Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Kvalitātes, stila un izšķirtspējas kontrole

Nodarbība 4 no 12 Atjaunota 2026. gada 2. novembris Programmētājs
Šajā lapā
  1. Kvalitātes, stila un izšķirtspējas kontrole
  2. Kvalitātes līmeņi
  3. Pieejamās izšķirtspējas
  4. Stila kontrole caur uzvedni
  5. Noderīga funkcija ģenerēšanai
  6. Izvēlies pareizo kombināciju

Atjaunināts 2026. gada 2. novembrī — Attēlu modeļi. gpt-image-1, modelis, kuram sākotnēji bija rakstīts šis kurss, tika izslēgts no aprites 2026. gada 23. oktobrī. Turklāt gpt-image-1.5, gpt-image-1-mini un chatgpt-image-latest tiks pensionēti 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 tagad atbalsta xhigh un max kvalitātes līmeņus. GPT attēlu modeļi vienmēr atgriež attēlus base64 formātā: parametrs response_format, ko izmantoja vecāki DALL·E modeļi, vairs netiek pieņemts un ir izņemts no koda. Avots: Attēlu ģenerēšana (OpenAI).

Kvalitātes, stila un izšķirtspējas kontrole

GPT attēli piedāvā vairākus sviras, lai pielāgotu izvadi, taču tās nedarbojas vienādi. Kvalitāte un izšķirtspēja ir tieši API parametri, kas ietekmē izmaksas un ģenerēšanas laiku. Savukārt stilu kontrolē vienīgi caur tavu uzvedni (prompt). Izprotot šo atšķirību, tu netērēsi laiku, meklējot neesošas opcijas, un spēsi optimizēt kvalitātes un izmaksu attiecību katrā ģenerēšanas reizē.

Kvalitātes līmeņi

Parametrs quality tieši ietekmē detaļu līmeni un ģenerēšanas laiku. Labākais veids, kā saskatīt atšķirību, ir to pārbaudīt uz prasīga objekta — piemēram, klusā daba ar Rembranta apgaismojumu, kur gradienti un tekstūras ir kritiski svarīgi — nevis uz plakanas grafikas, kur atšķirības būtu neredzamas.

import base64
from openai import OpenAI

client = OpenAI()

qualities = ["low", "medium", "high"]

for q in qualities:
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt="Still life with exotic fruits on a marble table, Rembrandt lighting",
        size="1024x1024",
        quality=q
    )
    with open(f"quality_{q}.png", "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    print(f"Quality {q}: quality_{q}.png")
KvalitāteDetaļasLaiksIzmaksasIeteicamais lietojums
lowPamataĀtriEkonomiskiMelnraksti, testi, prototipēšana
mediumLabasMērensVidējasSociālie tīkli, prezentācijas
highMaksimālasLēnākAugstasDruka, reklāma, portfeļi

Pieejamās izšķirtspējas

Pieejamas trīs malu attiecības, katra pielāgota konkrētiem lietojumiem: kvadrātveida 1024×1024 sociālajiem tīkliem un avatariem, portreta formāts 1024×1536 stāstiem, plakātiem un mobilajām ierīcēm, un ainavas formāts 1536×1024 baneriem, galvenēm un prezentācijām. Vienmēr ģenerē tieši savā mērķa formātā. Apgraizīšana pēc tam izšķiež pikseļus, par kuriem esi samaksājis, un izjauc kompozīciju, ko modelis veidojis konkrētajam kadram.

import base64
from openai import OpenAI

client = OpenAI()

resolutions = {
    "1024x1024": "Kvadrāts — ideāli sociālajiem tīkliem un avatariem",
    "1024x1536": "Portrets — stāsti, plakāti, mobilās ierīces",
    "1536x1024": "Ainava — baneri, galvenes, prezentācijas",
}

for size, description in resolutions.items():
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt="Panoramic view of a futuristic city at dusk, neon lights and skyscrapers",
        size=size,
        quality="medium"
    )
    with open(f"city_{size}.png", "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    print(f"{size} ({description}) → city_{size}.png")

Stila kontrole caur uzvedni

Stils nav tiešs API parametrs; tu to kontrolē pilnībā caur savu uzvedni. Uzticamākā metode ir norādīt precīzu vidēju ar tam raksturīgu vārdu krājumu. „Profesionāla fotogrāfija, Nikon D850, f/2.8” ne tikai pieprasa fotoattēlu — tas pieprasa konkrētu lauka dziļumu un optisko attēlojumu. „Retro 16-bitu pikseļu māksla, ierobežota palete” uzliek izšķirtspējas ierobežojumu, ko modelis ievēros. Tālāk redzamais cikls piemēro piecus dažādus vidusviņus vienam un tam pašam objektam, padarot atšķirības uzreiz redzamas.

import base64
mediums = [
    "professional photography, Nikon D850, f/2.8",
    "oil painting on canvas, impressionist style",
    "flat design vector illustration, pastel colors",
    "architectural technical drawing, cross-section view",
    "retro 16-bit pixel art, limited palette",
]

for medium in mediums:
    prompt = f"A typical Parisian café with outdoor seating, {medium}"
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1024",
        quality="medium"
    )
    filename = f"cafe_{mediums.index(medium) + 1}.png"
    with open(filename, "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    print(f"{medium[:40]}... → {filename}")

