Variācijas un iterācijas
Šajā lapā
Atjaunināts 2026. gada 2. novembrī — Attēlu modeļi.
gpt-image-1, modelis, kuram sākotnēji bija rakstīts šis kurss, tika pārtraukts 2026. gada 23. oktobrī. Turklātgpt-image-1.5,gpt-image-1-miniunchatgpt-image-latesttiks izslēgti 2026. gada 1. decembrī. Piemēros tagad tiek izmantotsgpt-image-2.5-sunburst, kas nodrošina visaugstāko precizitāti rediģēšanai;gpt-image-2.5-flareir ātrāks standarta ģenerēšanai. Abi modeļi atbalsta arīxhighunmaxkvalitātes iestatījumus. GPT Image modeļi vienmēr atgriež attēlus base64 formātā: parametrsresponse_formatno vecākiem DALL·E modeļiem vairs netiek pieņemts un ir izņemts no koda. Avots: Attēlu ģenerēšana (OpenAI).
Variācijas un iterācijas
Iegūt perfektu attēlu jau pirmajā mēģinājumā ir reti. Reāls darbs ietver variāciju ģenerēšanu, to salīdzināšanu un pēc tam pakāpenisku prasību precizēšanu, līdz sasniedz vēlamo rezultātu. Šī nodarbība sniedz tev trīs rīkus šai metodei: variācija, atkārtoti izpildot ģenerēšanu; variācija, modificējot prasību; un iterācija, veicot secīgu pilnveidošanu.
Viena un tā paša koncepta variāciju ģenerēšana
Vienkāršākā metode ir atkārtoti izpildīt ģenerēšanu ar vienu un to pašu prasību: GPT Image katru reizi rada atšķirīgu rezultātu. Tas ir noderīgi izpētes sākumā, kad vēl nezini, ko tieši meklē, un vēlies redzēt iespējamo idejas interpretāciju spektru.
from openai import OpenAI
import base64
client = OpenAI()
def generate_variations(prompt: str, n_variations: int, prefix: str):
"""Ģenerē vairākas neatkarīgas vienas un tās pašas prasības variācijas."""
paths = []
for i in range(n_variations):
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="medium",
)
path = f"{prefix}_v{i+1}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
paths.append(path)
print(f"Variācija {i+1} saglabāta: {path}")
return paths
variations = generate_variations(
prompt="Ilustrācija ar dārznieka robotu, kas laista ziedus, bērnišķīgs un krāsains stils",
n_variations=5,
prefix="gardener_robot"
)
Variācijas, modificējot prasību
Iepriekšējā pieeja atstāj tevi nejaušības ziņā; šī dod tev kontroli. Tu fiksē nemainīgu objektu — šajā gadījumā tvaikojošu kafijas krūzi uz koka galda — un maini tikai vienu dimensiju: noskaņu. Pieci rezultāti tad kļūst salīdzināmi, jo precīzi zini, kas tos atšķir. Šī ir atšķirība starp pieciem mēģinājumiem un eksperimentu.
from openai import OpenAI
import base64
client = OpenAI()
base_prompt = "Tvaikojoša kafijas krūze uz koka galda"
moods = [
"maiga rīta gaisma, silti toņi",
"Parīzes kafejnīcas noskaņa, melnbalts",
"popārta stils, piesātinātas krāsas",
"skandināvu minimālisms, balts fons",
"mājīga ziemas atmosfēra, bokeh virtenes gaismiņas",
]
for i, mood in enumerate(moods):
prompt = f"{base_prompt}, {mood}"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="medium",
)
path = f"cafe_mood_{i+1}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Noskaņa: {mood[:30]}... → {path}")
Iterācija, precizējot prasību
Kad rezultāts nav apmierinošs, pareizā reakcija nav atkārtot ģenerēšanu un cerēt uz veiksmi, bet gan pievienot trūkstošo ierobežojumu. Tālāk redzamā sērija parāda šo progresiju konkrētā piemērā: „Logotips fintech jaunuzņēmumam” modelim nepasaka neko; otrajā iterācijā tiek noteikts krāsu skaits un fons; trešajā nosaukta vizuālā metafora un palete; ceturtajā norādīti hex kodi un līnijas biezums. Ar katru piegājienu iespējamo rezultātu telpa sašaurinās un atkārtojamība pieaug.
from openai import OpenAI
import base64
client = OpenAI()
iterations = [
# 1. iterācija: bāzes prasība
"Logotips fintech jaunuzņēmumam",
# 2. iterācija: vizuālo ierobežojumu pievienošana
"Logotips fintech jaunuzņēmumam, minimālistisks dizains, maksimāli divas krāsas, caurspīdīgs fons",
# 3. iterācija: stila precizēšana
(
"Minimālistisks logotips fintech jaunuzņēmumam, abstrakta ģeometriska ikona, "
"kas evocē izaugsmi, tumši zila un smaragda zaļa palete, bez teksta, vektoru stils"
),
# 4. iterācija: smalki pielāgojumi
(
"Minimālistisks logotips fintech jaunuzņēmumam, abstrakta ģeometriska ikona: "
"divas savstarpēji saistītas bultas, kas veido rombu, tumši zila (#1B2A4A) un "
"smaragda zaļa (#2ECC71), 2px plāns kontūrs, balts fons, asa vektoru renderēšana, centrēts"
),
]
for i, prompt in enumerate(iterations):
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="high",
)
path = f"logo_iteration_{i+1}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Iterācija {i+1}: {prompt[:60]}...")
