Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Kurti vaizdus iš užuominos

Paskaita 2 iš 12 Atnaujinta 2026 m. lapkričio 2 d. Kūrėjas
Šiame puslapyje
  1. Kurti vaizdus iš užuominos
  2. Generavimo užklausos sandara
  3. Gauti sugeneruotą vaizdą
  4. Generuoti kelis vaizdus vienu užklausimu
  5. Rašyti efektyvias užuominas
  6. Klaidų valdymas

Atnaujinta 2026 m. lapkričio 2 d. — Vaizdų modeliai. gpt-image-1, modelis, kuriam iš pradžių buvo skirtas šis kursas, buvo nutrauktas 2026 m. spalio 23 d.. gpt-image-1.5, gpt-image-1-mini ir chatgpt-image-latest bus pašalinti 2026 m. gruodžio 1 d.. Pavyzdžiuose dabar naudojamas gpt-image-2.5-sunburst, kuris užtikrina didžiausią tikslumą redaguojant; gpt-image-2.5-flare yra greitesnis standartiniam generavimui. Abu modeliai taip pat palaiko xhigh ir max kokybės nustatymus. GPT vaizdų modeliai visada grąžina vaizdus base64 formatu: senesnių DALL·E modelių naudotas parametras response_format nepalaikomas ir iš kodo pašalintas. Šaltinis: Vaizdų generavimas (OpenAI).

Kurti vaizdus iš užuominos

Metodas client.images.generate() yra pagrindinis tavo įėjimo taškas kuriant vaizdą iš tekstinio aprašymo. Jis remiasi tik keliais parametrais, tačiau būtent todėl, kad jų taip mažai, kiekvienas iš jų yra svarbus: skirtumas tarp atsitiktinio ir nuspėjamo rezultato beveik visiškai priklauso nuo lauko prompt turinio. Šioje pamokoje išmoksi valdyti abu aspektus.

Generavimo užklausos sandara

Štai pilna užklausos struktūra su visais galimais parametrais.

from openai import OpenAI

client = OpenAI()

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Detalus pageidaujamo vaizdo aprašymas",
    n=1,
    size="1024x1024",
    quality="high"
)
ParametrasTipasAprašymas
modelstring"gpt-image-2.5-sunburst" (tiksliausias) arba "gpt-image-2.5-flare" (greičiausias)
promptstringVaizdo aprašymas (iki 32 000 simbolių)
nintegerGeneruojamų vaizdų skaičius (nuo 1 iki 10)
sizestring"1024x1024", "1024x1536", "1536x1024"
qualitystring"low", "medium", "high"

32 000 simbolių riba užuominai yra dosni: ji leidžia pateikti itin išsamius aprašymus, ir netrukus pamatysi, kad detalumas yra tavo geriausias valdymo svertas.

Gauti sugeneruotą vaizdą

Atsakyme yra objektas data, kuriame saugomi vaizdai. GPT vaizdų modeliai visada grąžina vaizdą, užkoduotą base64 formatu lauke b64_json: tau tereikia jį iššifruoti ir iškart įrašyti į diską. Senesniems DALL·E modeliams skirtas parametras response_format ir laikinosios URL nuorodos GPT vaizdams netaikomos.

import base64

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Japoniškas sodas lyjant, fotografija",
    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("Vaizdas įrašytas: garden.png")

Kai failas įrašytas, niekas daugiau nepriklauso nuo OpenAI: tai failas, kurį saugai, teikiai arba toliau apdoroji.

Generuoti kelis vaizdus vienu užklausimu

Parametras n leidžia vienu prašymu gauti kelis variantus. Padaryk tai savo numatytuoju refleksu, kai tyrinėji vizualinę kryptį ir nežinai, kurį variantą pasirinkti: keturi pasiūlymai greta informuoja tave daug geriau nei vienas.

import base64
response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Minimalistinis logotipas amatininkų kepyklai, baltas fonas",
    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"Variantas {i+1}: logo_{i+1}.png")

Tačiau stebėk savo išlaidas: kiekvienas vaizdas sunaudoja tokenus nepriklausomai, todėl 4 vaizdų generavimas kainuoja 4 kartus daugiau nei vieno. Tyrinėk naudodamas didelį n ir žemą kokybę, o aukštą kokybę palik galutiniam pasirinkimui.

