Promptok vizuális mesterfokon: kompozíció, fény, perspektíva
Ezen az oldalon
Frissítés: 2026. november 2. – képgeneráló modellek. A
gpt-image-1modellt, amelyre ezt a tananyagot eredetileg írtuk, 2026. október 23-án megszüntették, agpt-image-1.5,gpt-image-1-miniéschatgpt-image-latestmodellek pedig 2026. december 1-jén kerülnek kivonásra. A példák most agpt-image-2.5-sunburstmodellt használják, amely a legpontosabb szerkesztéshez; agpt-image-2.5-flaregyorsabb az általános generálásnál. Mindkettő támogatja azxhighésmaxminőségi beállításokat is. A GPT Image modellek mindig base64 formátumban adják vissza a képeket: a régebbi DALL·E modelleknél használtresponse_formatparamétert nem fogadják el, és eltávolítottuk a kódból. Forrás: Image generation (OpenAI).
Promptok vizuális mesterfokon: kompozíció, fény, perspektíva
Egy jól felépített prompt választja el a tisztességes képet a profi minőségűtől. A kulcs nem a hosszúság, hanem a szókincs. A GPT Image érti a fotográfia, a filmművészet és a képzőművészet szaknyelvét. Ezen a nyelven beszélni annyi, mint útmutatást adni egy operatőrnek, nem pedig kívánságot teljesíteni. Ez a lecke megtanítja neked ezt a szókincset és azt, hogyan szervezd össze.
Egy profi vizuális prompt anatómiája
Egy haladó prompt rétegekre bomlik, amelyek mindegyike egy külön kérdésre válaszol: ki vagy mi, hogyan elrendezve, hogyan megvilágítva, honnan nézve, milyen stílusregiszterben, milyen optikai jellemzőkkel. Ha ezeket a rétegeket expliciten megnevezed a prompt szövegében – „Tárgy: … Kompozíció: … Fény: …“ –, azzal segítesz a modellnek elkerülni a stíluskeveredést. Az alábbi példa egy építészt ábrázol a műtermében: a téma a harmadolási szabály szerint a bal oldali harmadot foglalja el, a fény oldalról érkezik a nagy ablakokon, a kamera enyhén alacsony szögből, 35 mm-es gyújtótávolsággal dolgozik, a stílus meleg, deszaturált szerkesztői dokumentumfotó, a mélységélesség pedig halvány bokeh-ben hagyja a hátteret. E hat mondat mindegyike elvesz egy szabadságot, amelyet a modell egyébként véletlenszerűen gyakorolna.
from openai import OpenAI
import base64
client = OpenAI()
def prompt_multicouche(
sujet: str,
composition: str,
eclairage: str,
perspective: str,
style: str,
details_techniques: str,
output: str
):
"""Rétegzett prompt felépítése a maximális kontroll érdekében."""
prompt = (
f"Subject: {sujet}. "
f"Composition: {composition}. "
f"Lighting: {eclairage}. "
f"Perspective: {perspective}. "
f"Style: {style}. "
f"Technical details: {details_techniques}."
)
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"Advanced image: {output}")
return prompt
prompt_utilise = prompt_multicouche(
sujet="Architect working on blueprints in a bright studio",
composition="Rule of thirds, subject at left third, depth with multiple planes",
eclairage="Lateral natural light from large windows, soft shadows",
perspective="Slightly low angle (subtle low-angle shot), 35mm focal length",
style="Editorial documentary photography, warm desaturated tones",
details_techniques="Medium depth of field, sharp foreground, light background bokeh",
output="architecte_atelier.png"
)
A kompozíció mestere
A kompozíció határozza meg, hogyan vándorol a tekintet a képen, és te úgy irányítod ezt, hogy megnevezed azokat a szabályokat, amelyeket a modell felismer.
Klasszikus kompozíciós szabályok
Az alábbi szótár öt fő kompozíciós családot gyűjt össze, és alkalmazza őket egy szándékosan azonos témára – egy elszigetelt világítótorony egy breton sziklán –, hogy az összehasonlítás kizárólag a rendezésre fókuszáljon. A harmadolási szabály a világítótornyot az erővonalak metszéspontjába helyezi, és a leg„természetesebb“ képet eredményezi; a Wes Anderson-féle szimmetria középre igazítja a függőleges tengelyt, és tükrözést ad a vízben; az átlós kompozíció feszültséget teremt a bal alsó saroktól a jobb felső sarokig; a „keret a keretben“ módszer arra késztet, hogy egy íven vagy ablakon keresztül lásd a világítótornyot, azonnali mélységet teremtve; végül a minimalista kompozíció apró pöttyé redukálja a világítótornyot egy hatalmas negatív térben, a témát puszta ürüggyé téve. Öt kép ugyanarról a világítótoronyról, öt különböző állítás.
