A képgenerálásra szánt promptok művészete
Ezen az oldalon
A leckét 2026. november 3-án írtuk át az xAI Image Prompting Guide alapján, kifejezetten a
grok-imagine-image-2.0modellhez: a téma megelőzi a stílust, a fényt forrás, irány és keménység szerint írjuk le, a tiltott elemek listáját helyettesítsd azzal, amit látni szeretnél, és egy önálló képet négy-hat mondatban írj le. A korábbi verzió „1024 karakteres“ limitet említett, ami egyetlen jelenlegi xAI oldalon sem szerepel, valamint azt tanácsolta, hogy „specifikáld, mit nem szeretnél látni“, amit az útmutató kifejezetten ellenjavall. Forrás: Image Prompting Guide.
Ami először számít: a téma
Az xAI promptolási útmutatója egy egyszerű sikerfeltételt szab: egy kép akkor jó, ha a témája megegyezik a prompttal. A paletta, a szemcsézettség és a stílus csak ezután következik. Ez a hierarchia diktálja az írást: egy olyan prompt, amely hangulattal, filmanyaggal vagy tiltott elemek listájával kezd, csak egy hozzávetőleges téma köré épített csiszolt jelenetet eredményez.
Kezdj egy mondattal, amely meghatározza a témát: mi az, milyen állapotban vagy formában van, mi tartja, és hol helyezkedik el.
- Vagos: „egy teáskanna“
- Precíz: „Egy fekete öntöttvas teáskanna, a fedele kissé nyitva, egy parafa alátéten ül, egy palatáblán, az ablak közelében.“
Ezután írd le a témát úgy, mint egy tárgyat, amire rámutathatnál: minden fontos elemet nevezz meg abban a formában, ahogy a képen megjelenik („kötött pulóver“ a „pulóver“ helyett); mennyiségeket („két bögre“, „egy egyetlen nyitott könyv“); és a nézőpontot, egyszer és egyértelműen megadva („háromnegyedes nézet asztalmagasságból“, „függőleges felülnézet“).
Egy rögzített hatlépéses sorrend
Az útmutató egy olyan sorrendet javasol, amelyet promptról promptra érdemes követni, különösen egy sorozat esetén:
- A téma: mi az, milyen formája van, mi tartja, a dekoráció
- Részletek és fókuszpont: kulcselemek, anyagok, mennyiségek, nézőpont
- Művészeti irányítás: főbb színezónák és két-három kiegészítő, mindegyik megnevezve
- Fény: forrása, iránya, keménysége
- Színek: a téma színei és a háttér színei, külön-külön
- Kompozíció: keretezés, mit vág ki a keret, mi marad éles – egyetlen jelenet
Írd meg ezt egészen prózában, mint egy egyetlen fénykép leírását. Egy olyan mondat, amely utasításnak hangzik („tedd sötétebbé a pulóvert“), gyengén működik generálásnál: a modellnek nincs „előtte“ állapota, amihez hasonlíthatna, és a létrehozandó kép attribútumaként értelmezi azt.
Stílus a helyén
A stílus továbbra is erős eszköz, feltéve, hogy a téma után következik. Egy mozgalom vagy technika megnevezése irányítja a kimenetet:
styles = [
"watercolor",
"impressionist oil painting",
"digital art",
"hyperrealistic photography",
"minimalist flat design",
"manga",
"art deco",
"retro pixel art",
]
A 11. lecke bemutatja, hogyan írhatod le, mi tesz egy stílust stílussá, ahelyett, hogy csak megneveznéd, és hogyan tarthatod ezt konzisztensnek egy sorozatban.
Fény: forrás, irány, keménység
A „gyönyörű fény“ semmit sem jelent a modell számára. Úgy írd le a fényt, mint egy világosítási rendező: honnan jön, melyik oldalról, kemény vagy diffúz-e, és milyenek az árnyékok és tükröződések. A „bal oldali asztali lámpa, kemény fény, éles tollárnyék az oldalon“ megrajzolódik; a „meleg hangulat“ csak találgatás lesz.
Két óvintézkedés származik az útmutatóból. Kérj olyan expozíciót, amely elég világos ahhoz, hogy a téma olvasható legyen: a „kissé alulexponált“ vagy „összenyomott árnyékok“ az egész képet elsötétítik. Hagyd ki az optikai vagy nyomtatási hibákat – színperem, por, karcolások –, mivel a modell ezeket valós hibákként rajzolja meg.
