Przejdź do głównej treści
Polski— Wybierz język
Menu

Zaawansowane prompty wizualne: kompozycja, oświetlenie, perspektywa

Lekcja 9 z 12 Zaktualizowano 2 listopada 2026 Programista
Na tej stronie
  1. Zaawansowane prompty wizualne: kompozycja, oświetlenie, perspektywa
  2. Anatomia profesjonalnego promptu wizualnego
  3. Opanowanie kompozycji
  4. Opanowanie oświetlenia
  5. Opanowanie perspektywy
  6. Wielokrotnego użytku konstruktor promptów

Aktualizacja z 2 listopada 2026 — modele obrazowe. Model gpt-image-1, dla którego pierwotnie napisano ten kurs, został wycofany 23 października 2026, a modele gpt-image-1.5, gpt-image-1-mini oraz chatgpt-image-latest przejdą na emeryturę 1 grudnia 2026. Przykłady wykorzystują obecnie gpt-image-2.5-sunburst, najbardziej precyzyjny model do edycji; gpt-image-2.5-flare jest szybszy przy standardowej generacji. Oba obsługują również ustawienia jakości xhigh i max. Modele GPT Image zawsze zwracają obrazy w formacie base64: parametr response_format ze starszych modeli DALL·E nie jest akceptowany i został usunięty z kodu. Źródło: Image generation (OpenAI).

Zaawansowane prompty wizualne: kompozycja, oświetlenie, perspektywa

Dobrze zbudowany prompt to właśnie to, co odróżnia przyzwoity obraz od dzieła profesjonalnej jakości. Kluczem nie jest długość tekstu, lecz słownictwo. GPT Image rozumie terminologię fotografii, kina i sztuk wizualnych. Posługiwanie się tym językiem jest jak wydawanie poleceń operatorowi filmowemu, a nie składanie życzeń. Ta lekcja nauczy Cię tego słownictwa i sposobu jego organizowania.

Anatomia profesjonalnego promptu wizualnego

Zaawansowany prompt dzieli się na warstwy, z których każda odpowiada na inne pytanie: kto lub co, jak rozmieszczone, jak oświetlone, skąd obserwowane, w jakiej konwencji, z jakimi cechami optycznymi. Jawne nazwanie tych warstw w treści promptu — „Temat: … Kompozycja: … Oświetlenie: …“ — pomaga modelowi uniknąć mieszania rejestrów. Poniższy przykład opisuje architekta w jego pracowni: temat zajmuje lewą trzecią kadru zgodnie z regułą trójpodziału, światło pada bocznie przez duże okna, kamera znajduje się na subtelnym dolnym planie z ogniskową 35 mm, rejestr to ciepła, desaturowana fotografia dokumentalna w stylu editorial, a głębia ostrości pozostawia tło w lekkim bokeh. Każde z tych sześciu zdań odbiera modelowi jedną swobodę, którą w przeciwnym razie wykorzystałby losowo.

from openai import OpenAI
import base64

client = OpenAI()

def prompt_multicouche(
    sujet: str,
    composition: str,
    eclairage: str,
    perspective: str,
    style: str,
    details_techniques: str,
    output: str
):
    """Buduje wielowarstwowy prompt dla maksymalnej kontroli."""
    prompt = (
        f"Subject: {sujet}. "
        f"Composition: {composition}. "
        f"Lighting: {eclairage}. "
        f"Perspective: {perspective}. "
        f"Style: {style}. "
        f"Technical details: {details_techniques}."
    )

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

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


prompt_utilise = prompt_multicouche(
    sujet="Architect working on blueprints in a bright studio",
    composition="Rule of thirds, subject at left third, depth with multiple planes",
    eclairage="Lateral natural light from large windows, soft shadows",
    perspective="Slightly low angle (subtle low-angle shot), 35mm focal length",
    style="Editorial documentary photography, warm desaturated tones",
    details_techniques="Medium depth of field, sharp foreground, light background bokeh",
    output="architecte_atelier.png"
)

Opanowanie kompozycji

Kompozycja decyduje o tym, jak oko wędruje po obrazie, a kontrolujesz ją, nazywając reguły rozpoznawane przez model.

Klasyczne reguły kompozycji

Poniższy słownik zbiera pięć głównych rodzin kompozycyjnych i stosuje je do celowo identycznego tematu — samotnej latarni morskiej na bretońskim klifie — aby porównanie dotyczyło wyłącznie inscenizacji. Reguła trójpodziału umieszcza latarnię na przecięciu linii siły i tworzy najbardziej „naturalny“ obraz; symetria w stylu Wesa Andersona centruje oś pionową i dodaje odbicie w wodzie; przekątna buduje napięcie od lewego dolnego rogu do prawego górnego; kadr w kadrze każe patrzeć na latarnię przez łuk lub okno, tworząc natychmiastową głębię; wreszcie kompozycja minimalistyczna redukuje latarnię do maleńkiej kropki w ogromnej przestrzeni negatywowej, czyniąc z tematu jedynie pretekst. Pięć obrazów tej samej latarni, pięć różnych stwierdzeń.

