Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Dizajn: Makete i brzo izradivanje prototipova

Lekcija 8 od 12 Ažurirano 2. studenoga 2026. Programer
Na ovoj stranici
  1. Dizajn: Makete i brzo izradivanje prototipova
  2. Makete korisničkog sučelja
  3. Istraživanje više vizualnih smjerova
  4. Izrada prototipova ambalaže
  5. Automatizirane mood ploče
  6. Dosljedni setovi ikona
  7. Usavršavanje makete kroz uređivanje
  8. Gdje AI izrada prototipova staje

Ažurirano 2. studenoga 2026. — Modeli za slike. gpt-image-1, model za koji je ovaj tečaj izvorno napisan, ukinut je 23. listopada 2026.. gpt-image-1.5, gpt-image-1-mini i chatgpt-image-latest bit će povučeni 1. prosinca 2026.. Primjeri sada koriste gpt-image-2.5-sunburst, koji nudi najveću preciznost za uređivanje; gpt-image-2.5-flare je brži za standardno generiranje. Oba modela također podržavaju postavke kvalitete xhigh i max. GPT Image modeli uvijek vraćaju slike u base64 formatu: parametar response_format iz starijih DALL·E modela više se ne prihvaća i uklonjen je iz koda. Izvor: Image generation (OpenAI).

Dizajn: Makete i brzo izradivanje prototipova

GPT Image mijenja fazu dizajna manje kroz kvalitetu svog izlaza, a više kroz nisku cijenu odbacivanja rezultata. Istraživanje triju vizualnih smjerova za naslovnu stranicu nekada je u alatu za dizajn trajalo dan; sada traje nekoliko minuta. To ti omogućuje da istražiš šest smjerova i bez oklijevanja napustiš pet. Ova lekcija pokazuje ti kako iskoristiti tu slobodu, a da ne pomiješaš istraživanje s proizvodnjom.

Makete korisničkog sučelja

Generirana maketa služi za odabir smjera, a ne za rezanje na komponente. Tvoj upit stoga mora težiti vizualnoj vjerodostojnosti: realistične UI komponente, jasna tipografija, profesionalni razmaci, dosljedna paleta boja i navođenje očekivane razine vjernosti — u ovom slučaju „visokovjerni render u stilu Figme/Sketcha“. Obrati pažnju na to kako funkcija odabire rezoluciju: 1024×1536 portret za mobilne uređaje, 1536×1024 pejzaž za računala. Generiranje mobilnog zaslona u pejzažnom okviru rezultiralo bi maketom koja ne nalikuje stvarnom uređaju.

from openai import OpenAI
import base64

client = OpenAI()

def ui_mockup(description: str, platform: str, output: str):
    """Generate a user interface mockup."""
    prompt = (
        f"UI/UX mockup for {platform}: {description}, "
        "modern and clean design, realistic UI components, "
        "clear typography, professional spacing, "
        "consistent color palette, "
        "high-fidelity render in the style of Figma/Sketch"
    )

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1536" if platform == "mobile" else "1536x1024",
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(output, "wb") as f:
        f.write(data)
    print(f"{platform} mockup: {output}")


ui_mockup(
    "analytics dashboard with charts, KPI cards, and navigation sidebar",
    "desktop",
    "dashboard_mockup.png"
)

ui_mockup(
    "fitness tracking app with home screen, statistics, and history",
    "mobile",
    "fitness_app_mockup.png"
)

Istraživanje više vizualnih smjerova

Na početku projekta pitanje nije „koja je maketa ispravna?“, već „koje estetske obitelji vrijedi pokazati klijentu?“. Funkcija explore_directions odgovara točno na tu potrebu održavajući koncept stalnim — naslovna stranica za platformu za online učenje — i varirajući samo dvije osi: umjetnički smjer i paletu boja. Tri predložena puta nisu suptilne varijacije: korporativni minimalizam u bijeloj i mornarsko plavoj, moderni šareni stil s ljubičastom i narančastom te premium tamni stil s crnom i električno plavom ciljaju tri različite pozicije brenda. Upravo taj raspon čini prezentaciju korisnom.

