Varijacije i iteracije
Na ovoj stranici
Ažurirano 2. studenoga 2026. — Modeli za slike.
gpt-image-1, model za koji je ovaj tečaj izvorno napisan, ukinut je 23. listopada 2026. Dodatno,gpt-image-1.5,gpt-image-1-miniichatgpt-image-latestbit će povučeni iz upotrebe 1. prosinca 2026. Primjeri sada koristegpt-image-2.5-sunburst, koji nudi najveću preciznost za uređivanje;gpt-image-2.5-flareje brži za standardno generiranje. Oba modela također podržavaju postavke kvalitetexhighimax. Modeli GPT Image uvijek vraćaju slike u base64 formatu: parametarresponse_formatiz starijih DALL·E modela više se ne prihvaća i uklonjen je iz koda. Izvor: Image generation (OpenAI).
Varijacije i iteracije
Rijetko je da dobiješ savršenu sliku iz prvog pokušaja. Stvarni rad uključuje generiranje varijacija, njihovo uspoređivanje, a zatim postupno preciziranje prompta dok ne postigneš željeni rezultat. Ova lekcija daje ti tri alata za ovu metodu: varijaciju ponovnim pokretanjem, varijaciju modificiranjem prompta i iteraciju kroz uzastopno pročišćavanje.
Generiranje varijacija iste koncepcije
Najjednostavnija metoda je ponovno pokretanje generiranja s istim promptom: GPT Image svaki put proizvodi drugačiji rezultat. Ovo je korisno na početku istraživanja, kada još ne znaš što točno tražiš i želiš vidjeti raspon mogućih interpretacija jedne ideje.
from openai import OpenAI
import base64
client = OpenAI()
def generate_variations(prompt: str, n_variations: int, prefix: str):
"""Generiraj nekoliko neovisnih varijacija istog prompta."""
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"Varijacija {i+1} spremljena: {path}")
return paths
variations = generate_variations(
prompt="Ilustracija robota vrtlara koji zalijeva cvijeće, dječji i šareni stil",
n_variations=5,
prefix="gardener_robot"
)
Varijacije modificiranjem prompta
Prethodni pristup ostavlja te nasumičnosti; ovaj ti daje kontrolu. Fiksiraš nepromjenjivi subjekt — ovdje šalicu kave koja se pari na drvenom stolu — i pomičeš samo jednu dimenziju: raspoloženje. Pet rezultata tada postaje usporedivo jer točno znaš što ih razlikuje. To je razlika između pet pokušaja i eksperimenta.
from openai import OpenAI
import base64
client = OpenAI()
base_prompt = "Šalica kave koja se pari na drvenom stolu"
moods = [
"mekano jutarnje svjetlo, topli tonovi",
"vibra pariškog kafića, crno-bijelo",
"pop-art stil, zasićene boje",
"skandinavski minimalizam, bijela pozadina",
"udobna zimska atmosfera, bokeh svjetla girlande",
]
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"Raspoloženje: {mood[:30]}... → {path}")
Iteracija pročišćavanjem prompta
Kada rezultat nije zadovoljavajući, ispravan odgovor nije ponovno pokretanje u nadi za boljom srećom, već dodavanje nedostajućeg ograničenja. Serija u nastavku pokazuje ovaj napredak na konkretnom primjeru: „Logo za fintech startup“ modelu ne govori ništa; druga iteracija ograničava broj boja i pozadinu; treća imenuje vizualnu metaforu i paletu; četvrta spušta razinu na hex kodove i debljinu poteza. Sa svakim prolazom, prostor mogućih rezultata se sužava, a reproduktivnost raste.
