Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Varjazzjonijiet u Iterazzjonijiet

Lezzjoni 5 / 12 Aġġornat 2 ta’ Novembru 2026 Zviluppatur
F'din il-paġna
  1. Varjazzjonijiet u Iterazzjonijiet
  2. Ġenerazzjoni ta’ Varjazzjonijiet tal-Istess Kunċett
  3. Varjazzjonijiet billi Timmodifika l-Prompt
  4. Iterazzjoni billi Tirraffina l-Prompt
  5. Pipeline ta’ Iterazzjoni Awtomatizzata
  6. Tqabbil ta’ Varjazzjonijiet f’Katalgu
  7. Id-Dixxiplina tal-Iterazzjoni

Aġġornat fit-2 ta’ Novembru, 2026 — Mudelli tal-immaġni. gpt-image-1, il-mudell li għalih inkitbet oriġinarjament din il-kors, ġie interrott fil-23 ta’ Ottubru, 2026. Barra minn hekk, 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 il-konfigurazzjonijiet tal-kwalità xhigh u max. Il-mudelli GPT Image dejjem jirritornaw immaġni f’base64: il-parametru response_format minn mudelli DALL·E aktar antiki m’għadux aċċettat u tneħħa mill-kodiċi. Sors: Image generation (OpenAI).

Varjazzjonijiet u Iterazzjonijiet

Huwa rari li tikseb l-immaġni perfetta mill-ewwel tentattiv. Ix-xogħol reali jinvolvi l-ġenerazzjoni ta’ varjazzjonijiet, it-tqabbil tagħhom, u mbagħad it-tisjir progressiv tal-prompt sakemm tilħaq ir-riżultat mixtieq. Din il-lezzjoni tagħtik it-tliet għodod għal dan il-metodu: varjazzjoni billi terġa’ tgħaddi l-proċess, varjazzjoni billi timmodifika l-prompt, u iterazzjoni permezz ta’ raffinar suċċessiv.

Ġenerazzjoni ta’ Varjazzjonijiet tal-Istess Kunċett

L-aktar metodu sempliċi huwa li terġa’ tgħaddi l-ġenerazzjoni bl-istess prompt: GPT Image jipproduċi riżultat differenti kull darba. Dan huwa utli fil-bidu tal-esplorazzjoni, meta għadek ma tafx eżattament x’inhu qed tfittex u trid tara l-firxa ta’ interpretazzjonijiet possibbli ta’ idea.

from openai import OpenAI
import base64

client = OpenAI()

def generate_variations(prompt: str, n_variations: int, prefix: str):
    """Iġġenera diversi varjazzjonijiet indipendenti tal-istess prompt."""
    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"Varjazzjoni {i+1} salvata: {path}")

    return paths


variations = generate_variations(
    prompt="Illustrazzjoni ta' robot gardinar jiswa l-fjuri, stil tfalikuluritu",
    n_variations=5,
    prefix="gardener_robot"
)

Varjazzjonijiet billi Timmodifika l-Prompt

L-approċċ preċedenti jħallik mar-randomness; dan jagħtik il-kontroll. Tiffissa suġġett invarjabbli—hawnhekk, tazza kafje duħħana fuq mejda tal-injam—u tmexxi biss dimensjoni waħda: il-burdata. Il-ħames riżultati mbagħad isiru komparabbli, peress li taf eżattament x’jiddistingwihom. Din hija d-differenza bejn ħames tentattivi u esperiment.

from openai import OpenAI
import base64

client = OpenAI()

base_prompt = "Tazza kafje duħħana fuq mejda tal-injam"

moods = [
    "dawl ta' filgħodu artab, toni sħan",
    "vibe ta' kafetterija Pariġina, abjad u iswed",
    "stil pop art, kuluri saturati",
    "minimalista Skandinavu, sfond abjad",
    "atmosfera komda tax-xitwa, dwal tal-filigran bokeh",
]

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"Burdata: {mood[:30]}... → {path}")

Iterazzjoni billi Tirraffina l-Prompt

Meta r-riżultat ma jkunx sodisfaċenti, ir-reazzjoni t-tajba mhix li terġa’ tgħaddi u tittama f’aktar xorti, iżda li żżid il-vinċolu nieqes. Is-serje hawn taħt turi din il-progressjoni f’eżempju maħdum: “Logo għal startup fintech” ma tgħid xejn lill-mudell; it-tieni iterazzjoni tillimita n-numru ta’ kuluri u l-isfond; it-tielet isemmi l-metafora viżiva u l-paletta; ir-raba’ tinżel għal kodiċijiet hex u wisa’ tal-linja. Ma’ kull pass, l-ispazju tar-riżultati possibbli jiddejjaq u r-riproduċibbiltà tiżdied.

from openai import OpenAI
import base64

client = OpenAI()

iterations = [
    # Iterazzjoni 1: prompt bażiku
    "Logo għal startup fintech",

    # Iterazzjoni 2: żieda ta' vinċoli viżivi
    "Logo għal startup fintech, disinn minimalista, massimu żewġ kuluri, sfond trasparenti",