from openai import OpenAI
import base64

client = OpenAI()

def explore_directions(concept: str, directions: list[dict], prefix: str):
    """Generate multiple visual directions for the same concept."""
    for i, direction in enumerate(directions):
        prompt = (
            f"{concept}, "
            f"art direction: {direction['style']}, "
            f"palette: {direction['palette']}, "
            "professional high-quality render"
        )

        response = client.images.generate(
            model="gpt-image-2.5-sunburst",
            prompt=prompt,
            size="1024x1024",
            quality="high",
        )

        path = f"{prefix}_direction_{i+1}.png"
        data = base64.b64decode(response.data[0].b64_json)
        with open(path, "wb") as f:
            f.write(data)
        print(f"Direction {i+1} ({direction['style'][:30]}) → {path}")


explore_directions(
    "Homepage for an online learning platform",
    [
        {
            "style": "corporate minimal, lots of white space",
            "palette": "white, navy blue, light gray"
        },
        {
            "style": "modern and colorful, flat design illustrations",
            "palette": "purple, orange, white"
        },
        {
            "style": "dark and premium, subtle gradients",
            "palette": "black, electric blue, gold"
        },
    ],
    "landing_page"
)

Izrada prototipova ambalaže

Ambalaža je vjerojatno područje gdje je dobitak najdramatičniji jer je fizički prototip skup i kasno stiže. Upit ovdje namjerno razdvaja tri ulaza — proizvod, stil i potrebne elemente — zatim nameće stalno postavljanje: pogled od 3/4 kako leži na površini, fotorealistični render s mekim sjenama. Dva primjera ilustriraju raspon s kojim se ova struktura nosi bez treptaja: vrećica od kraft papira za organski čaj s rukopisnom tipografijom i prozirnim prozorom na jednoj strani te bijela i zlatna posuda za kremu sa zlatnim natpisom na drugoj.

from openai import OpenAI
import base64

client = OpenAI()

def packaging_prototype(product: str, style: str, elements: str, output: str):
    """Generate a product packaging prototype."""
    prompt = (
        f"Packaging design for {product}, "
        f"style: {style}, "
        f"elements: {elements}, "
        "3/4 view of packaging resting on a surface, "
        "photorealistic render with soft shadows, "
        "professional design ready for client presentation"
    )

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1024",
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(output, "wb") as f:
        f.write(data)
    print(f"Packaging prototype: {output}")


packaging_prototype(
    "premium organic tea in a kraft bag",
    "natural and artisanal, handwritten typography",
    "tea leaf logo, product name, organic label, transparent window",
    "packaging_tea.png"
)

packaging_prototype(
    "high-end moisturizing cream in a jar",
    "minimalist luxury, white and gold",
    "centered logo, brand name in gold lettering, 50ml capacity",
    "packaging_cream.png"
)

Automatizirane mood ploče

Mood ploča prenosi namjeru prije pokazivanja rješenja. Umjesto ručnog sastavljanja ploče agregiranjem referenci, opisuješ temu i vizualne sastojke, a zatim tražiš asimetričnu kompoziciju mreže u stilu Pinteresta. Primjer modernog coworking prostora pokazuje korisnu razinu detalja: ne imenuješ samo mjesto, već nabrajaš svijetao interijer s biljkama, skandinavski namještaj, teksture drva i betona, opušteno prisustvo ljudi te paletu terakote, kaduljino zelene i prljavo bijele boje. Ova pet ulaza daju rezultatu njegovu koherentnost.

from openai import OpenAI
import base64

client = OpenAI()

def generate_moodboard(theme: str, elements: list[str], output: str):
    """Generate a visual moodboard for a given theme."""
    elements_str = ", ".join(elements)
    prompt = (
        f"Professional moodboard for the theme \"{theme}\", "
        f"including: {elements_str}, "
        "asymmetric grid composition in the style of Pinterest, "
        "varied photos and textures, consistent palette, "
        "art direction style for agency presentation"
    )

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1024",
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(output, "wb") as f:
        f.write(data)
    print(f"Moodboard: {output}")


generate_moodboard(
    "Modern coworking space",
    [
        "bright interior with plants",
        "Scandinavian design furniture",
        "wood and concrete textures",
        "people working in a relaxed manner",
        "terracotta, sage green, off-white palette"
    ],
    "moodboard_coworking.png"
)

Dosljedni setovi ikona

Jedna ikona je laka; dosljedan set je težak jer se dosljednost oslanja na detalje nevidljive naivnom upitu. Funkcija icon_set čini ih eksplicitnima: ponovno ubacuje temu i stil za svaku ikonu, zahtijeva prozirnu ili bijelu pozadinu, centrirano kadrovanje, uniformnu debljinu poteza i kvadratne proporcije te podsjeća model da slika pripada setu. Za pet ikona B2B SaaS aplikacije — nadzorna ploča, korisnici, postavke, obavijesti, analitika — upravo to podsjećanje sprječava dobivanje pet različitih grafičkih stilova. Korištenje sluga osigurava čista imena datoteka, rukujući apostrofima i razmacima.

