Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Għaqqad il-ġenerazzjoni tal-immaġini ma' għodod API oħra

Lezzjoni 10 / 12 Aġġornat 2 ta’ Novembru 2026 Zviluppatur
F'din il-paġna
  1. Għaqqad il-ġenerazzjoni tal-immaġini ma’ għodod API oħra
  2. Ħalli mudell tal-lingwa jikteb il-prompt
  3. Illustra artiklu minn tarf għal tarf
  4. Iddeskrivi immaġni biex terġa’ tiġġeneraha b’mod differenti
  5. Ipproċessa volumi kbar f’lottijiet
  6. Ippubblika direttament fil-ħażna
  7. X’iżomm pipeline wieqfa

Aġġornament 2 ta’ Novembru, 2026 — Mudelli tal-immaġini. gpt-image-1, il-mudell li għalih inkitbet oriġinarjament din il-kors, ġie interrott fil-23 ta’ Ottubru, 2026. gpt-image-1.5, gpt-image-1-mini, u chatgpt-image-latest se jiġu rtirati fl-1 ta’ Diċembru, 2026. L-eżempji issa jużaw gpt-image-2.5-sunburst, li joffri l-ogħla preċiżjoni għall-editjar; gpt-image-2.5-flare huwa aktar mgħaġġel għall-ġenerazzjoni standard. Iż-żewġ mudelli jappoġġjaw ukoll is-settings tal-kwalità xhigh u max. Il-mudelli GPT Image dejjem jirritornaw immaġini f’base64: il-parametru response_format minn mudelli DALL·E aktar qodma mhuwiex appoġġjat u tneħħa mill-kodiċi. Sors: Ġenerazzjoni tal-immaġini (OpenAI).

Għaqqad il-ġenerazzjoni tal-immaġini ma’ għodod API oħra

Waħedha, il-ġenerazzjoni tal-immaġini hija għodda tas-sengħa: tikteb prompt, tikseb fajl. Is-setgħa vera tagħha tiġi meta ssir pass fi ktajjen awtomatizzati—mudell tal-lingwa li jikteb il-prompt, analiżi tal-viżjoni li tiddeskrivi immaġni ta’ referenza, jew ħażna li tippubblika r-riżultat. Din il-lezzjoni turi kif twaħħal dawn il-biċċiet flimkien.

Ħalli mudell tal-lingwa jikteb il-prompt

L-utenti jew il-kollegi tiegħek ma jiktbux prompts viżwali; huma jiktbu briefs. “Għandi bżonn immaġni għal artiklu dwar l-AI fil-kura tas-saħħa, futuristika iżda umana” ma fiha l-ebda kompożizzjoni, dawl jew paletta. Minflok ma titlobhom jitgħallmu l-vokabolarju mil-lezzjoni preċedenti, daħħal mudell tal-lingwa biex jittratta t-traduzzjoni. Assenjah ir-rwol ta’ direttur artistiku fil-messaġġ tas-sistema u obbligah jipproduċi s-saffi speċifiċi tal-prompt, b’istruzzjonijiet stretti biex ma joħroġ xejn għajr dan. Inkella, se tirċievi spjegazzjoni ġentili li mbagħad ikollok tibgħat lil GPT Image.

from openai import OpenAI
import base64

client = OpenAI()

def text_to_image(brief: str, output: str):
    """
    Pipeline f'żewġ passi:
    1. LLM jiġġenera l-prompt viżwali ottimali
    2. GPT Image joħloq l-immaġni
    """
    # Pass 1: Iġġenera l-prompt viżwali b'LLM
    completion = client.chat.completions.create(
        model="gpt-5.6-luna",
        messages=[
            {
                "role": "system",
                "content": (
                    "Int direttur artistiku espert. "
                    "Ibbażat fuq brief, iġġenera prompt dettaljat għal "
                    "mudell ta' ġenerazzjoni tal-immaġini. Inkludi: suġġett, kompożizzjoni, dawl, "
                    "stil, perspettiva, paletta tal-kuluri. "
                    "Irrispondi biss bil-prompt, l-ebda spjegazzjoni."
                )
            },
            {"role": "user", "content": brief}
        ]
    )

    visual_prompt = completion.choices[0].message.content
    print(f"Prompt iġġenerat: {visual_prompt[:100]}...")

