Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Izveido attēlus no teksta norādes

Nodarbība 2 no 12 Atjaunota 2026. gada 2. novembris Programmētājs
Šajā lapā
  1. Izveido attēlus no teksta norādes
  2. Ģenerēšanas izsaukuma uzbūve
  3. Iegūst ģenerēto attēlu
  4. Ģenerē vairākus attēlus vienā izsaukumā
  5. Raksti efektīvas norādes
  6. Kļūdu apstrāde

Atjaunināts 2026. gada 2. novembrī — Attēlu modeļi. gpt-image-1, modelis, kuram sākotnēji bija paredzēts šis kurss, tika pārtraukts 2026. gada 23. oktobrī. Modeļi gpt-image-1.5, gpt-image-1-mini un chatgpt-image-latest tiks izslēgti 2026. gada 1. decembrī. Piemēros tagad tiek izmantots gpt-image-2.5-sunburst, kas nodrošina visaugstāko precizitāti rediģēšanai; gpt-image-2.5-flare ir ātrāks standarta ģenerēšanai. Abi modeļi atbalsta arī kvalitātes iestatījumus xhigh un max. GPT Image modeļi vienmēr atgriež attēlus base64 formātā: parametrs response_format, ko izmantoja vecākie DALL·E modeļi, netiek atbalstīts un ir izņemts no koda. Avots: Attēlu ģenerēšana (OpenAI).

Izveido attēlus no teksta norādes

Metode client.images.generate() ir tavs galvenais ieejas punkts attēla izveidei, pamatojoties uz teksta aprakstu. Tā balstās tikai uz dažiem parametriem, taču tieši tāpēc, ka to ir tik maz, katram no tiem ir nozīme: atšķirība starp nejaušu rezultātu un paredzamu gandrīz pilnībā slēpjas lauka prompt saturā. Šī nodarbība iemācīs tev apgūt abus aspektus.

Ģenerēšanas izsaukuma uzbūve

Lūk, pilnīga izsaukuma struktūra ar visiem pieejamajiem parametriem.

from openai import OpenAI

client = OpenAI()

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Detalizēts vēlamā attēla apraksts",
    n=1,
    size="1024x1024",
    quality="high"
)
ParametrsTipsApraksts
modelvirkne"gpt-image-2.5-sunburst" (visprecīzākais) vai "gpt-image-2.5-flare" (ātrākais)
promptvirkneAttēla apraksts (līdz 32 000 rakstzīmēm)
nvesels skaitlisĢenerējamo attēlu skaits (no 1 līdz 10)
sizevirkne"1024x1024", "1024x1536", "1536x1024"
qualityvirkne"low", "medium", "high"

32 000 rakstzīmju limits norādei ir dāsns: tas ļauj sniegt ļoti detalizētus aprakstus, un drīz redzēsi, ka detaļas ir tavs spēcīgākais instruments kontroles nodrošināšanai.

Iegūst ģenerēto attēlu

Atbilde satur objektu data, kurā glabājas attēli. GPT Image modeļi vienmēr atgriež attēlu, kodētu base64 formātā laukā b64_json: tev tas ir jāatšifrē un uzreiz jāieraksta diskā. Parametrs response_format un pagaidu URL, ko izmantoja vecākie DALL·E modeļi, uz GPT Image neattiecas.

import base64

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Japāņu dārds lietū, fotogrāfija",
    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("Attēls saglabāts: garden.png")

Kad fails ir ierakstīts, nekas vairs nav atkarīgs no OpenAI: tas ir fails, ko tu glabā, izvieto vai tālāk apstrādā.

