Marketing: vizuali i baneri
Na ovoj stranici
Ažurirano 2. studenoga 2026. — modeli za slike.
gpt-image-1, za koji je ovaj tečaj izvorno napisan, ukinut je 23. listopada 2026., agpt-image-1.5,gpt-image-1-miniichatgpt-image-latestbit će povučeni 1. prosinca 2026. Primjeri sada koristegpt-image-2.5-sunburst, najprecizniji model za uređivanje;gpt-image-2.5-flareje brži za standardno generiranje. Oba također podržavaju razine kvalitetexhighimax. GPT Image modeli uvijek vraćaju slike u base64 formatu: parametarresponse_formatiz starijih DALL·E modela nije prihvaćen i uklonjen je iz koda. Izvor: Image generation (OpenAI).
Marketing: vizuali i baneri
Marketinški timovi neprestano troše vizuale: oglasne banere, objave na društvenim mrežama, ilustracije za članke, zaglavlja e-pošte. Usko grlo gotovo nikada nije ideja — već proizvodnja. GPT Image putem API-ja pomiče to usko grlo omogućujući ti industrializaciju outputa bez gubitka kvalitete, pod uvjetom da u svoje promptove kodiraš ono što bi zahtijevao umjetnički direktor.
Oglasni baneri
Baner nije ilustracija: to je poruka koja mora ostati čitljiva pri malim veličinama, u pretrpanom okruženju, u djeliću sekunde. Tvoj prompt stoga mora sadržavati točan tekst u navodnicima i nametnuti uvjete čitljivosti — podebljani sans-serif tipografiju, visok kontrast između teksta i pozadine te jasan poziv na akciju. Donja funkcija jednom zauvijek zaključava ova ograničenja, mijenjajući samo poruku i grafičko raspoloženje, ovdje plavo-ljubičasti gradijent sa svjetlosnim česticama za ponudu besplatnog probnog razdoblja.
from openai import OpenAI
import base64
client = OpenAI()
def banniere_pub(message: str, style: str, format_nom: str, output: str):
"""Generate an ad banner with embedded text."""
prompt = (
f"Professional ad banner with the text \"{message}\" "
f"in large, legible letters, {style}, "
"clean and modern design, clear call to action, "
"bold sans-serif typography, high text/background contrast"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1536x1024", # landscape format for banners
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open(output, "wb") as f:
f.write(data)
print(f"Banner {format_nom}: {output}")
banniere_pub(
message="30-day free trial",
style="blue-violet gradient, light particles, tech mood",
format_nom="leaderboard",
output="banniere_essai.png"
)
Vizuali za društvene mreže
Svaka platforma ima svoje kodove, a objavljivanje istog kvadrata svugdje odmah se primijeti. Suzdržana LinkedIn objava u plavim i sivim tonovima neće funkcionirati na Instagramu, gdje korisnici očekuju živahne boje i središnju kompoziciju; vertikalna priča (story) zahtijeva tekst na vrhu, a vizual na dnu jer korisnikov palac prekriva donji dio zaslona. Funkcija visuel_social kodira ove razlike u rječnik konfiguracije koji mapira svaku platformu na njezinu izvornu rezoluciju i stilski brief, a zatim sastavlja prompt na temelju teme i teksta koji pružiš.
from openai import OpenAI
import base64
client = OpenAI()
def visuel_social(plateforme: str, sujet: str, texte: str, output: str):
"""Generate a visual adapted to a social platform."""
configs = {
"instagram_post": {
"size": "1024x1024",
"style": "polished aesthetic, vibrant colors, centered composition"
},
"instagram_story": {
"size": "1024x1536",
"style": "vertical, text at top, impactful visual at bottom"
},
"linkedin": {
"size": "1536x1024",
"style": "professional and sober, blue and gray tones, corporate"
},
"twitter": {
"size": "1536x1024",
"style": "eye-catching, strong contrast, legible at small sizes"
},
}
config = configs.get(plateforme, configs["instagram_post"])
prompt = (
f"Visual for {plateforme.replace('_', ' ')}, "
f"subject: {sujet}, "
f"displayed text: \"{texte}\", "
f"{config['style']}, "
"professional design, ready to publish"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size=config["size"],
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open(output, "wb") as f:
f.write(data)
print(f"Visual {plateforme}: {output}")
visuel_social("instagram_post", "AI product launch", "New: CorsenBot 2.0", "ig_post.png")
visuel_social("linkedin", "developer recruitment", "We're hiring!", "linkedin_post.png")
visuel_social("instagram_story", "summer promotion", "-30% this weekend", "ig_story.png")
Ilustracije za blog članke
Naslovna slika članka slijedi kontraintuitivno pravilo: ne smije sadržavati tekst. Tvoj CMS će preko nje postaviti naslov, a slika koja već nosi slova pretvara se u nečitljivu kašu jednom kada se primijeni zaglavlje. Prompt stoga to eksplicitno navodi, uz zahtjev za panoramskom kompozicijom i harmoničnim bojama. Donji popis članaka također pokazuje kako jedna funkcija služi tri vrlo različita registra — 3D izometrijski plavi stil za temu korisničke podrške, šareni kolaž za marketinške trendove, tamna tehnologija sa zelenim neonkama za kibernetičku sigurnost.
from openai import OpenAI
import base64
client = OpenAI()
def illustration_article(titre_article: str, style: str, output: str):
"""Generate a header illustration for a blog article."""