    # Pass 2: Iġġenera l-immaġni
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=visual_prompt,
        size="1536x1024",
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(output, "wb") as f:
        f.write(data)
    print(f"Immaġni ġġenerata: {output}")
    return visual_prompt


prompt = text_to_image(
    "Għandi bżonn immaġni għal artiklu dwar l-intelliġenza artifiċjali "
    "fil-kura tas-saħħa. Futuristika iżda umana.",
    "ai_health.png"
)

Illustra artiklu minn tarf għal tarf

Artiklu ta’ karatteristika jeħtieġ immaġni tal-qoxra u illustrazzjoni waħda għal kull taqsima. Dawn l-immaġini għandhom jidhru koerenti mingħajr ma jkunu identiċi. Il-funzjoni illustrate_article tapplika din il-loġika billi terġa’ tinjetta l-istil f’kull prompt u tirrepeti t-titolu tal-artiklu kull darba, u tagħti lis-sett sħiħ unità tematika. Żewġ dettalji li jiffrankaw l-ispejjeż jisħqu attenzjoni: il-qoxra tiġi ġġenerata b’kwalità high għax kulħadd jaraha u spiss tiġi kondiviża, filwaqt li l-illustrazzjonijiet tat-taqsimiet jibqgħu f’medium peress li jintwerew iżgħar u aktar baxxi fil-paġna. Għall-ħames taqsimiet f’dan l-eżempju dwar l-AI fir-reklutaġġ, dan il-kompromess inaqqas il-kont mingħajr ma r-readers jinnotaw xejn.

from openai import OpenAI
import base64
import json

client = OpenAI()

def illustrate_article(title: str, sections: list[str], style: str, output_dir: str = "."):
    """
    Tiġġenera illustrazzjoni tal-header + waħda għal kull taqsima.
    """
    results = []

    # Immaġni tal-qoxra
    header_prompt = (
        f"Immaġni tal-qoxra għal artiklu bit-titolu \"{title}\", "
        f"stil {style}, kompożizzjoni panoramika, "
        "l-ebda test fl-immaġni, professjonali"
    )

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

    path = f"{output_dir}/header.png"
    data = base64.b64decode(response.data[0].b64_json)
    with open(path, "wb") as f:
        f.write(data)
    results.append({"type": "header", "path": path})
    print(f"Header: {path}")

    # Illustrazzjonijiet tat-taqsimiet
    for i, section in enumerate(sections):
        section_prompt = (
            f"Illustrazzjoni għat-taqsima \"{section}\" "
            f"ta' artiklu dwar \"{title}\", "
            f"stil {style}, format rettangolari, "
            "illustrazzjoni kunċettwali mingħajr test"
        )

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

        path = f"{output_dir}/section_{i+1}.png"
        data = base64.b64decode(response.data[0].b64_json)
        with open(path, "wb") as f:
            f.write(data)
        results.append({"type": f"section_{i+1}", "section": section, "path": path})
        print(f"Taqsima {i+1} ({section[:30]}...) : {path}")

    return results


illustrate_article(
    title="5 Modi kif l-AI qed Tibdel ir-Reklutaġġ",
    sections=[
        "Skrinjar Awtomatiku tas-CV",
        "Intervisti bil-Video Analiżżati mill-AI",
        "Tqabbil Intelliġenti bejn Kandidat u Xogħol",
        "Tnaqqis tal-Preġudizzju fir-Reklutaġġ",
        "Onboarding Personalizzat",
    ],
    style="illustrazzjoni 3D isometrika, toni blu u vjola",
    output_dir="."
)

Iddeskrivi immaġni biex terġa’ tiġġeneraha b’mod differenti

Kif tikseb verżjoni tax-xitwa ta’ pajsaġġ tas-sajf meta għandek biss il-fajl, l-ebda maskra, u l-ebda għodda tal-editjar? Mur permezz tal-lingwa. Il-viżjoni tal-mudell tanalizza l-immaġni u tipproduċi deskrizzjoni preċiża biżżejjed biex isservi bħala prompt għar-rikostruzzjoni—suġġett, kompożizzjoni, dawl, kuluri, stil, perspettiva, umor. Imbagħad tgħaqqad l-istruzzjoni tal-modifika tiegħek ma’ din id-deskrizzjoni. Il-mudell tal-ġenerazzjoni jirċievi prompt sħiħ tat-test fejn biss l-istaġun inbidel, u tikseb immaġni koerenti mal-oriġinali minflok xi ħaġa mhux relatata. Din hija wkoll l-aktar mod affidabbli biex tirriproduċi l-identità viżiva ta’ immaġni ta’ referenza li ma tistax teditja direttament.

