Képek létrehozása prompt alapján
Ezen az oldalon
Frissítve: 2026. november 2. – Képmodellek. A
gpt-image-1modellt, amelyre ezt a tanfolyamot eredetileg írták, 2026. október 23-án megszüntették. Agpt-image-1.5,gpt-image-1-miniéschatgpt-image-latestmodellek 2026. december 1-jén kerülnek kivonásra. A példák most agpt-image-2.5-sunburstmodellt használják, amely a legmagasabb pontosságot kínálja szerkesztéshez; agpt-image-2.5-flaregyorsabb az általános generálásnál. Mindkét modell támogatja azxhighésmaxminőségi beállításokat is. A GPT Image modellek mindig base64 kódolású képeket adnak vissza: a régebbi DALL·E modellek által használtresponse_formatparaméter 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"
)
| Paraméter | Típus | Leírás |
|---|---|---|
model | string | "gpt-image-2.5-sunburst" (legpontosabb) vagy "gpt-image-2.5-flare" (leggyorsabb) |
prompt | string | Képleírás (legfeljebb 32 000 karakter) |
n | integer | Generálandó képek száma (1–10) |
size | string | "1024x1024", "1024x1536", "1536x1024" |
quality | string | "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.