganacha in aghaidh an bhabhta, ainmníonn sí comhaid ar bhealach inrianaithe, agus coinníonn sí stair iomlán na leideanna i gcomhad JSON. Is é an comhad staire seo a dhéanann luachmhar an socrú: ligeann sé duit dul ar ais agus caipitliú ó thionscadal amháin go dtí an chéad cheann eile.

from openai import OpenAI
import base64
import json

client = OpenAI()

def iteration_pipeline(brief: str, n_rounds: int = 3, n_per_round: int = 3):
    """
    Píblíne iterála: gineann sí roinnt leaganacha in aghaidh an bhabhta,
    coinníonn sí stair na leideanna agus na dtorthaí.
    """
    history = []
    current_prompt = brief

    for round_num in range(1, n_rounds + 1):
        print(f"\n{'='*50}")
        print(f"BABHTA {round_num} — Leid: {current_prompt[:80]}...")
        print(f"{'='*50}")

        round_images = []
        for i in range(n_per_round):
            response = client.images.generate(
                model="gpt-image-2.5-sunburst",
                prompt=current_prompt,
                size="1024x1024",
                quality="medium",
            )

            path = f"pipeline_r{round_num}_v{i+1}.png"
            data = base64.b64decode(response.data[0].b64_json)
            with open(path, "wb") as f:
                f.write(data)
            round_images.append(path)
            print(f"  Leagan {i+1}: {path}")

        history.append({
            "round": round_num,
            "prompt": current_prompt,
            "images": round_images
        })

        # Scag an leid don chéad bhabhta eile
        if round_num < n_rounds:
            current_prompt += ", níos mó sonraí, comhdhéanamh níos fearr"

    # Sábháil an stair
    with open("pipeline_history.json", "w") as f:
        json.dump(history, f, indent=2, ensure_ascii=False)

    print(f"\nStair shábháilte: pipeline_history.json")
    return history


iteration_pipeline(
    brief="Léaráid de siopa leabhar neamhspleách ón taobh amuigh, tráthnóna fómhair, stíl Ghibli",
    n_rounds=3,
    n_per_round=3
)

Athruithe a Chur i gComparáid i gCatalóg

Ní cheadaíonn naoi gcomhad PNG a oscailt ceann ar cheann i léitheoir aon chur i gcomparáid dáiríre. Ina ionad sin, gin leathanach HTML a thaispeánann iad taobh le taobh, le híomhánna ionchódaithe i base64 ionas go mbeidh an comhad féin-leordhóthanach agus inroinnte mar atá sé le cliant nó le stiúrthóir ealaíne.

import base64
from pathlib import Path
from glob import glob

def generate_catalog(images: list[str], title: str, output: str = "catalog.html"):
    """Cruthaigh leathanach HTML leis na híomhánna go léir taobh le taobh."""
    html_parts = [
        '<!DOCTYPE html><html><head><meta charset="utf-8">',
        f'<title>{title}</title>',
        '<style>',
        'body { background: #111; color: #fff; font-family: sans-serif; padding: 2rem; }',
        '.grid { display: grid; grid-template-columns: repeat(auto-fill, minmax(300px, 1fr)); gap: 1rem; }',
        '.card { background: #222; border-radius: 8px; overflow: hidden; }',
        '.card img { width: 100%; display: block; }',
        '.card p { padding: 0.5rem 1rem; font-size: 0.85rem; color: #aaa; }',
        '</style></head><body>',
        f'<h1>{title}</h1><div class="grid">',
    ]

    for img_path in images:
        with open(img_path, "rb") as f:
            b64 = base64.b64encode(f.read()).decode()
        html_parts.append(f'<div class="card">')
        html_parts.append(f'<img src="data:image/png;base64,{b64}" />')
        html_parts.append(f'<p>{Path(img_path).name}</p></div>')

    html_parts.append('</div></body></html>')

    with open(output, "w") as f:
        f.write("\n".join(html_parts))
    print(f"Catalóg ginte: {output}")


images = sorted(glob("pipeline_r*_v*.png"))
generate_catalog(images, "Athruithe — Siopa Leabhar Ghibli")

An Disiplín Iterála

Cuireann roinnt prionsabal iteráil tháirgiúil ar leithligh ó thriail agus earráid chostasach. Ní athraigh ach paraiméadar amháin in aghaidh na huaire, murach sin ní bheidh a fhios agat riamh cé acu ceann a fheabhsaigh an toradh. Coinnigh stair do chuid leideanna agus do chuid rindreálacha, mar a dhéanann an phíblíne thuas, chun caipitliú in ionad tosú ón mbun ar gach tionscadal. Obair i quality: low le linn na céime taiscéalaíochta ar fad agus athraigh go high don rindreáil deiridh amháin, nó íocfaidh tú praghas barr d’íomhánna a chaithefidh tú amach. Nuair atá tú ag lorg éagsúlachta tapa go simplí, is fearr glao amháin leis an bparaiméadar n ná lúb d’iarratais. Ar deireadh, ainmnigh do chomhaid go cur síosach: is mionsonraí suarach é ar an gcéad lá, ach cinntitheach tar éis dhá chéad íomhá.

Anois, cuir an seicheamh iomlán seo i bhfeidhm ar ábhar de do rogha féin—lógó, léaráid, nó grianghraf táirge. Gin trí leagan le leid tosaigh, scag an leid sin i bhfianaise na dtorthaí, gin trí leagan nua, agus ansin déan an chatalóg HTML chomparáideach de na sé íomhá.