from openai import OpenAI
import base64
client = OpenAI()
compositions = {
"regle_des_tiers": (
"Rule of thirds composition, subject positioned at the intersection "
"of power lines (right third, bottom third)"
),
"symetrie": (
"Perfectly symmetrical composition, central vertical axis, "
"reflections in water, Wes Anderson style"
),
"diagonale": (
"Dynamic diagonal composition, power line from "
"bottom-left corner to top-right corner"
),
"cadre_dans_cadre": (
"Frame within a frame: subject viewed through an arch, "
"a window, or a natural framing"
),
"minimaliste": (
"Minimalist composition, huge negative space, "
"small isolated subject in a vast environment"
),
}
sujet_base = "An isolated lighthouse on a Breton cliff facing the sea"
for nom, composition in compositions.items():
prompt = f"{sujet_base}, {composition}, landscape photography"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1536x1024",
quality="high",
)
path = f"composition_{nom}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Composition {nom} → {path}")
Síkok és mélység
A mélységet nem tömbösen kéred, hanem síkról síkra építed fel. Az alábbi prompt egy provence-i piacot ír le úgy, hogy expliciten tartalmat és élességet rendel mindhárom síkhoz: szappanok és levendula az előtérben, tökéletesen élesen; az árus és a vevője a középtérben, enyhén elmosódva; arany színű kőhomlokzatok és platánfák a háttérben, hangsúlyos bokeh-val. Az 50 mm-es, f/1.8-ra nyitott objektív említése a végén csak optikailag megerősíti azt, amit a leírás már felépített – és éppen ez a szándékos redundancia teszi megbízhatóvá az eredményt.
from openai import OpenAI
import base64
client = OpenAI()
prompt_profondeur = (
"Provençal market scene with three distinct planes: "
"sharp foreground—display of lavender and artisanal soaps, "
"middle ground—vendor and customer in conversation, slight blur, "
"background—golden stone facades and plane trees, pronounced bokeh. "
"Photography with 50mm f/1.8 lens, shallow depth of field."
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt_profondeur,
size="1536x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open("marche_profondeur.png", "wb") as f:
f.write(data)
A fény mestere
A fény a leghatékonyabb eszköz a hangulat megteremtésére, és a legköltséghatékonyabb a befektetett karakterek szempontjából. Hat beállítás lefedi a legtöbb igényt, és az alábbi ciklus mindegyiket alkalmazza ugyanarra a koncentrált hegedűművész portréjára. A Rembrandt-féle megvilágítás egyetlen, 45 fokos fényforrással és a háromszög alakú fénnyel az ellenkező arcon a klasszikus stúdióportrét adja. A peremfény (rim light) a téma mögé helyezi a forrást, és csak a körvonalak haloját hagyja meg, sziluett képet eredményezve. Az osztott fény (split lighting) két félre vágja az arcot, az egyiket megvilágítva, a másikat árnyékba borítva, azonnal filmes regiszterbe váltva. Az aranyszínű óra (golden hour) söprő aranyfényt és nosztalgikus lencsebecsillanást hoz, a városi neon rózsaszín és cián forrásokat tükrözve nedves felületeken, a high-key stúdiófény pedig árnyékmentes egyenletességet és kereskedelmi fehér hátteret biztosít. Ugyanaz a téma sorra válik intimmé, titokzatossá vagy reklámkésszé.
from openai import OpenAI
import base64
client = OpenAI()
eclairages_avances = {
"rembrandt": (
"Rembrandt lighting: single source at 45 degrees, triangular highlight "
"on opposite cheek, deep dramatic shadows"
),
"rim_light": (
"Backlighting (rim light): silhouette outlined by a luminous halo, "
"source directly behind subject, details in shadows"
),
"split": (
"Split lighting: half face lit, half in shadow, "
"clear separation, mysterious cinematic atmosphere"
),
"golden_hour": (
"Golden hour: raking golden light, long warm shadows, "
"subtle lens flare, soft nostalgic atmosphere"
),
"neon": (
"Urban neon lighting: multiple pink and cyan sources, "
"reflections on wet surfaces, nocturnal cyberpunk atmosphere"
),
"studio_high_key": (
"High-key studio: uniformly bright lighting, minimal shadows, "
"white background, clean commercial atmosphere"
),
}
sujet = "Portrait of a focused violinist"
for nom, eclairage in eclairages_avances.items():
prompt = f"{sujet}, {eclairage}"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1536",
quality="high",
)
path = f"eclairage_{nom}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Lighting {nom} → {path}")
A perspektíva mestere
A perspektíva befolyásolja, hogyan érzékeli a néző a témát, és hatása szinte mindig pszichológiai, mielőtt esztétikai lenne. A felülnézet (high angle) lenéz a jelenetre és kicsinyíti azt, amit lát; az alulnézet (low angle), ahol a kamera a föld szintjén van, felnagyítja a témát és hatalmat ad neki; a tökéletesen függőleges légi felvétel megszünteti a térfogatot, és grafikussá teszi a valóságot; a békanézet (worm’s-eye view) az alulnézetet viszi végletekig, minden távlati vonalat az ég felé konvergálva; végül a szemmagassági nézet 50 mm-es gyújtótávolsággal reprodukálja az emberi látást, és eltűnik a téma javára. Üveg-acél felhőkarcolókon e öt kép közötti különbség nem az épületben rejlik, hanem abban a viszonyban, amelyet létrehoznak vele. Figyeld meg, hogy a ciklus álló formátumra vált a két alacsony szögű felvétel esetén, mert egy épület alulnézetének szüksége van a magasságra, hogy lélegezzen.