    # Iterazzjoni 3: preċiżjoni tal-istil
    (
        "Logo minimalista għal startup fintech, ikona ġeometrika astratta "
        "li tevoke t-tkabbir, paletta blu navy u aħdar smerald, ebda test, stil vettur"
    ),

    # Iterazzjoni 4: aġġustamenti fini
    (
        "Logo minimalista għal startup fintech, ikona ġeometrika astratta: "
        "żewġ vleġeġ imħallta li jiffurmaw djamant, blu navy (#1B2A4A) u "
        "aħdar smerald (#2ECC71), linja rqiqa ta' 2px, sfond abjad, render vettur sharp, iċċentrat"
    ),
]

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"Iterazzjoni {i+1}: {prompt[:60]}...")
    print(f"  → {path}\n")

Pipeline ta’ Iterazzjoni Awtomatizzata

F’proġett ftit itwal, il-memorja umana mhix biżżejjed: wara ħmistax-il immaġni, ma tkunx taf liema prompt ipproduċa liema riżultat. Il-pipeline li ġejja tistruttura x-xogħol f’dawriet, tiġġenera diversi varjanti għal kull dawra, tsemmi l-fajls b’mod traċċabbli, u żżomm l-istorja sħiħa tal-prompts f’fajl JSON. Dan il-fajl tal-istorja huwa dak li jagħmel l-installazzjoni prezzjuża: jippermettilek terġa’ lura u takkumula minn proġett għall-ieħor.

from openai import OpenAI
import base64
import json

client = OpenAI()

def iteration_pipeline(brief: str, n_rounds: int = 3, n_per_round: int = 3):
    """
    Pipeline ta' iterazzjoni: tiġġenera diversi varjanti għal kull dawra,
    iżżomm storja tal-prompts u r-riżultati.
    """
    history = []
    current_prompt = brief

    for round_num in range(1, n_rounds + 1):
        print(f"\n{'='*50}")
        print(f"DAWRA {round_num} — Prompt: {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"  Varjant {i+1}: {path}")

        history.append({
            "round": round_num,
            "prompt": current_prompt,
            "images": round_images
        })

        # Irraffina l-prompt għad-dawra li jmiss
        if round_num < n_rounds:
            current_prompt += ", aktar dettalji, kompożizzjoni aħjar"

    # Salva l-istorja
    with open("pipeline_history.json", "w") as f:
        json.dump(history, f, indent=2, ensure_ascii=False)

    print(f"\nStorja salvata: pipeline_history.json")
    return history


iteration_pipeline(
    brief="Illustrazzjoni ta' ħanut tal-kotba indipendenti meħud minn barra, filgħaxija tal-ħarifa, stil Ghibli",
    n_rounds=3,
    n_per_round=3
)

Tqabbil ta’ Varjazzjonijiet f’Katalgu

Il-ftuħ ta’ disa’ fajls PNG wieħed wara l-ieħor f’viewer ma jippermetti l-ebda tqabbil serju. Minflok, iġġenera paġna HTML li turihom ħdejn xulxin, bl-immaġni kodifikati f’base64 sabiex il-fajl ikun awtosuffiċjenti u jista’ jiġi kondiviż hekk kif inhu ma’ klijent jew direttur artistiku.

import base64
from pathlib import Path
from glob import glob

def generate_catalog(images: list[str], title: str, output: str = "catalog.html"):
    """Oħloq paġna HTML bl-immaġni kollha ħdejn xulxin."""
    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"Katalgu ġġenerat: {output}")


images = sorted(glob("pipeline_r*_v*.png"))
generate_catalog(images, "Varjazzjonijiet — Ħanut tal-Kotba Ghibli")

Id-Dixxiplina tal-Iterazzjoni

Xi ftit prinċipji jisseparaw l-iterazzjoni produttiva mill-prova u l-iżball kostuż. Ibiddel parametru wieħed biss kull darba, inkella qatt ma tkun taf liema wieħed ittejjeb ir-riżultat. Żomm storja tal-prompts u r-renders tiegħek, kif jagħmel il-pipeline hawn fuq, biex takkumula minflok ma tibda mill-bidu fuq kull proġett. Aħdem b’quality: low matul il-fażi kollha tal-esplorazzjoni u ibdel għal high biss għar-render finali, inkella se tħallas prezz għoli għal immaġni li se tarmi. Meta tkun qed tfittex sempliċiment diversità mgħaġġla, ippreferi sejħa waħda bil-parametru n minflok loop ta’ talbiet. Fl-aħħar nett, semmi l-fajls tiegħek b’mod deskrittiv: huwa dettall trivjali l-ewwel jum, deċiżiv wara mitejn immaġni.

Issa applika din is-sekwenza sħiħa għal suġġett tal-għażla tiegħek—logo, illustrazzjoni, jew ritratt ta’ prodott. Iġġenera tliet varjanti b’prompt inizjali, irraffina dak il-prompt fid-dawl tar-riżultati, iġġenera tliet varjanti ġodda, u mbagħad ipproduċi l-katalgu HTML komparattiv tas-sitt immaġni.