Kontroluj jakość, styl i rozdzielczość
Na tej stronie
Zaktualizowano 2 listopada 2026 — Modele obrazowe. Model
gpt-image-1, dla którego pierwotnie napisano ten kurs, został wycofany 23 października 2026. Dodatkowo modelegpt-image-1.5,gpt-image-1-miniorazchatgpt-image-latestprzestaną być dostępne 1 grudnia 2026. Przykłady wykorzystują obecnie modelgpt-image-2.5-sunburst, który oferuje najwyższą precyzję podczas edycji; modelgpt-image-2.5-flarejest szybszy przy standardowym generowaniu. Oba modele obsługują teraz poziomy jakościxhighimax. Modele GPT Image zawsze zwracają obrazy w formacie base64: parametrresponse_format, używany przez starsze modele DALL·E, nie jest już akceptowany i został usunięty z kodu. Źródło: Image generation (OpenAI).
Kontroluj jakość, styl i rozdzielczość
GPT Image udostępnia kilka mechanizmów dostosowania wyniku, ale nie działają one w ten sam sposób. Jakość i rozdzielczość to jawne parametry API, które wpływają na koszt i czas generowania. Stylem natomiast zarządzasz wyłącznie za pomocą promptu. Zrozumienie tej różnicy uchroni Cię przed szukaniem nieistniejących opcji i pomoże zoptymalizować stosunek jakości do kosztu przy każdym generowaniu.
Poziomy jakości
Parametr quality bezpośrednio wpływa na poziom szczegółowości i czas generowania. Najlepszym sposobem na zobaczenie różnicy jest przetestowanie go na wymagającym temacie – na przykład martwej naturze z oświetleniem w stylu Rembrandta, gdzie gradienty i tekstury mają kluczowe znaczenie – a nie na płaskiej grafice, gdzie różnice byłyby niewidoczne.
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")
| Jakość | Szczegóły | Czas | Koszt | Zalecane zastosowanie |
|---|---|---|---|---|
low | Podstawowe | Szybki | Ekonomiczny | Szkice, testy, prototypowanie |
medium | Dobre | Umiarkowany | Średni | Media społecznościowe, prezentacje |
high | Maksymalne | Wolniejszy | Premium | Druk, reklama, portfolio |
Dostępne rozdzielczości
Dostępne są trzy proporcje obrazu, każda dopasowana do konkretnych przypadków użycia: kwadrat 1024×1024 do mediów społecznościowych i awatarów, portret 1024×1536 do relacji (stories), plakatów i ekranów mobilnych oraz pejzaż 1536×1024 do banerów, nagłówków i prezentacji. Zawsze generuj obraz bezpośrednio w docelowym formacie. Kadrowanie afterward marnuje piksele, za które zapłaciłeś, i zaburza kompozycję, którą model zbudował dla tej konkretnej ramy.
import base64
from openai import OpenAI
client = OpenAI()
resolutions = {
"1024x1024": "Kwadrat — idealny do mediów społecznościowych i awatarów",
"1024x1536": "Portret — relacje, plakaty, urządzenia mobilne",
"1536x1024": "Pejzaż — banery, nagłówki, prezentacje",
}
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")
Kontroluj styl za pomocą promptu
Styl nie jest jawnym parametrem API; kontrolujesz go wyłącznie poprzez prompt. Najbardziej niezawodną techniką jest określenie precyzyjnego medium z właściwą mu terminologią. „Professional photography, Nikon D850, f/2.8“ to nie tylko prośba o zdjęcie – to wymóg konkretnej głębi ostrości i renderowania optycznego. „Retro 16-bit pixel art, limited palette“ narzuca ograniczenie rozdzielczości, którego model będzie przestrzegał. Poniższa pętla stosuje pięć różnych mediów do tego samego tematu, czyniąc różnice natychmiast widocznymi.
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}")
Oświetlenie to Twój drugi mechanizm, a często najpotężniejszy: potrafi radykalnie przekształcić tę samą scenę. Portret ceramiczki w jej warsztacie staje się stonowanym ujęciem dokumentalnym przy trójpunktowym oświetleniu studyjnym, obrazem reklamowym w świetle złotej godziny lub plakatem filmowym w chiaroscuro w stylu Caravaggia. Temat nie zmienił ani słowa; zmieniła się jedynie atmosfera.
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}")
Funkcja pomocnicza do generowania
Powtarzanie tych samych sześciu linii przy każdym wywołaniu szybko staje się uciążliwe i podatne na błędy. Zamknij swoje domyślne preferencje w funkcji wielokrotnego użytku, która obsługuje również zapis na dysku i dodawanie przyrostków do nazw plików, gdy żądasz wielu obrazów.
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]:
"""
Generuje jeden lub więcej obrazów i zapisuje je lokalnie.
Zwraca listę ścieżek utworzonych plików.
"""
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
# Użycie
generate_image(
prompt="Premium packaging for matcha tea, minimalist Japanese design",
output_path="matcha_packaging.png",
size="1024x1024",
quality="high"
)
Wybierz właściwą kombinację
To Ty decydujesz o obu parametrach jednocześnie, w oparciu o docelowe medium. Poniższa tabela podsumowuje najczęstsze scenariusze.
| Kontekst | Rozdzielczość | Jakość |
|---|---|---|
| Szybkie prototypowanie | 1024×1024 | low |
| Post na Instagram / LinkedIn | 1024×1024 | medium |
| Pionowa relacja / Reel | 1024×1536 | medium |
| Baner sieciowy / nagłówek | 1536×1024 | medium |
| Plakat drukowany A3+ | 1024×1536 | high |
| Portfolio kreatywne / książka | 1024×1024 | high |
| Testowanie partii promptów | 1024×1024 | low |
W środowisku produkcyjnym nie kopiuj ręcznie tej tabeli do każdego skryptu. Przetłumacz ją na logikę konfiguracyjną i pozwól swojemu kodowi wybierać ustawienia na podstawie zadeklarowanego kontekstu. Uzyskasz pojedyncze źródło prawdy, a jeśli później zdecydujesz, że Twoje posty w mediach społecznościowych powinny używać jakości high, wystarczy zmiana w jednej linii.
def generate_for_context(prompt: str, context: str, output: str):
"""Automatycznie dostosowuje jakość i rozdzielczość do kontekstu."""
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
)
# Generuj ten sam obraz dla różnych mediów
generate_for_context(
"Corsen AI logo on dark background, premium tech style",
"social_media",
"logo_social.png"
)
Aby wyrobić sobie własne zdanie na temat tych ustawień, wygeneruj samodzielnie pełną macierz: napisz skrypt, który przyjmuje pojedynczy prompt i tworzy wszystkie dziewięć kombinacji jakości × rozdzielczości, zapisuje każdy plik z wyraźną nazwą, np. image_low_1024x1024.png, i wyświetla tabelę podsumowującą. Wkrótce na oko będziesz wiedzieć, kiedy jakość medium wystarcza.