Rašyti efektyvias užuominas

Rezultato kokybė tiesiogiai priklauso nuo tavo užuominos tikslumo. Gera užuomina laikosi paprastos struktūros — objektas + stilius + kontekstas + techninės detalės — ir toliau pateiktas palyginimas padaro skirtumą apčiuopiamu: „namas“ palieka modeliui sugalvoti viską, ko nepasakei, tuo tarpu išplėstoji versija nustato medžiagą, langinių spalvą, paros laiką, redakcinį registrą ir optinį apdorojimą.

# Neaiški užuomina — nenuspėjamas rezultatas
weak_prompt = "namas"

# Struktūruota užuomina — valdomas rezultatas
strong_prompt = (
    "Provanso kaimo namas iš šviesaus akmens, "
    "levandų mėlynos spalvos langinės, gebenės fasade, "
    "fotografuota auksinę valandą, "
    "redakcinis stilius architektūros žurnalui, "
    "centrinė kompozicija, lauko gylio efektas"
)

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

Deklaruok vizualinį stilių taip pat – įvardydamas laikmeną, o ne tikėdamasis intencijos. GPT vaizdas supranta įvairiausius registrus, o toliau pateikta kilpa leidžia pajusti skirtumą tarp jų naudojant visiškai tą patį objektą: dviratis priešais Paryžiaus kavinę visiškai keičia savo pobūdį priklausomai nuo to, ar prašai redakcinės fotografijos, plokščios vektorinės iliustracijos, ar pieštuko eskizo.

import base64
styles = [
    "redakcinė fotografija, studijinis apšvietimas",
    "plokščio dizaino vektorinė iliustracija",
    "akvarelė ant tekstūruoto popieriaus",
    "fotorealistinis 3D renderis, Octane Render",
    "pieštuko eskizas ant kraftinio popieriaus",
]

for style in styles:
    prompt = f"Senovinis dviratis pastatytas priešais Paryžiaus kavinę, {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"Stilius: {style} → {filename}")

Vaizde esantis tekstas nusipelno atskiro pastebėjimo, nes būtent čia GPT vaizdas aiškiai išsiskiria iš savo pirmtakų. Pateik žinutę kabutėse užuominoje, nurodyk šrifto šeimą ir numatomą grafinį apdorojimą, o atvaizdavimas bus įskaitomas.

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt=(
        "Reklaminis plakatas su tekstu „VASAROS IŠPARDAVIMAS -50%“ "
        "didelėmis baltomis raidėmis ant mėlynai oranžinio gradiento fono, "
        "moderni be serifų tipografija, profesionalus komercinis stilius"
    ),
    size="1024x1536",
    quality="high"
)

Klaidų valdymas

Cikle veikiantis generavimo scenarijus anksčiau ar vėliau pasieks dažnio ribą arba susidurs su API klaida. Šiuos du atvejus nuo pat pradžių tvarkyk atskirai: RateLimitError reikalauja palaukti ir bandyti iš naujo, tuo tarpu APIError reikalauja išnagrinėti žinutę prieš ką nors paleidžiant iš naujo.

import base64
from openai import OpenAI, APIError, RateLimitError

client = OpenAI()

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

except RateLimitError:
    print("Pasiektas užklausų limitas. Palaukite prieš bandydami iš naujo.")

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

Kad visa tai įsitvirtintų, dabar parašyk scenarijų, kuris sugeneruoja tris to paties objekto variantus trimis skirtingais stiliais – fotografija, iliustracija, akvarele – ir kiekvieną vaizdą įrašo lokaliai PNG formatu, naudojant base64 formatą gavimui.