Variációk és iterációk
Ezen az oldalon
Frissítve: 2026. november 2. — Képmodellek. A
gpt-image-1modellt, amelyre ezt a tananyagot eredetileg írtuk, 2026. október 23-án megszüntették. Továbbá agpt-image-1.5,gpt-image-1-miniés achatgpt-image-latestmodellek is kivezetésre kerülnek 2026. december 1-jén. A példák most agpt-image-2.5-sunburstmodellt használják, amely a legnagyobb pontosságot kínálja szerkesztéshez; agpt-image-2.5-flarepedig gyorsabb az általános generálásnál. Mindkét modell támogatja azxhighésmaxminőségi beállításokat is. A GPT Image modellek mindig base64 formátumban adják vissza a képeket: a régebbi DALL·E modellekből ismertresponse_formatparamétert már nem fogadják el, és eltávolítottuk a kódból. Forrás: Képgenerálás (OpenAI).
Variációk és iterációk
Ritka, hogy első próbálkozásra tökéletes képet kapj. A valódi munka a variációk generálásából, összehasonlításából, majd a prompt (utasítás) fokozatos szigorításából áll, amíg el nem éred a kívánt eredményt. Ez a lecke három eszközt ad a kezedbe ehhez a módszerhez: variáció újrafuttatással, variáció a prompt módosításával, valamint iteráció egymást követő finomítással.
Ugyanazon koncepció variációinak generálása
A legegyszerűbb módszer, ha ugyanazzal a prompttal újra lefuttatod a generálást: a GPT Image minden alkalommal eltérő eredményt produkál. Ez a felfedezés kezdeti szakaszában hasznos, amikor még nem tudod pontosan, mit keresel, és látni szeretnéd egy ötlet lehetséges értelmezéseinek széles skáláját.
from openai import OpenAI
import base64
client = OpenAI()
def generate_variations(prompt: str, n_variations: int, prefix: str):
"""Generate several independent variations of the same prompt."""
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"Variation {i+1} saved: {path}")
return paths
variations = generate_variations(
prompt="Illustration of a gardener robot watering flowers, childish and colorful style",
n_variations=5,
prefix="gardener_robot"
)
Variációk a prompt módosításával
Míg az előző megközelítés a véletlenszerűségre hagyatkozik, addig ez a módszer kontrollt ad a kezedbe. Rögzítesz egy változatlan tárgyat – jelen esetben egy gőzölgő kávésbögrét egy faasztalon –, és csak egyetlen dimenziót módosítasz: a hangulatot. Az így kapott öt eredmény összehasonlíthatóvá válik, hiszen pontosan tudod, mi különbözteti meg őket egymástól. Ez a különbség az öt próbálkozás és egy tudatos kísérlet között.
from openai import OpenAI
import base64
client = OpenAI()
base_prompt = "Steaming coffee cup on a wooden table"
moods = [
"soft morning light, warm tones",
"Parisian café vibe, black and white",
"pop art style, saturated colors",
"Scandinavian minimalist, white background",
"cozy winter atmosphere, bokeh string lights",
]
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"Mood: {mood[:30]}... → {path}")
Iteráció a prompt finomításával
Ha az eredmény nem kielégítő, a helyes reakció nem az, hogy újra lefuttatod a generálást és a szerencsében bízol, hanem hogy hozzáadod a hiányzó korlátozást. Az alábbi sorozat ezt a fejlődést mutatja be egy kidolgozott példán: a „Egy fintech startup logója“ semmit sem mond a modellnek; a második iteráció korlátozza a színek számát és a hátteret; a harmadik megnevezi a vizuális metaforát és a palettát; a negyedik pedig egészen a hex kódokig és a vonalvastagságig megy le. Minden körrel szűkül a lehetséges eredmények tere, és nő a reprodukálhatóság.
