Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Képek létrehozása prompt alapján

2. lecke 12 közül Frissítve 2026. november 2. Fejlesztő
Ezen az oldalon
  1. Képek létrehozása prompt alapján
  2. Egy generálási hívás felépítése
  3. A generált kép lekérése
  4. Több kép generálása egyetlen hívással
  5. Hatékony promptok írása
  6. Hibakezelés

Frissítve: 2026. november 2. – Képmodellek. A gpt-image-1 modellt, amelyre ezt a tanfolyamot eredetileg írták, 2026. október 23-án megszüntették. A gpt-image-1.5, gpt-image-1-mini és chatgpt-image-latest modellek 2026. december 1-jén kerülnek kivonásra. A példák most a gpt-image-2.5-sunburst modellt használják, amely a legmagasabb pontosságot kínálja szerkesztéshez; a gpt-image-2.5-flare gyorsabb az általános generálásnál. Mindkét modell támogatja az xhigh és max minőségi beállításokat is. A GPT Image modellek mindig base64 kódolású képeket adnak vissza: a régebbi DALL·E modellek által használt response_format paraméter nem támogatott, és eltávolítottuk a kódból. Forrás: Képgenerálás (OpenAI).

Képek létrehozása prompt alapján

A client.images.generate() metódus a fő belépési pontod szöveges leírásból történő képkészítéshez. Csak néhány paraméterre támaszkodik, de éppen azért, mert ilyen kevés van belőlük, mindegyik számít: a véletlenszerű és az előre jelezhető eredmény közötti különbség szinte kizárólag a prompt mező tartalmán múlik. Ez a lecke megtanít mindkettőjük mesteri szintű használatára.

Egy generálási hívás felépítése

Íme egy hívás teljes szerkezete az összes elérhető paraméterrel.

from openai import OpenAI

client = OpenAI()

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="A kívánt kép részletes leírása",
    n=1,
    size="1024x1024",
    quality="high"
)
ParaméterTípusLeírás
modelstring"gpt-image-2.5-sunburst" (legpontosabb) vagy "gpt-image-2.5-flare" (leggyorsabb)
promptstringKépleírás (legfeljebb 32 000 karakter)
nintegerGenerálandó képek száma (1–10)
sizestring"1024x1024", "1024x1536", "1536x1024"
qualitystring"low", "medium", "high"

A prompt 32 000 karakteres korlátja bőkezű: lehetővé teszi a rendkívül részletes leírásokat, és hamarosan látni fogod, hogy a részletgazdagság a legjobb eszközöd a kontrollhoz.

A generált kép lekérése

A válasz egy data objektumot tartalmaz, amelyben a képek találhatók. A GPT Image modellek mindig a b64_json mezőben, base64 kódolással adják vissza a képet: ezt dekódolnod kell, és azonnal lemezenre kell írnod. A régebbi DALL·E modelleknél használt response_format paraméter és az ideiglenes URL-ek a GPT Image-ra nem vonatkoznak.

import base64

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Japán kert esőben, fotográfia",
    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("Kép elmentve: garden.png")

Ha a fájl egyszer már kiírásra került, többé semmi sem függ az OpenAI-tól: ez az a fájl, amelyet tárolsz, kiszolgálsz vagy tovább szerkesztesz.

Több kép generálása egyetlen hívással

Az n paraméterrel több variációt kérhetsz egyetlen kérésben. Legyen ez az alapértelmezett reflexed, amikor vizuális irányt kutatsz anélkül, hogy tudnád, melyiket tartsd meg: négy javaslat egymás mellett sokkal jobban tájékoztat, mint egyetlen egy.

import base64
response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Minimalista logó egy kézműves pékségnek, fehér háttér",
    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"Variáns {i+1}: logo_{i+1}.png")

Figyeld azonban a költségeket: minden kép önállóan fogyaszt tokeneket, és 4 kép generálása négyszer annyiba kerül, mint egyetlenegy. Fedezd fel a lehetőségeket magas n értékkel és alacsony minőséggel, a magas minőséget pedig tartsd meg a végső választáshoz.

Hatékony promptok írása

Az eredmény minősége közvetlenül a promptod pontosságától függ. Egy jó prompt egy egyszerű struktúrát követ – tárgy + stílus + kontextus + technikai részletek –, és az alábbi összehasonlítás kézzelfoghatóvá teszi a különbséget: a „egy ház“ prompt hagyja, hogy a modell kitalálja mindazt, amit nem mondtál el, míg a kidolgozott változat rögzíti az anyagot, a redőny színét, a napszakot, a szerkesztői regisztert és az optikai kezelést.

# Vague prompt — unpredictable result
weak_prompt = "egy ház"

# Structured prompt — controlled result
strong_prompt = (
    "Provence-i vidéki ház világos kőből, "
    "levendulakék redőnyök, borostyán a homlokzaton, "
    "fotózva az aranyszínű órában, "
    "szerkesztői stílus építészeti magazinhoz, "
    "középre igazított kompozíció, mélységélesség"
)

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

A vizuális stílust ugyanígy határozd meg: nevezd meg a médiumot, ahelyett, hogy egy szándékra bíznád a dolgot. A GPT Image sokféle regisztert megért, és a következő ciklus segítségével érzékelheted a köztük lévő különbséget egy szigorúan azonos tárgyon: a párizsi kávézó előtt parkoló kerékpár teljesen más jellegűvé válik aszerint, hogy szerkesztői fotót, lapos vektorillusztrációt vagy ceruzavázlatot kérsz.

import base64
styles = [
    "szerkesztői fotográfia, stúdióvilágítás",
    "lapos design vektorillusztráció",
    "vízfesték texturált papíron",
    "fotorealisztikus 3D render, Octane Render",
    "ceruzavázlat kraftpapíron",
]

for style in styles:
    prompt = f"Egy régi kerékpár egy párizsi kávézó előtt, {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"Stílus: {style} → {filename}")

A képbe ágyazott szöveg külön megjegyzést érdemel, mivel ebben különbözik a GPT Image egyértelműen elődeitől. Add meg az üzenetet idézőjelek között a prompton belül, specifikáld a betűtípus-családot és az elvárt grafikai kezelést, és az eredmény olvasható lesz.

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt=(
        "Promóciós poszter a következő szöveggel: \"NYÁRI LEÁRAZÁS -50%\" "
        "nagy fehér betűkkel kék-narancs színátmenetes háttéren, "
        "modern sans-serif tipográfia, professzionális kereskedelmi stílus"
    ),
    size="1024x1536",
    quality="high"
)

Hibakezelés

Egy ciklusban futó generálási szkript előbb-utóbb elér egy sebességkorlátot vagy egy API-hibát. Kezeld ezt a két esetet eleve eltérően: egy RateLimitError várakozást és újrapróbálkozást igényel, míg egy APIError esetén a hibaüzenet vizsgálata szükséges bármilyen újraindítás előtt.

import base64
from openai import OpenAI, APIError, RateLimitError

client = OpenAI()

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

except RateLimitError:
    print("Elérted a kérelmek korlátját. Várj, mielőtt újra próbálnád.")

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

Hogy mindez rögzüljön benned, most írj egy szkriptet, amely ugyanannak a tárgynak három variánsát generálja három különböző stílusban – fotó, illusztráció, vízfesték –, és mindegyik képet helyben elmenti PNG formátumban, a base64 formátumot használva a lekéréshez.