Ģenerē vairākus attēlus vienā izsaukumā

Parametrs n pieprasa vairākus variantus vienā pieprasījumā. Padari to par savu ieradumu, kad pēti vizuālu virzienu un nezini, kuru variantu paturēt: četri piedāvājumi blakus informē tevi daudz labāk nekā viens vienīgs.

import base64
response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt="Minimālistisks logo amatnieku maizes ceptuvei, balts fons",
    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"Variants {i+1}: logo_{i+1}.png")

Tomēr seko līdzi izmaksām: katrs attēls patērē tokenus neatkarīgi, un 4 attēlu ģenerēšana maksā 4 reizes vairāk nekā viena attēla izveide. Eksperimentē ar lielu n un zemu kvalitāti, augstu kvalitāti atstājot gala atlasei.

Raksti efektīvas norādes

Rezultāta kvalitāte ir tieši atkarīga no tavas norādes precizitātes. Labs uzdevums seko vienkāršai struktūrai — objekts + stils + konteksts + tehniskās detaļas — un zemāk esošais salīdzinājums padara atšķirību taustāmu: „māja” liek modelim izgudrot visu, ko tu nepateici, savukārt izstrādātā versija fiksē materiālu, ставņu krāsu, diennakts laiku, redakcionālo stilu un optisko apstrādi.

# Neskaidra norāde — neparedzams rezultāts
weak_prompt = "māja"

# Strukturēta norāde — kontrolēts rezultāts
strong_prompt = (
    "Provensas lauku māja no gaiša akmens, "
    "lavandas zilas ставņas, efeja uz fasādes, "
    "fotografēta zelta stundā, "
    "redakcionāls stils arhitektūras žurnālam, "
    "centrēta kompozīcija, lauka dziļums"
)

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

Deklarē vizuālo stilu tāpat, nosaucot mediju, nevis cerot uz nodomu. GPT Image saprot plašu stilu klāstu, un šis cikls ļauj sajust atšķirību starp tiem, izmantojot stingri identisku objektu: velosipēds pie Parīzes kafejnīcas pilnībā maina savu dabu atkarībā no tā, vai pieprasi redakcionālu fotogrāfiju, plakanu vektoru ilustrāciju vai zīmējumu ar zīmuli.

import base64
styles = [
    "redakcionāla fotogrāfija, studijas apgaismojums",
    "plakana dizaina vektora ilustrācija",
    "akvarelis uz teksturēta papīra",
    "fotoreālistisks 3D renderējums, Octane Render",
    "zīmējums ar zīmuli uz kraftpapīra",
]

for style in styles:
    prompt = f"Vecs velosipēds novietots pie Parīzes kafejnīcas, {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"Stils: {style} → {filename}")

Attēlā iekļauts teksts ir pelnījis atsevišķu piezīmi, jo tieši šeit GPT Image skaidri atšķiras no saviem priekštečiem. Norādē iekļauj ziņojumu pēdiņās, precizē burtveidola saimi un sagaidāmo grafisko apstrādi, un rezultāts būs salasāms.

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt=(
        "Reklāmas plakāts ar tekstu „VASARAS IZPĀRDOŠANA -50%" "
        "lieliem baltiem burtiem uz zili oranža gradienta fona, "
        "mūsdienīga bezserifu tipogrāfija, profesionāls komerciāls stils"
    ),
    size="1024x1536",
    quality="high"
)

Kļūdu apstrāde

Ģenerēšanas skriptam, kas darbojas ciklā, agrāk vai vēlāk beigsies ātruma limits vai radīsies API kļūda. Apstrādā šos divus gadījumus atšķirīgi jau no paša sākuma: RateLimitError prasa pagaidīt un mēģināt vēlreiz, savukārt APIError prasa izpētīt ziņojumu pirms jebkādas atkārtotas darbības.

import base64
from openai import OpenAI, APIError, RateLimitError

client = OpenAI()

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

except RateLimitError:
    print("Sasniegts pieprasījumu limits. Pagaidi pirms atkārtota mēģinājuma.")

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

Lai nostiprinātu visu iepriekš minēto, tagad uzraksti skriptu, kas ģenerē trīs viena un tā paša objekta variantus trīs dažādos stilos — fotogrāfija, ilustrācija, akvarelis — un saglabā katru attēlu lokāli PNG formātā, izmantojot base64 formātu iegūšanai.