from openai import OpenAI
import base64
client = OpenAI()
perspectives = {
"plongee": (
"High-angle view (top-down), camera overlooking the scene, "
"domination effect, subject viewed from above at 45 degrees"
),
"contre_plongee": (
"Low-angle view (bottom-up), camera at ground level looking up, "
"effect of grandeur and power"
),
"aerienne": (
"Drone aerial view, perfectly vertical (90 degrees), "
"graphic composition, textures and patterns visible from above"
),
"worm_eye": (
"Worm's-eye view, camera placed on ground, extreme perspective "
"with vanishing lines converging toward the sky"
),
"eye_level": (
"Eye-level view, natural and immersive, "
"50mm focal length, like human vision"
),
}
sujet = "Modern glass and steel skyscrapers"
for nom, perspective in perspectives.items():
prompt = f"{sujet}, {perspective}, architectural photography"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1536" if nom in ["contre_plongee", "worm_eye"] else "1536x1024",
quality="high",
)
path = f"perspective_{nom}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Perspective {nom} → {path}")
Újrahasználható prompt-generátor
Ha minden szkriptben kézzel fűzöl össze hét réteget, előbb-utóbb elfelejtesz egyet, vagy felcserélsz kettőt. A PromptBuilder osztály ezt oldja meg úgy, hogy rétegenként egy-egy metódust tesz elérhetővé, és minden hívásnál visszaadja az self objektumot, lehetővé téve, hogy olvasható sorrendben láncold a beállításokat, és csak azokat add meg, amelyekre szükséged van. A build() metódus ezután összerakja a témát és a kitöltött rétegeket egy szöveggé, amely készen áll a client.images.generate() számára. A tengerparti kávézó példája mind a hét elérhető réteget megvalósítja – kompozíció, fény, perspektíva, stílus, színek, atmoszféra, technika –, és olyan promptot hoz létre, amelyet semmilyen rögtönzés nem tudna ilyen teljesre csinálni.
class PromptBuilder:
"""Strukturált vizuális promptok generátora."""
def __init__(self, sujet: str):
self.sujet = sujet
self.layers = {}
def composition(self, desc: str):
self.layers["composition"] = desc
return self
def eclairage(self, desc: str):
self.layers["lighting"] = desc
return self
def perspective(self, desc: str):
self.layers["perspective"] = desc
return self
def style(self, desc: str):
self.layers["style"] = desc
return self
def couleurs(self, desc: str):
self.layers["color palette"] = desc
return self
def atmosphere(self, desc: str):
self.layers["atmosphere"] = desc
return self
def technique(self, desc: str):
self.layers["technique"] = desc
return self
def build(self) -> str:
parts = [self.sujet]
for key, value in self.layers.items():
parts.append(f"{key}: {value}")
return ". ".join(parts)
# Használat
prompt = (
PromptBuilder("Artisanal seaside café, terrace with umbrellas")
.composition("Rule of thirds, terrace in foreground, sea at horizon")
.eclairage("Late afternoon, raking golden light, long shadows")
.perspective("Slight high angle, 28mm wide-angle focal length")
.style("Lifestyle photography, warm tones, analog film")
.couleurs("Terracotta, Mediterranean blue, off-white, olive green")
.atmosphere("Relaxed and Mediterranean, sea breeze")
.technique("Deep depth of field, sharp from foreground to infinity")
.build()
)
print(prompt)
# Használd ezt a promptot a client.images.generate() hívásnál
Most vedd birtokba ezt az eszköztárat egyetlen igényes témán: egy régi könyvtáron. Készíts öt képet a PromptBuilder segítségével, szisztematikusan variálva a kompozíciót, a fényt és a perspektívát, majd gyűjtsd össze őket egy HTML katalógusba. Az öt kép egymás mellett látása mutatja meg neked, hogy a gyakorlatodban melyik réteg a legfontosabb.