from openai import OpenAI
import base64

client = OpenAI()

compositions = {
    "regle_des_tiers": (
        "Rule of thirds composition, subject positioned at the intersection "
        "of power lines (right third, bottom third)"
    ),
    "symetrie": (
        "Perfectly symmetrical composition, central vertical axis, "
        "reflections in water, Wes Anderson style"
    ),
    "diagonale": (
        "Dynamic diagonal composition, power line from "
        "bottom-left corner to top-right corner"
    ),
    "cadre_dans_cadre": (
        "Frame within a frame: subject viewed through an arch, "
        "a window, or a natural framing"
    ),
    "minimaliste": (
        "Minimalist composition, huge negative space, "
        "small isolated subject in a vast environment"
    ),
}

sujet_base = "An isolated lighthouse on a Breton cliff facing the sea"

for nom, composition in compositions.items():
    prompt = f"{sujet_base}, {composition}, landscape photography"

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

    path = f"composition_{nom}.png"
    data = base64.b64decode(response.data[0].b64_json)
    with open(path, "wb") as f:
        f.write(data)
    print(f"Composition {nom} → {path}")

Plany i głębia

Głębi nie żąda się hurtowo; buduje się ją plan po planie. Poniższy prompt opisuje prowansalski targ, jawnie przypisując treść i ostrość każdemu z trzech planów: mydła i lawenda na pierwszym planie, idealnie ostre; sprzedawca i klient w środkowym planie, lekko rozmyci; złociste kamienne fasady i platany w tle, z wyraźnym bokeh. Końcowa wzmianka o obiektywie 50 mm otwartym na f/1.8 jedynie optycznie potwierdza to, co opis już ustalił — i to właśnie ta celowa redundancja czyni wynik wiarygodnym.

from openai import OpenAI
import base64

client = OpenAI()

prompt_profondeur = (
    "Provençal market scene with three distinct planes: "
    "sharp foreground—display of lavender and artisanal soaps, "
    "middle ground—vendor and customer in conversation, slight blur, "
    "background—golden stone facades and plane trees, pronounced bokeh. "
    "Photography with 50mm f/1.8 lens, shallow depth of field."
)

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

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

Opanowanie oświetlenia

Oświetlenie to najpotężniejsze narzędzie do tworzenia atmosfery i najbardziej opłacalne pod względem投入owanych znaków. Sześć setupów pokrywa większość potrzeb, a poniższa pętla stosuje je wszystkie do tego samego portretu skupionego skrzypka. Oświetlenie Rembrandta, z pojedynczym źródłem pod kątem 45 stopni i trójkątnym блиском na przeciwnym policzku, daje klasyczny portret studyjny. Światło konturowe (rim light) umieszcza źródło za tematem i pozostawia tylko świetlistą obwódkę, tworząc obraz sylwetki. Oświetlenie dzielące (split lighting) przecina twarz na dwie połowy — jedną oświetloną, drugą w cieniu — natychmiast przenosząc obraz w rejestr filmowy. Złota godzina przynosi ślizgające się złote światło i nostalgiczną flarę, miejskie neony wprowadzają różowe i cyjanowe źródła odbijające się na mokrych powierzchniach, a studyjne high-key przynosi pozbawioną cieni jednolitość i komercyjne białe tło. Ten sam temat staje się na przemian intymny, tajemniczy lub gotowy do reklamy.

from openai import OpenAI
import base64

client = OpenAI()

eclairages_avances = {
    "rembrandt": (
        "Rembrandt lighting: single source at 45 degrees, triangular highlight "
        "on opposite cheek, deep dramatic shadows"
    ),
    "rim_light": (
        "Backlighting (rim light): silhouette outlined by a luminous halo, "
        "source directly behind subject, details in shadows"
    ),
    "split": (
        "Split lighting: half face lit, half in shadow, "
        "clear separation, mysterious cinematic atmosphere"
    ),
    "golden_hour": (
        "Golden hour: raking golden light, long warm shadows, "
        "subtle lens flare, soft nostalgic atmosphere"
    ),
    "neon": (
        "Urban neon lighting: multiple pink and cyan sources, "
        "reflections on wet surfaces, nocturnal cyberpunk atmosphere"
    ),
    "studio_high_key": (
        "High-key studio: uniformly bright lighting, minimal shadows, "
        "white background, clean commercial atmosphere"
    ),
}

sujet = "Portrait of a focused violinist"

for nom, eclairage in eclairages_avances.items():
    prompt = f"{sujet}, {eclairage}"

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1536",
        quality="high",
    )

    path = f"eclairage_{nom}.png"
    data = base64.b64decode(response.data[0].b64_json)
    with open(path, "wb") as f:
        f.write(data)
    print(f"Lighting {nom} → {path}")