from openai import OpenAI
import base64
client = OpenAI()
iterations = [
# Iteration 1: base prompt
"A logo for a fintech startup",
# Iteration 2: adding visual constraints
"A logo for a fintech startup, minimalist design, maximum two colors, transparent background",
# Iteration 3: style precision
(
"Minimalist logo for a fintech startup, abstract geometric icon "
"evoking growth, navy blue and emerald green palette, no text, vector style"
),
# Iteration 4: fine adjustments
(
"Minimalist logo for a fintech startup, abstract geometric icon: "
"two interlocking arrows forming a diamond, navy blue (#1B2A4A) and "
"emerald green (#2ECC71), 2px thin stroke, white background, sharp vector render, centered"
),
]
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"Iteration {i+1}: {prompt[:60]}...")
print(f" → {path}\n")
Automatizált iterációs folyamat (Pipeline)
Egy kicsit hosszabb projektnél az emberi memória nem elég: tizenöt kép után már nem tudod, melyik prompt melyik eredményt hozta létre. Az alábbi folyamat (pipeline) körökbe szervezi a munkát, körönként több variációt generál, nyomon követhetően nevezi el a fájlokat, és egy JSON-fájlban tárolja a promptok teljes történetét. Ez a történeti fájl teszi értékessé a rendszert: lehetővé teszi, hogy visszalépj, és az egyik projektből a másikba építkezz.
from openai import OpenAI
import base64
import json
client = OpenAI()
def iteration_pipeline(brief: str, n_rounds: int = 3, n_per_round: int = 3):
"""
Iteration pipeline: generates several variants per round,
keeps a history of prompts and results.
"""
history = []
current_prompt = brief
for round_num in range(1, n_rounds + 1):
print(f"\n{'='*50}")
print(f"ROUND {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" Variant {i+1}: {path}")
history.append({
"round": round_num,
"prompt": current_prompt,
"images": round_images
})
# Refine the prompt for the next round
if round_num < n_rounds:
current_prompt += ", more details, better composition"
# Save the history
with open("pipeline_history.json", "w") as f:
json.dump(history, f, indent=2, ensure_ascii=False)
print(f"\nHistory saved: pipeline_history.json")
return history
iteration_pipeline(
brief="Illustration of an independent bookstore seen from outside, autumn evening, Ghibli style",
n_rounds=3,
n_per_round=3
)
Variációk összehasonlítása egy katalógusban
Ha egyesével nyitsz meg kilenc PNG-fájlt egy képnézegetőben, az nem teszi lehetővé a komoly összehasonlítást. Ehelyett generálj egy HTML-oldalt, amely egymás mellett jeleníti meg őket, a képeket base64-ben kódolva, így a fájl önmagában is működőképes, és változatlan formában megosztható egy ügyféllel vagy művészeti vezetővel.
import base64
from pathlib import Path
from glob import glob
def generate_catalog(images: list[str], title: str, output: str = "catalog.html"):
"""Create an HTML page with all images side by side."""
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"Catalog generated: {output}")
images = sorted(glob("pipeline_r*_v*.png"))
generate_catalog(images, "Variations — Ghibli Bookstore")
Az iteráció fegyelme
Néhány alapelv választja el a produktív iterációt a költséges próbálgatástól. Egyszerre csak egy paramétert módosíts, különben sosem fogod tudni, melyik javította az eredményt. Vezess naplót a promptjaidról és a generálásokról, ahogy a fenti folyamat is teszi, hogy építkezhess a tapasztalatokból, ahelyett, hogy minden projektet elölről kezdenél. A felfedezési szakasz teljes ideje alatt dolgozz quality: low beállítással, és csak a végső renderelésnél válts high minőségre, különben feleslegesen fizetsz sokat olyan képekért, amelyeket végül kidobsz. Ha csupán gyors diverzitásra van szükséged, részesítsd előnyben az n paraméterrel történő egyetlen hívást a kérések ciklusával szemben. Végül pedig nevezd el leíró jelleggel a fájljaidat: ez az első napon apróságnak tűnhet, de kétszáz kép után döntő fontosságúvá válik.
Most alkalmazd ezt a teljes szekvenciát egy általad választott témára – legyen az logó, illusztráció vagy termékfotó. Generálj három variációt egy kezdeti prompttal, finomítsd ezt a promptot az eredmények fényében, generálj három új variációt, majd készítsd el a hat képet összehasonlító HTML-katalógust.