prompt = (
f"Conceptual illustration for an article titled \"{titre_article}\", "
f"{style}, "
"panoramic composition, no text in the image, "
"harmonious colors, suitable as a blog cover image"
)
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"Illustration: {output}")
articles = [
("How AI is transforming customer service", "3D isometric style, blue tones"),
("5 marketing trends for 2026", "modern collage, bright colors"),
("Cybersecurity guide for SMBs", "dark tech style, green neons"),
]
for i, (titre, style) in enumerate(articles):
illustration_article(titre, style, f"article_header_{i+1}.png")
Paket za marketinšku kampanju
Kampanja nikada ne funkcionira na temelju jednog vizuala. Trebaš hero baner za web-mjesto, kvadrat za društvene mreže, vertikalnu priču i zaglavlje e-pošte, pri čemu svi nose istu poruku i paletu. Upravo je tu API bolji od ručnog rada: umjesto da četiri puta ponovno izvoziš izvornu datoteku, jednom opišeš kampanju i prepustiš petlji da proizvede svaku varijantu u njezinoj izvornoj rezoluciji. JSON manifest zapisan na kraju nije ukras — on je ono što omogućuje tvojem alatu za objavljivanje da pronađe pravu datoteku za pravo mjesto.
from openai import OpenAI
import base64
import json
client = OpenAI()
def kit_campagne(
nom_campagne: str,
message_principal: str,
palette: str,
output_dir: str = "."
):
"""Generate a complete visual kit for a marketing campaign."""
assets = [
{
"nom": "hero_banner",
"size": "1536x1024",
"prompt_extra": "large hero banner, centered text, maximum impact"
},
{
"nom": "social_square",
"size": "1024x1024",
"prompt_extra": "square social post, centered composition"
},
{
"nom": "story_vertical",
"size": "1024x1536",
"prompt_extra": "vertical story format, text at top, visual at bottom"
},
{
"nom": "email_header",
"size": "1536x1024",
"prompt_extra": "email marketing header, sober and professional"
},
]
resultats = []
for asset in assets:
prompt = (
f"Marketing visual for the \"{nom_campagne}\" campaign, "
f"message: \"{message_principal}\", "
f"palette: {palette}, "
f"{asset['prompt_extra']}, "
"premium design, modern typography"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size=asset["size"],
quality="high",
)
path = f"{output_dir}/{nom_campagne}_{asset['nom']}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
resultats.append({"asset": asset["nom"], "path": path})
print(f" {asset['nom']} → {path}")
# Save the manifest
manifeste_path = f"{output_dir}/{nom_campagne}_manifeste.json"
with open(manifeste_path, "w") as f:
json.dump(resultats, f, indent=2, ensure_ascii=False)
print(f"\nComplete kit: {len(resultats)} visuals generated")
print(f"Manifest: {manifeste_path}")
return resultats
kit_campagne(
nom_campagne="rentree-2026",
message_principal="Train in AI starting this September",
palette="deep blue, copper orange, white"
)
Testiraj prije nego što odlučiš
Marketing rijetko odlučuje na temelju osjećaja: odlučuje na temelju brojeva. Ali trebaš više verzija koje ćeš međusobno usporediti, što je nekada puno koštalo jer si morao angažirati dizajnera za svaku od njih. Funkcija za A/B testiranje generira onoliko varijanti koliko konfiguracija joj proslijediš, imenujući datoteke slovima — A, B, C — kako bi njihovo povezivanje sa statistikama kampanje ostalo očito. Primjer suprotstavlja tri tretmana iste reklame za aplikaciju za meditaciju: fotografski pristup s prirodom i zlatnim svjetlom, minimalističku geometrijsku ilustraciju, apstraktni gradijent s lebdećim česticama. Koncept i tekst se ne mijenjaju; testira se samo vizualni tretman, što je uvjet da rezultat testa išta znači.
from openai import OpenAI
import base64
client = OpenAI()
def ab_test_visuels(concept: str, variantes: list[dict], output_prefix: str):
"""Generate A/B variants of the same marketing concept."""
for i, variante in enumerate(variantes):
lettre = chr(65 + i) # A, B, C...
prompt = (
f"{concept}, "
f"style: {variante['style']}, "
f"dominant color: {variante['couleur']}, "
"professional design, ready to publish"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="high",
)
path = f"{output_prefix}_variante_{lettre}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Variant {lettre} ({variante['style'][:30]}) → {path}")
ab_test_visuels(
concept="Ad for a meditation app with the text 'Find your calm'",
variantes=[
{"style": "photographic, nature and golden light", "couleur": "green and gold"},
{"style": "minimalist illustration, geometric shapes", "couleur": "pastel blue"},
{"style": "abstract gradient, floating particles", "couleur": "purple and pink"},
],
output_prefix="meditation_ad"
)
Navike koje čine razliku
Pet navika odvaja industrializiranu proizvodnju od hrpe neusklađenih vizuala. Dosljednost brenda živi u promptu: sustavno uključi svoju paletu i stil, inače svako generiranje kreće od zadane estetike i tvoj feed postaje šarenilo. Čitljivost teksta nameće disciplinu duljine — GPT Image dobro rukuje tipografijom, ali poruka od pet do sedam riječi je granica nakon koje baner postaje nečitljiv odlomak.
Uvijek generiraj u izvornoj dimenziji medija umjesto naknadnog orezivanja, jer model komponira za okvir koji mu daš, a orezivanje pomiče subjekt izvan njegove zone snage. Arhiviraj svoje promptove kako napreduješ: knjižnica provjerenih formulacija po vrsti vizuala vrijedi daleko više nakon šest mjeseci od bilo kakvog jednokratnog ubrzanja. Konačno, svaki vizual provedi kroz osnovnu pravnu provjeru, čak i samo letimičan pogled, kako bi verificirao da ne evocira postojeći žig.
Sve ovo spoji na fiktivnom lansiranju proizvoda: skripta koja generira hero baner, Instagram objavu, priču, LinkedIn vizual i dvije A/B varijante glavne objave, sve popraćeno JSON manifestom koji navodi svaku proizvedenu datoteku.