from openai import OpenAI
import base64

client = OpenAI()

def icon_set(theme: str, icons: list[str], style: str, output_prefix: str):
    """Generate a consistent set of icons."""
    for icon in icons:
        prompt = (
            f"Single icon representing \"{icon}\", "
            f"theme: {theme}, "
            f"style: {style}, "
            "transparent or white background, centered, "
            "consistent design within an icon set, "
            "uniform stroke weight, square proportions"
        )

        response = client.images.generate(
            model="gpt-image-2.5-sunburst",
            prompt=prompt,
            size="1024x1024",
            quality="high",
        )

        slug = icon.lower().replace(" ", "_").replace("'", "")
        path = f"{output_prefix}_{slug}.png"
        data = base64.b64decode(response.data[0].b64_json)
        with open(path, "wb") as f:
            f.write(data)
        print(f"Icon {icon} → {path}")


icon_set(
    theme="B2B SaaS application",
    icons=["dashboard", "users", "settings", "notifications", "analytics"],
    style="line art, 2px stroke, navy blue, rounded corners",
    output_prefix="icon"
)

Usavršavanje makete kroz uređivanje

Ponovno generiranje cijele makete radi ispravljanja jednog područja uzrokuje gubitak svega što je već bilo zadovoljavajuće drugdje. Donji tijek rada postupuje drugačije: prvo generira kompletnu naslovnu stranicu za aplikaciju za upravljanje projektima, zatim otvara prozor u maski između 8 % i 45 % visine — odnosno ispod zaglavlja i iznad blokova značajki — kako bi se ponovno generirao samo herojski dio. Zaglavlje, navigacija i tri bloka ostaju strogo identični između verzije 1 i verzije 2, čineći usporedbu poštenom: vidiš učinak svoje promjene i ništa drugo.

from openai import OpenAI
from PIL import Image, ImageDraw
import base64

client = OpenAI()

# Step 1: Generate the initial mockup
response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt=(
        "Homepage mockup for a project management application, "
        "modern design, header with navigation, hero section with illustration, "
        "3 feature blocks, white background"
    ),
    size="1024x1536",
    quality="high",
)

data = base64.b64decode(response.data[0].b64_json)
with open("mockup_v1.png", "wb") as f:
    f.write(data)
print("Mockup v1 generated")

# Step 2: Modify the hero section via editing
source = Image.open("mockup_v1.png")
w, h = source.size
mask = Image.new("RGBA", (w, h), (0, 0, 0, 255))
draw = ImageDraw.Draw(mask)
# Hero area: upper part (below the header)
draw.rectangle([0, int(h * 0.08), w, int(h * 0.45)], fill=(0, 0, 0, 0))
mask.save("mask_hero.png")

response = client.images.edit(
    model="gpt-image-2.5-sunburst",
    image=open("mockup_v1.png", "rb"),
    mask=open("mask_hero.png", "rb"),
    prompt=(
        "Hero section with a 3D isometric illustration of a kanban board, "
        "title 'Manage Your Projects Simply', blue CTA button, subtle gradient background"
    )
)

with open("mockup_v2.png", "wb") as f:
    f.write(base64.b64decode(response.data[0].b64_json))
print("Mockup v2 with modified hero")

Gdje AI izrada prototipova staje

Moraš biti jasan oko statusa onoga što ovdje proizvodiš. Generirane makete su vizualna istraživanja, a ne proizvodne datoteke: tekst je dobro renderiran, ali može sadržavati manje pogreške, komponente nisu interaktivne niti izvozive u Figmu, a dosljednost na više zaslona u istom korisničkom tijeku nije zajamčena. Dizajner koji bi ove slike primio kao konačnu isporuku bio bi u pravu prigovoriti.

Njihova vrijednost leži drugdje i znatna je: služe za validaciju smjera prije ulaganja u konačni dizajn. Odabir između triju putova za sat umjesto za tri dana, dolazak na sastanak s klijentom sa slikama umjesto s pridjevima, eliminiranje lažno dobre ideje prije nego što potroši tjedan proizvodnje — to je ono što ti AI izrada prototipova zapravo kupuje.

Da se uvjeriš, izgradi svoj vlastiti alat za pokretanje projekta: skriptu koja iz kratkog opisa generira tri vizualna smjera za naslovnu stranicu, pripadajuću mood ploču za svaki od njih i komparativni HTML katalog koji ti omogućuje da ih prezentiraš jedne pored drugih.