print(f" → {path}\n")
Automatizēta iterācijas cauruļvads
Nedaudz garākos projektos cilvēka atmiņa nepietiek: pēc piecpadsmit attēliem vairs nezini, kura prasība radīja kurus rezultātus. Tālāk redzamais cauruļvads strukturē darbu kārtās, ģenerē vairākas variācijas katrā kārtā, nosauc failus tā, lai tos varētu izsekot, un saglabā pilnu prasību vēsturi JSON failā. Tieši šis vēstures fails padara iestatījumu vērtīgu: tas ļauj atgriezties un uzkrāt pieredzi no viena projekta uz nākamo.
from openai import OpenAI
import base64
import json
client = OpenAI()
def iteration_pipeline(brief: str, n_rounds: int = 3, n_per_round: int = 3):
"""
Iterācijas cauruļvads: ģenerē vairākas variācijas katrā kārtā,
saglabā prasību un rezultātu vēsturi.
"""
history = []
current_prompt = brief
for round_num in range(1, n_rounds + 1):
print(f"\n{'='*50}")
print(f"KĀRTA {round_num} — Prasība: {current_prompt[:80]}...")
print(f"{'='*50}")
round_images = []
for i in range(n_per_round):
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=current_prompt,
size="1024x1024",
quality="medium",
)
path = f"pipeline_r{round_num}_v{i+1}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
round_images.append(path)
print(f" Variācija {i+1}: {path}")
history.append({
"round": round_num,
"prompt": current_prompt,
"images": round_images
})
# Prasības precizēšana nākamajai kārtai
if round_num < n_rounds:
current_prompt += ", vairāk detaļu, labāka kompozīcija"
# Vēstures saglabāšana
with open("pipeline_history.json", "w") as f:
json.dump(history, f, indent=2, ensure_ascii=False)
print(f"\nVēsture saglabāta: pipeline_history.json")
return history
iteration_pipeline(
brief="Ilustrācija ar neatkarīgu grāmatnīcu, skats no ārpuses, rudens vakars, Ghibli stils",
n_rounds=3,
n_per_round=3
)
Variāciju salīdzināšana katalogā
Deviņu PNG failu atvēršana pa vienam skatītājā neļauj veikt nopietnu salīdzināšanu. Tā vietā ģenerē HTML lapu, kas attēlo tos blakus, ar attēliem kodētiem base64 formātā, lai fails būtu pašpietiekams un to varētu koplietot tādu, kāds tas ir, ar klientu vai mākslas direktoru.
import base64
from pathlib import Path
from glob import glob
def generate_catalog(images: list[str], title: str, output: str = "catalog.html"):
"""Izveido HTML lapu ar visiem attēliem blakus."""
html_parts = [
'<!DOCTYPE html><html><head><meta charset="utf-8">',
f'<title>{title}</title>',
'<style>',
'body { background: #111; color: #fff; font-family: sans-serif; padding: 2rem; }',
'.grid { display: grid; grid-template-columns: repeat(auto-fill, minmax(300px, 1fr)); gap: 1rem; }',
'.card { background: #222; border-radius: 8px; overflow: hidden; }',
'.card img { width: 100%; display: block; }',
'.card p { padding: 0.5rem 1rem; font-size: 0.85rem; color: #aaa; }',
'</style></head><body>',
f'<h1>{title}</h1><div class="grid">',
]
for img_path in images:
with open(img_path, "rb") as f:
b64 = base64.b64encode(f.read()).decode()
html_parts.append(f'<div class="card">')
html_parts.append(f'<img src="data:image/png;base64,{b64}" />')
html_parts.append(f'<p>{Path(img_path).name}</p></div>')
html_parts.append('</div></body></html>')
with open(output, "w") as f:
f.write("\n".join(html_parts))
print(f"Katalogs ģenerēts: {output}")
images = sorted(glob("pipeline_r*_v*.png"))
generate_catalog(images, "Variācijas — Ghibli grāmatnīca")
Iterācijas disciplīna
Daži principi atšķir produktīvu iterāciju no dārga mēģinājumu un kļūdu procesa. Maini tikai vienu parametru vienlaikus, pretējā gadījumā nekad neuzzināsi, kurš uzlaboja rezultātu. Saglabā savu prasību un renderējumu vēsturi, kā to dara iepriekš minētais cauruļvads, lai uzkrātu pieredzi, nevis katrā projektā sāktu no nulles. Visā izpētes fāzē strādā ar quality: low un pārej uz high tikai gala renderējumam, pretējā gadījumā maksāsi dārgi par attēliem, kurus izmetīsi. Kad vienkārši meklē ātru daudzveidību, dod priekšroku vienam izsaukumam ar parametru n, nevis pieprasījumu ciklam. Visbeidzot, nosauc savus failus aprakstoši: tā ir niecīga detaļa pirmajā dienā, bet izšķiroša pēc divsimt attēliem.
Tagad piemēro šo pilno secību sev izvēlētam tematam — logotipam, ilustrācijai vai produkta fotogrāfijai. Ģenerē trīs variācijas ar sākotnējo prasību, precizē šo prasību, ņemot vērā rezultātus, ģenerē trīs jaunas variācijas un pēc tam izveido salīdzinošo HTML katalogu ar sešiem attēliem.