from openai import OpenAI
import base64

client = OpenAI()

def analyze_and_vary(image_path: str, instruction: str, output: str):
    """
    1. Janalizza immaġni b'GPT Vision
    2. Jiġġenera varjant ibbażat fuq l-analiżi
    """
    # Pass 1: Analizza l-immaġni
    with open(image_path, "rb") as f:
        image_b64 = base64.b64encode(f.read()).decode()

    analysis = client.chat.completions.create(
        model="gpt-5.6-luna",
        messages=[
            {
                "role": "user",
                "content": [
                    {
                        "type": "text",
                        "text": (
                            "Iddeskrivi din l-immaġni fid-dettall biex mudell ta' "
                            "ġenerazzjoni tal-immaġini jkun jista' jirriproduċiha b'mod feddej. "
                            "Inkludi: suġġett, kompożizzjoni, dawl, kuluri, stil, "
                            "perspettiva, umor. Kun preċiż ħafna."
                        )
                    },
                    {
                        "type": "image_url",
                        "image_url": {
                            "url": f"data:image/png;base64,{image_b64}"
                        }
                    }
                ]
            }
        ]
    )

    description = analysis.choices[0].message.content
    print(f"Analiżi: {description[:150]}...")

    # Pass 2: Iġġenera varjant modifikat
    variant_prompt = f"{description}. Modifika mitluba: {instruction}"

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=variant_prompt,
        size="1024x1024",
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(output, "wb") as f:
        f.write(data)
    print(f"Varjant iġġenerat: {output}")


analyze_and_vary(
    "original_landscape.png",
    "Ibdel l-istaġun mis-sajf għax-xitwa, bil-borra fuq is-saqaf u s-siġar",
    "winter_landscape.png"
)

Ipproċessa volumi kbar f’lottijiet

Il-ġenerazzjoni ta’ ħames viżwali tal-prodott f’serje tieħu minuti; il-ġenerazzjoni ta’ ħames mitt sekwenzjalment tieħu l-lejl kollu u tkisser fl-ewwel intopp fin-netwerk. L-installazzjoni hawn taħt issolvi ż-żewġ problemi. Kull kompitu huwa dizzjunarju awtosuffiċjenti li jġorr l-ID tiegħu, il-prompt, il-fajl tal-output, u s-settings. Il-funzjoni tax-xogħol (worker) ddawwar is-sejħa f’blokka try li tirritorna status minflok ma tkisser il-lott kollu: ġenerazzjoni miċħuda ma tiġġarrarx lill-erba’ mija u disgħa u disgħin l-oħra. Imbagħad it-ThreadPoolExecutor jipparallelizza l-eżekuzzjoni, iżda b’max_workers deliberatament baxx—tlieta f’dan l-eżempju—għax il-collo ta’ bottla mhix il-magna tiegħek, iżda l-kwoti tal-API. Ir-rapport finali jgħodd is-suċċessi u l-fallimenti biex tkun taf x’terġa’ tipprova.

from openai import OpenAI
import base64
import json
import time
from concurrent.futures import ThreadPoolExecutor, as_completed

client = OpenAI()

def generate_one_image(task: dict) -> dict:
    """Tiġġenera immaġni waħda minn kompitu."""
    try:
        response = client.images.generate(
            model="gpt-image-2.5-sunburst",
            prompt=task["prompt"],
            size=task.get("size", "1024x1024"),
            quality=task.get("quality", "medium"),
        )

        data = base64.b64decode(response.data[0].b64_json)
        with open(task["output"], "wb") as f:
            f.write(data)

        return {"id": task["id"], "status": "ok", "path": task["output"]}

    except Exception as e:
        return {"id": task["id"], "status": "error", "error": str(e)}


def batch_generation(tasks: list[dict], max_parallel: int = 3):
    """Tesegwixxi lott ta' ġenerazzjonijiet b'parallelism ikkontrollat."""
    results = []

    with ThreadPoolExecutor(max_workers=max_parallel) as executor:
        futures = {
            executor.submit(generate_one_image, task): task
            for task in tasks
        }

        for future in as_completed(futures):
            result = future.result()
            results.append(result)
            status = result["status"]
            print(f"  [{status}] {result['id']}")