from openai import OpenAI
import base64
client = OpenAI()
iterations = [
# Iteracija 1: osnovni prompt
"Logo za fintech startup",
# Iteracija 2: dodavanje vizualnih ograničenja
"Logo za fintech startup, minimalistički dizajn, najviše dvije boje, prozirna pozadina",
# Iteracija 3: preciziranje stila
(
"Minimalistički logo za fintech startup, apstraktna geometrijska ikona "
"koja evocira rast, paleta tamnoplave i smaragdno zelene, bez teksta, vektorski stil"
),
# Iteracija 4: fina podešavanja
(
"Minimalistički logo za fintech startup, apstraktna geometrijska ikona: "
"dvije isprepletene strelice koje formiraju dijamant, tamnoplava (#1B2A4A) i "
"smaragdno zelena (#2ECC71), tanki potez od 2px, bijela pozadina, oštar vektorski render, centrirano"
),
]
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"Iteracija {i+1}: {prompt[:60]}...")
print(f" → {path}\n")
Automatizirani pipeline za iteracije
U nešto duljem projektu, ljudsko pamćenje nije dovoljno: nakon petnaest slika više ne znaš koji je prompt proizveo koji rezultat. Sljedeći pipeline strukturira rad u rundama, generira nekoliko varijanti po rundi, imenuje datoteke tako da se mogu pratiti i čuva potpunu povijest promptova u JSON datoteci. Upravo ta povijesna datoteka čini postavku vrijednom: omogućuje ti povratak i kapitaliziranje znanja s jednog projekta na drugi.
from openai import OpenAI
import base64
import json
client = OpenAI()
def iteration_pipeline(brief: str, n_rounds: int = 3, n_per_round: int = 3):
"""
Pipeline za iteracije: generira nekoliko varijanti po rundi,
čuva povijest promptova i rezultata.
"""
history = []
current_prompt = brief
for round_num in range(1, n_rounds + 1):
print(f"\n{'='*50}")
print(f"RUNDA {round_num} — Prompt: {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" Varijanta {i+1}: {path}")
history.append({
"round": round_num,
"prompt": current_prompt,
"images": round_images
})
# Pročišćavanje prompta za sljedeću rundu
if round_num < n_rounds:
current_prompt += ", više detalja, bolja kompozicija"
# Spremanje povijesti
with open("pipeline_history.json", "w") as f:
json.dump(history, f, indent=2, ensure_ascii=False)
print(f"\nPovijest spremljena: pipeline_history.json")
return history
iteration_pipeline(
brief="Ilustracija neovisne knjižare viđene izvana, jesenska večer, Ghibli stil",
n_rounds=3,
n_per_round=3
)
Usporedba varijacija u katalogu
Otvaranje devet PNG datoteka jedna po jedna u pregledniku ne omogućuje ozbiljnu usporedbu. Umjesto toga, generiraj HTML stranicu koja ih prikazuje jednu do druge, sa slikama kodiranima u base64 kako bi datoteka bila samostalna i spremna za dijeljenje s klijentom ili umjetničkim direktorom bez dodatnih priloga.
import base64
from pathlib import Path
from glob import glob
def generate_catalog(images: list[str], title: str, output: str = "catalog.html"):
"""Stvori HTML stranicu sa svim slikama jedna do druge."""
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"Katalog generiran: {output}")
images = sorted(glob("pipeline_r*_v*.png"))
generate_catalog(images, "Varijacije — Ghibli knjižara")
Disciplina iteracije
Nekoliko principa razdvaja produktivnu iteraciju od skupog nagađanja. Mijenjaj samo jedan parametar odjednom, inače nikada nećeš znati koji je poboljšao rezultat. Čuvaj povijest svojih promptova i rendera, kao što to čini gornji pipeline, kako bi kapitalizirao znanje umjesto da svaki projekt započinješ ispočetka. Radi s quality: low tijekom cijele faze istraživanja i prebaci se na high tek za konačni render, inače ćeš platiti visoku cijenu za slike koje ćeš baciti. Kada jednostavno tražiš brzu raznolikost, preferiraj jedan poziv s parametrom n umjesto petlje zahtjeva. Konačno, imenuj svoje datoteke opisno: to je trivijalan detalj prvog dana, ali presudan nakon dvjesto slika.
Sada primijeni ovaj cijeli niz na temu po tvom izboru — logo, ilustraciju ili fotografiju proizvoda. Generiraj tri varijante s početnim promptom, usavrši taj prompt u svjetlu rezultata, generiraj tri nove varijante, a zatim izradi usporedni HTML katalog od šest slika.