Criar imagens a partir de um prompt
Nesta página
Atualizado em 2 de novembro de 2026 — Modelos de imagem. O
gpt-image-1, modelo para o qual este curso foi originalmente escrito, foi descontinuado em 23 de outubro de 2026. Os modelosgpt-image-1.5,gpt-image-1-miniechatgpt-image-latestserão retirados em 1 de dezembro de 2026. Os exemplos agora utilizam ogpt-image-2.5-sunburst, que oferece a maior precisão para edição; ogpt-image-2.5-flareé mais rápido para geração padrão. Ambos os modelos suportam também as definições de qualidadexhighemax. Os modelos GPT Image devolvem sempre imagens em base64: o parâmetroresponse_format, utilizado pelos modelos DALL·E mais antigos, não é suportado e foi removido do código. Fonte: Image generation (OpenAI).
Criar imagens a partir de um prompt
O método client.images.generate() é o seu ponto de entrada principal para criar uma imagem a partir de uma descrição textual. Baseia-se em apenas alguns parâmetros, mas, precisamente por serem tão poucos, cada um conta: a diferença entre um resultado aleatório e um previsível resume-se quase inteiramente ao conteúdo do campo prompt. Esta lição ensina-o a dominar ambos.
Anatomia de uma chamada de geração
Eis a estrutura completa de uma chamada com todos os parâmetros disponíveis.
from openai import OpenAI
client = OpenAI()
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="Detailed description of the desired image",
n=1,
size="1024x1024",
quality="high"
)
| Parâmetro | Tipo | Descrição |
|---|---|---|
model | string | "gpt-image-2.5-sunburst" (mais preciso) ou "gpt-image-2.5-flare" (mais rápido) |
prompt | string | Descrição da imagem (até 32.000 carateres) |
n | integer | Número de imagens a gerar (1 a 10) |
size | string | "1024x1024", "1024x1536", "1536x1024" |
quality | string | "low", "medium", "high" |
O limite de 32.000 carateres para o prompt é generoso: permite descrições altamente detalhadas e verá em breve que o detalhe é a sua melhor alavanca de controlo.
Recuperar a imagem gerada
A resposta contém um objeto data que guarda as imagens. Os modelos GPT Image devolvem sempre a imagem codificada em base64 no campo b64_json: deve descodificá-la e gravá-la no disco imediatamente. O parâmetro response_format e os URLs temporários dos modelos DALL·E mais antigos não se aplicam ao GPT Image.
import base64
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="A Japanese garden in the rain, photography",
n=1,
size="1024x1024",
)
image_data = base64.b64decode(response.data[0].b64_json)
with open("garden.png", "wb") as f:
f.write(image_data)
print("Image saved: garden.png")
Assim que o ficheiro é gravado, nada depende mais da OpenAI: este é o ficheiro que armazena, serve ou retoca.
Gerar múltiplas imagens numa única chamada
O parâmetro n solicita múltiplas variantes num único pedido. Torne isto o seu reflexo padrão quando estiver a explorar uma direção visual sem saber qual manter: quatro propostas lado a lado informam-no muito melhor do que uma única.
import base64
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="Minimalist logo for an artisan bakery, white background",
n=4,
size="1024x1024",
quality="high"
)
for i, image in enumerate(response.data):
with open(f"logo_{i+1}.png", "wb") as f:
f.write(base64.b64decode(image.b64_json))
print(f"Variant {i+1}: logo_{i+1}.png")
Contudo, vigie os seus custos: cada imagem consome tokens independentemente e gerar 4 imagens custa 4 vezes o preço de uma única. Explore com um n elevado e qualidade baixa, reservando a alta qualidade para a seleção final.
Escrever prompts eficazes
A qualidade do resultado depende diretamente da precisão do seu prompt. Um bom prompt segue uma estrutura simples — assunto + estilo + contexto + detalhes técnicos — e a comparação abaixo torna a diferença tangível: “uma casa” deixa o modelo inventar tudo o que não disse, enquanto a versão desenvolvida fixa o material, a cor das persianas, a hora do dia, o registo editorial e o tratamento ótico.
# Prompt vago — resultado imprevisível
weak_prompt = "a house"
# Prompt estruturado — resultado controlado
strong_prompt = (
"Provençal country house in blonde stone, "
"lavender blue shutters, ivy on the facade, "
"photographed at golden hour, "
"editorial style for architecture magazine, "
"centered composition, depth of field"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=strong_prompt,
size="1536x1024",
quality="high"
)
Declare o estilo visual da mesma forma, nomeando um meio em vez de esperar por uma intenção. O GPT Image compreende uma vasta variedade de registos e o ciclo seguinte permite-lhe sentir a diferença entre eles num assunto estritamente idêntico: a bicicleta em frente ao café parisiense muda completamente de natureza consoante solicite uma fotografia editorial, uma ilustração vetorial plana ou um esboço a lápis.
import base64
styles = [
"editorial photography, studio lighting",
"flat design vector illustration",
"watercolor on textured paper",
"photorealistic 3D render, Octane Render",
"pencil sketch on kraft paper",
]
for style in styles:
prompt = f"A vintage bicycle parked in front of a Parisian café, {style}"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="medium"
)
filename = f"bicycle_{styles.index(style) + 1}.png"
with open(filename, "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print(f"Style: {style} → {filename}")
O texto incorporado na imagem merece uma nota à parte, pois é aqui que o GPT Image se distingue claramente dos seus predecessores. Indique a mensagem entre aspas no prompt, especifique a família tipográfica e o tratamento gráfico esperado, e o resultado será legível.
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=(
"Promotional poster with the text \"SUMMER SALE -50%\" "
"in large white letters on a blue-orange gradient background, "
"modern sans-serif typography, professional commercial style"
),
size="1024x1536",
quality="high"
)
Tratamento de erros
Um script de geração executado num ciclo eventualmente atingirá um limite de taxa ou um erro de API. Trate estes dois casos de forma distinta desde o início: um RateLimitError exige uma espera e uma nova tentativa, enquanto um APIError requer a análise da mensagem antes de relançar qualquer coisa.
import base64
from openai import OpenAI, APIError, RateLimitError
client = OpenAI()
try:
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="A snowy mountain landscape at sunrise",
size="1024x1024"
)
with open("mountain.png", "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
except RateLimitError:
print("Request limit reached. Wait before retrying.")
except APIError as e:
print(f"API Error: {e.message}")
Para consolidar tudo isto, escreva agora um script que gere três variantes do mesmo assunto em três estilos diferentes — fotografia, ilustração, aguarela — e guarde cada imagem localmente em formato PNG, utilizando o formato base64 para recuperação.