    # Rapport
    ok = sum(1 for r in results if r["status"] == "ok")
    errors = sum(1 for r in results if r["status"] == "error")
    print(f"\nLest: {ok} ok, {errors} żbalji minn {len(tasks)} kompiti")

    return results


# Iddefinixxi lott ta' kompiti
tasks = [
    {
        "id": f"product_{i}",
        "prompt": f"Ritratt ta' prodott għall-e-commerce: {product}, sfond abjad, studjo",
        "output": f"batch_product_{i}.png",
        "quality": "high"
    }
    for i, product in enumerate([
        "arloġġ rose gold",
        "nuċċalijiet tax-xemx avjatur",
        "brasslet tal-ġilda mibrum",
        "ċirku tad-djamant solitaire",
        "għonq tal-perla kkultivata",
    ])
]

results = batch_generation(tasks, max_parallel=3)

Ippubblika direttament fil-ħażna

Il-kitba tal-PNG fid-diska tal-magna li qed tħaddem l-iskript tagħmel sens biss fl-iżvilupp. Fil-produzzjoni, l-immaġni trid tinżel fejn is-sit tiegħek se jiġborha, u d-devjazzjoni permezz tas-sistema tal-fajls lokali ssir punt ta’ falliment mhux meħtieġ. Il-format b64_json jaqbel sew ma’ din it-tneħħija: il-bytes dekodifikati huma mgeżwra f’oġġett BytesIO u mbuttati direttament lejn il-bucket, b’ContentType espliċitu—li mingħajru l-brawżers joffru download minflok ma juru l-immaġni. Il-funzjoni tirritorna l-URL pubbliku, li huwa dak li l-CMS tiegħek fil-fatt jeħtieġ.

from openai import OpenAI
import base64
import boto3
from io import BytesIO

client = OpenAI()

def generate_and_store_s3(prompt: str, bucket: str, key: str):
    """Tiġġenera immaġni u ttella'ha direttament fuq S3."""
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1024",
        quality="high",
    )

    image_data = base64.b64decode(response.data[0].b64_json)

    s3 = boto3.client("s3")
    s3.upload_fileobj(
        BytesIO(image_data),
        bucket,
        key,
        ExtraArgs={"ContentType": "image/png"}
    )

    url = f"https://{bucket}.s3.amazonaws.com/{key}"
    print(f"Immaġni maħżuna fuq S3: {url}")
    return url


# Eżempju
url = generate_and_store_s3(
    "Ikona tal-app mobbli: ktieb miftuħ b'stilel, disinn ċatt",
    "my-image-bucket",
    "generated/app_icon_v1.png"
)

X’iżomm pipeline wieqfa

Il-ħames pipelines f’din il-lezzjoni jaqsmu l-istess iġjene tal-kostruzzjoni. Kull pass jagħmel ħaġa waħda, u jħallik tibdel il-kitba tal-prompt jew il-ħażna mingħajr ma tmiss il-bqija. Kull pass jimmaniġġja l-iżbalji tiegħu stess; inkella, rifjut ta’ moderazzjoni f’nofs lott iwaqqa’ l-katina kollha—dan huwa eżattament dak li jipprevjeni t-try f’generate_one_image. Il-parallelism jibqa’ mrażżan biex jirrispetta l-limiti tar-rata, u fuq dan il-punt, il-kawtela tispiċċa orħos mill-irkupru wara projbizzjoni temporanja.

Jibqgħu żewġ drawwiet inqas viżibbli iżda daqstant deċiżivi. Irreġistra l-prompts attwalment mibgħuta, speċjalment meta miktuba minn mudell tal-lingwa: mingħajr dan il-log, immaġni li tħobb issir irriproduċibbli fit-tieni ġirja. U aħżen fir-riżultati (cache) kull meta l-istess prompt jista’ jerġa’ jirritorna, li l-lezzjoni li jmiss tifformalizza f’sistema sħiħa.

Issa assembla l-katina sħiħa tiegħek: tieħu titolu ta’ artiklu bħala input, titlob lil mudell tal-lingwa għal tliet deskrizzjonijiet ta’ viżwali rilevanti, tiġġenera t-tliet immaġini parallelament, u tipproduċi JSON sommarju li jgħaqqad kull prompt mal-fajl tiegħu. Imbagħad ikollok kollox meħtieġ biex tillustra blog sħiħ mingħajr intervent manwali.