Apgaismojums ir tava otrā svira un bieži vien visspēcīgākā: tas var radikāli pārveidot vienu un to pašu ainu. Keramiķes portrets viņas darbnīcā kļūst par atturīgu dokumentālu kadru trīs punktu studijas apgaismojumā, par reklāmas attēlu zelta stundas gaismā vai par filmas plakātu Karavadžo stila kjaroskuro tehnikā. Objekts nav mainījies ne par vārdu; mainījusies ir tikai atmosfēra.

import base64
lightings = [
    "three-point studio lighting, neutral white background",
    "natural golden hour light",
    "cyberpunk neon lighting, pink and blue",
    "dramatic Caravaggio-style chiaroscuro",
    "diffuse rainy day light, gray tones",
]

for lighting in lightings:
    prompt = f"Portrait of a ceramic artisan in her workshop, {lighting}"
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1536",
        quality="high"
    )
    filename = f"artisan_{lightings.index(lighting) + 1}.png"
    with open(filename, "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    print(f"Lighting: {lighting} → {filename}")

Noderīga funkcija ģenerēšanai

Sešu vienu un to pašu rindu atkārtošana katram izsaukumam ātri kļūst garlaicīga un kļūdu pilna. Ietver savas noklusējuma preferences atkārtoti izmantojamā funkcijā, kas arī nodrošina saglabāšanu diskā un failu sufiksu pievienošanu, kad pieprasi vairākus attēlus.

from openai import OpenAI
import base64
from pathlib import Path

client = OpenAI()

def generate_image(
    prompt: str,
    output_path: str,
    size: str = "1024x1024",
    quality: str = "medium",
    n: int = 1
) -> list[str]:
    """
    Ģenerē vienu vai vairākus attēlus un saglabā tos lokāli.
    Atgriež izveidoto failu ceļu sarakstu.
    """
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        n=n,
        size=size,
        quality=quality,
    )

    paths = []
    for i, image in enumerate(response.data):
        if n > 1:
            path = Path(output_path).stem + f"_{i+1}" + Path(output_path).suffix
        else:
            path = output_path

        data = base64.b64decode(image.b64_json)
        with open(path, "wb") as f:
            f.write(data)
        paths.append(path)
        print(f"Saved: {path}")

    return paths


# Lietošana
generate_image(
    prompt="Premium packaging for matcha tea, minimalist Japanese design",
    output_path="matcha_packaging.png",
    size="1024x1024",
    quality="high"
)

Izvēlies pareizo kombināciju

Tu pats izlemj abus parametrus kopā, balstoties uz savu mērķa vidēju. Tālāk esošajā tabulā apkopoti visbiežāk sastopamie scenāriji.

KontekstsIzšķirtspējaKvalitāte
Ātra prototipēšana1024×1024low
Instagram / LinkedIn ieraksts1024×1024medium
Vertikāls stāsts / Reel1024×1536medium
Tīmekļa baneris / galvene1536×1024medium
A3+ izmēra drukāts plakāts1024×1536high
radošs portfelis / grāmata1024×1024high
Uzvedņu partiju testēšana1024×1024low

Ražošanas vidē manuāli nekopē šo tabulu katrā skriptā. Pārvērt to konfigurācijas loģikā un ļauj savam kodam izvēlēties, balstoties uz deklarēto kontekstu. Tu iegūsi vienu patiesības avotu, un, ja vēlāk nolemsi, ka taviem sociālo tīklu ierakstiem jāizmanto high kvalitāte, pietiks ar vienas rindas izmaiņām.

def generate_for_context(prompt: str, context: str, output: str):
    """Automātiski pielāgo kvalitāti un izšķirtspēju kontekstam."""
    configs = {
        "prototype": {"size": "1024x1024", "quality": "low"},
        "social_media": {"size": "1024x1024", "quality": "medium"},
        "story": {"size": "1024x1536", "quality": "medium"},
        "banner": {"size": "1536x1024", "quality": "medium"},
        "print": {"size": "1024x1536", "quality": "high"},
    }

    config = configs.get(context, configs["social_media"])

    return generate_image(
        prompt=prompt,
        output_path=output,
        **config
    )


# Ģenerē vienu un to pašu attēlu dažādiem medijiem
generate_for_context(
    "Corsen AI logo on dark background, premium tech style",
    "social_media",
    "logo_social.png"
)

Lai izveidotu savu spriedumu par šiem iestatījumiem, ģenerē pilnu matricu pats: uzraksti skriptu, kas paņem vienu uzvedni un rada visas deviņas kvalitātes × izšķirtspējas kombinācijas, saglabā katru failu ar skaidru nosaukumu, piemēram, image_low_1024x1024.png, un parāda kopsavilkuma tabulu. Drīz vien ar aci noteiksi, kad medium ir pietiekami.