Írd le, amit látni szeretnél
Írd le pozitívan az anyagot: a „patinált sárgaréz, világosabb élekkel“ felületet ad a modellnek, amit megjelenítsen, a „nem túl új“ semmit sem ad. Ugyanez az elv vonatkozik a kizárásokra is. Az útmutató rámutat, hogy a tiltott elemek hosszú listáját a modell könnyen figyelmen kívül hagyja, és olyan tárgyakkal tölti fel a promptot, amelyek végül mégis megjelennek. Csak akkor tarts meg egy korlátozást, ha az egy mennyiségre vagy egy konkrét tárgyra vonatkozik, és társítsd ahhoz, amit szeretnél: „egy egyetlen ceruza, a jegyzetfüzettől jobbra elhelyezve“.
Nevezd meg minden tárgyat aszerint, ami: a csésze, a bögre és a tál három különböző tárgy. A textúrát pedig csak egyszer írd le: ismételve végül a rossz felületre kerül alkalmazásra.
Milyen hosszú legyen?
Egy önálló kép esetén az xAI útmutatója négy-hat mondatot javasol: a téma és annak részletei, majd a dekoráció, a fény és a keretezés. Ez nem egy felső határ, hanem egy teljes leírás nagyságrendje; az xAI oldalai nem határoznak meg maximális prompt hosszt.
Összehasonlító példák
Lásd a különbséget egy alapvető prompt és az útmutató sorrendje szerint felépített prompt között, az 1. leckében konfigurált OpenAI klienssel:
# Alapvető prompt
basic = client.images.generate(
model="grok-imagine-image-2.0",
prompt="a desk",
)
# Strukturált prompt: téma, részletek, művészeti irányítás, fény, színek, keretezés
optimized = client.images.generate(
model="grok-imagine-image-2.0",
prompt=(
"A light oak desk holding a turned-off monitor, a potted monstera, "
"and a steaming mug of coffee, seen from a three-quarter view at "
"seating height. The surface shows wood grain and a gray felt desk pad. "
"Off-white wall, shelf on the left with three books. "
"Soft natural light from a large window on the right, "
"light shadows, honey wood and deep green foliage. "
"35 mm photography, entire desk in frame, mug in sharp focus."
),
)
Az első mindent a modellre bíz: keretezés, fény, tárgyak, stílus. A második mindegyik pontot eldönti, ugyanabban a sorrendben, mint a sorozat összes többi promptja.
Generálás vagy szerkesztés?
Az útmutató két helyzetet különböztet meg. Generálj, amikor még nincs kép, vagy amikor maga a téma rossz: más tárgy, hiányzó elem, rossz mennyiség. Szerkessz, amikor a téma és az elrendezés jó, és csak egy-három részletet kell megváltoztatni: először a módosítás, majd egy mondat, amely megtartja ugyanazt a témát, ugyanazt a szöget és ugyanazt a keretezést. A szerkesztéssel az 5–8. leckék foglalkoznak.
Módszeres iteráció
Minden képet az eredeti prompt alapján ítélj meg, több próbálkozás után is: a téma az-e, amit megneveztél, minden elem látható-e a leírt formában, helyes-e a mennyiség, minden tárgy a megfelelő-e, elég világos-e a kép a téma látásához? Egy sikeres háttér a rossz téma körül továbbra is kudarcnak számít.
Tartsd a promptot a kép mellett, és a következő körben csak azt a részletet változtasd meg, ami nem sikerült: a prompt többi része a helyén marad, a téma és az elrendezés pedig nem mozdul el. Ha egy javítás nem érvényesül, változtass a szavakon ahelyett, hogy erőltetnéd: mutass rá a kép javítandó részére, és írd le, mit kellene mutatnia.
response = client.images.generate(
model="grok-imagine-image-2.0",
prompt="Your prompt, modified on a single detail",
n=4,
extra_body={"aspect_ratio": "3:2"},
)
for i, image in enumerate(response.data):
print(f"Variation {i+1}: {image.url}")
Ugyanannak a promptnak több variációjának generálása (n 1 és 10 között változhat) segít elkülöníteni, ami a promptnak köszönhető, és ami a véletlennek. Egy sorozaton belül tartsd meg ugyanazt az aspect_ratio értéket is, hogy a képek összetartozzanak.
Főbb megállapítások
- Először a téma: egy sikeres kép olyan, amelynek témája megegyezik a prompttal
- Tarts be egy rögzített sorrendet: téma, részletek, művészeti irányítás, fény, színek, keretezés
- A fényt forrás, irány és keménység szerint írd le, és kérj elég világos képet
- Írd le, amit látni szeretnél, ne pedig egy listát a tiltott elemekről
- Számolj négy-hat mondattal egy önálló képnél
- Iterálj egyesével a részleteken, és minden képet az eredeti prompt alapján ítélj meg