Opanowanie perspektywy

Perspektywa wpływa na to, jak odbiorca postrzega temat, a jej efekt jest niemal zawsze psychologiczny, zanim stanie się estetyczny. Ujęcie z góry (plongée) patrzy na scenę z wyżyny i umniejsza to, co obserwuje; ujęcie z dołu (contre-plongée), z kamerą na poziomie ziemi, powiększa temat i nadaje mu moc; idealnie pionowy widok z lotu ptaka znosi objętość i zamienia rzeczywistość w graficzny wzór; widok z poziomu robaka (worm’s-eye) đẩy ujęcie z dołu do ekstremum, sprawiając, że wszystkie linie zbieżne kierują się ku niebu; wreszcie widok na wysokości oczu z ogniskową 50 mm odwzorowuje ludzki wzrok i znika na rzecz tematu. W przypadku szklano-stalowych wieżowców różnica między tymi pięcioma obrazami nie leży w budynku, lecz w relacji, jaką z nim nawiązują. Zauważ, że pętla przełącza się na format portretowy dla dwóch ujęć z dołu, ponieważ ujęcie budynku z niskiej perspektywy potrzebuje wysokości, by oddychać.

from openai import OpenAI
import base64

client = OpenAI()

perspectives = {
    "plongee": (
        "High-angle view (top-down), camera overlooking the scene, "
        "domination effect, subject viewed from above at 45 degrees"
    ),
    "contre_plongee": (
        "Low-angle view (bottom-up), camera at ground level looking up, "
        "effect of grandeur and power"
    ),
    "aerienne": (
        "Drone aerial view, perfectly vertical (90 degrees), "
        "graphic composition, textures and patterns visible from above"
    ),
    "worm_eye": (
        "Worm's-eye view, camera placed on ground, extreme perspective "
        "with vanishing lines converging toward the sky"
    ),
    "eye_level": (
        "Eye-level view, natural and immersive, "
        "50mm focal length, like human vision"
    ),
}

sujet = "Modern glass and steel skyscrapers"

for nom, perspective in perspectives.items():
    prompt = f"{sujet}, {perspective}, architectural photography"

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1536" if nom in ["contre_plongee", "worm_eye"] else "1536x1024",
        quality="high",
    )

    path = f"perspective_{nom}.png"
    data = base64.b64decode(response.data[0].b64_json)
    with open(path, "wb") as f:
        f.write(data)
    print(f"Perspective {nom} → {path}")

Wielokrotnego użytku konstruktor promptów

Ręczne konkatenowanie siedmiu warstw w każdym skrypcie prędzej czy później sprawi, że zapomnisz o jednej lub zamienisz dwie miejscami. Klasa PromptBuilder rozwiązuje ten problem, udostępniając jedną metodę na warstwę i zwracając self przy każdym wywołaniu, co pozwala łańcuchować ustawienia w czytelnej kolejności i określać tylko wybrane z nich. Metoda build() następnie składa temat i wypełnione warstwy w tekst gotowy do przekazania do client.images.generate(). Przykład z nadmorską kawiarnią implementuje wszystkie siedem dostępnych warstw — kompozycję, oświetlenie, perspektywę, styl, kolory, atmosferę, technikę — i tworzy prompt, którego żadna improwizacja nie uczyniłaby tak kompletnym.

class PromptBuilder:
    """Konstruktor strukturalnych promptów wizualnych."""

    def __init__(self, sujet: str):
        self.sujet = sujet
        self.layers = {}

    def composition(self, desc: str):
        self.layers["composition"] = desc
        return self

    def eclairage(self, desc: str):
        self.layers["lighting"] = desc
        return self

    def perspective(self, desc: str):
        self.layers["perspective"] = desc
        return self

    def style(self, desc: str):
        self.layers["style"] = desc
        return self

    def couleurs(self, desc: str):
        self.layers["color palette"] = desc
        return self

    def atmosphere(self, desc: str):
        self.layers["atmosphere"] = desc
        return self

    def technique(self, desc: str):
        self.layers["technique"] = desc
        return self

    def build(self) -> str:
        parts = [self.sujet]
        for key, value in self.layers.items():
            parts.append(f"{key}: {value}")
        return ". ".join(parts)


# Użycie
prompt = (
    PromptBuilder("Artisanal seaside café, terrace with umbrellas")
    .composition("Rule of thirds, terrace in foreground, sea at horizon")
    .eclairage("Late afternoon, raking golden light, long shadows")
    .perspective("Slight high angle, 28mm wide-angle focal length")
    .style("Lifestyle photography, warm tones, analog film")
    .couleurs("Terracotta, Mediterranean blue, off-white, olive green")
    .atmosphere("Relaxed and Mediterranean, sea breeze")
    .technique("Deep depth of field, sharp from foreground to infinity")
    .build()
)

print(prompt)
# Użyj tego promptu z client.images.generate()

Teraz przejmij ten zestaw narzędzi na jednym wymagającym temacie: starej bibliotece. Wygeneruj pięć obrazów za pomocą PromptBuilder, systematycznie zmieniając kompozycję, oświetlenie i perspektywę, a następnie zbierz je w katalogu HTML. Zobaczenie wszystkich pięciu obok siebie to sposób, w jaki nauczysz się, które z tych warstw mają największe znaczenie w Twojej praktyce.