Dizajn: Mockupy a rýchle prototypovanie
Na tejto strane
Aktualizované 2. novembra 2026 — Modely na generovanie obrázkov. Model
gpt-image-1, pre ktorý bol tento kurz pôvodne napísaný, bol ukončený 23. októbra 2026. Modelygpt-image-1.5,gpt-image-1-miniachatgpt-image-latestbudú vyradené 1. decembra 2026. Príklady teraz využívajúgpt-image-2.5-sunburst, ktorý ponúka najvyššiu presnosť pri úpravách;gpt-image-2.5-flareje rýchlejší pri štandardnom generovaní. Oba modely tiež podporujú nastavenia kvalityxhighamax. Modely GPT Image vždy vracajú obrázky v formáte base64: parameterresponse_formatzo starších modelov DALL·E sa už neprijíma a bol z kódu odstránený. Zdroj: Generovanie obrázkov (OpenAI).
Dizajn: Mockupy a rýchle prototypovanie
GPT Image mení fázu dizajnu menej kvalitou svojho výstupu a skôr nízkymi nákladmi na jeho zahodenie. Preskúmanie troch vizuálnych smerov pre domovskú stránku kedysi trvalo deň v dizajnovom nástroji; teraz to zaberie niekoľko minút. To ti umožňuje preskúmať šesť smerov a päť z nich bez váhania opustiť. Táto lekcia ti ukáže, ako využiť túto slobodu bez toho, aby si si pomýlil prieskum s finálnou produkciou.
Mockupy používateľského rozhrania
Vygenerovaný mockup slúži na výber smeru, nie na rozstrihanie na komponenty. Tvoj prompt sa preto musí zamerať na vizuálnu vierohodnosť: realistické komponenty UI, čitateľná typografia, profesionálne rozostupy, konzistentná farebná paleta a uvedenie očakávanej úrovne detailnosti – v tomto prípade „vysokokvalitný render v štýle Figma/Sketch“. Všimni si, ako funkcia vyberá rozlíšenie: 1024×1536 na výšku pre mobilné zariadenia, 1536×1024 na šírku pre desktop. Generovanie mobilnej obrazovky v ráme na šírku by vytvorilo mockup, ktorý by nevypadal ako skutočné zariadenie.
from openai import OpenAI
import base64
client = OpenAI()
def ui_mockup(description: str, platform: str, output: str):
"""Generate a user interface mockup."""
prompt = (
f"UI/UX mockup for {platform}: {description}, "
"modern and clean design, realistic UI components, "
"clear typography, professional spacing, "
"consistent color palette, "
"high-fidelity render in the style of Figma/Sketch"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1536" if platform == "mobile" else "1536x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open(output, "wb") as f:
f.write(data)
print(f"{platform} mockup: {output}")
ui_mockup(
"analytics dashboard with charts, KPI cards, and navigation sidebar",
"desktop",
"dashboard_mockup.png"
)
ui_mockup(
"fitness tracking app with home screen, statistics, and history",
"mobile",
"fitness_app_mockup.png"
)
Preskúmanie viacerých vizuálnych smerov
Na začiatku projektu nie je otázkou „ktorý mockup je správny?“, ale „ktoré estetické rodiny si zaslúžia byť prezentované klientovi?“. Funkcia explore_directions presne odpovedá na túto potrebu tým, že udržuje koncept konštantný – domovská stránka pre online vzdelávaciu platformu – a mení iba dve osi: umelecký smer a farebnú paletu. Tri navrhované cesty nie sú jemné variácie: korporátny minimalizmus v bielom a námorníckej modrej, moderná farebnosť vo fialovej a oranžovej a prémiová tmavá v čiernej a elektrickej modrej cielia na tri rôzne pozície značky. Práve tento rozsah robí prezentáciu užitočnou.
from openai import OpenAI
import base64
client = OpenAI()
def explore_directions(concept: str, directions: list[dict], prefix: str):
"""Generate multiple visual directions for the same concept."""
for i, direction in enumerate(directions):
prompt = (
f"{concept}, "
f"art direction: {direction['style']}, "
f"palette: {direction['palette']}, "
"professional high-quality render"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="high",
)
path = f"{prefix}_direction_{i+1}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Direction {i+1} ({direction['style'][:30]}) → {path}")
explore_directions(
"Homepage for an online learning platform",
[
{
"style": "corporate minimal, lots of white space",
"palette": "white, navy blue, light gray"
},
{
"style": "modern and colorful, flat design illustrations",
"palette": "purple, orange, white"
},
{
"style": "dark and premium, subtle gradients",
"palette": "black, electric blue, gold"
},
],
"landing_page"
)
Prototypovanie obalov
Obaly sú pravdepodobne oblasťou, kde je zisk najdramatickejší, pretože fyzický prototyp je drahý a prichádza neskoro. Prompt tu zámerne oddeľuje tri vstupy – produkt, štýl a požadované prvky – a potom ukladá konštantné usporiadanie: pohľad 3/4 ležiaci na povrchu, fotorealistický render s jemnými tieňmi. Dva príklady ilustrujú rozsah, ktorý táto štruktúra zvláda bez zaváhania: kraftové vrecko na bio čaj s rukopisnou typografiou a priehľadným okienkom na jednej strane, bielo-zlatý téglik na krém so zlatým písmom na strane druhej.
from openai import OpenAI
import base64
client = OpenAI()
def packaging_prototype(product: str, style: str, elements: str, output: str):
"""Generate a product packaging prototype."""
prompt = (
f"Packaging design for {product}, "
f"style: {style}, "
f"elements: {elements}, "
"3/4 view of packaging resting on a surface, "
"photorealistic render with soft shadows, "
"professional design ready for client presentation"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open(output, "wb") as f:
f.write(data)
print(f"Packaging prototype: {output}")
packaging_prototype(
"premium organic tea in a kraft bag",
"natural and artisanal, handwritten typography",
"tea leaf logo, product name, organic label, transparent window",
"packaging_tea.png"
)
packaging_prototype(
"high-end moisturizing cream in a jar",
"minimalist luxury, white and gold",
"centered logo, brand name in gold lettering, 50ml capacity",
"packaging_cream.png"
)
Automatizované moodboardy
Moodboard vyjadruje zámer skôr, než ukáže riešenie. Namiesto ručného zostavovania dosky agregáciou referencií opíšeš tému a vizuálne ingrediencie a potom požiadaš o asymetrickú mriežkovú kompozíciu v štýle Pinterestu. Príklad moderného coworkingového priestoru ukazuje užitočnú úroveň detailu: nielenže pomenuješ miesto, ale vypíšeš svetlý interiér s rastlinami, škandinávsky nábytok, textúry dreva a betónu, uvoľnenú prítomnosť ľudí a paletu terakotovej, šalviovo zelenej a off-white farby. Týchto päť vstupov dodáva výsledku súdržnosť.
from openai import OpenAI
import base64
client = OpenAI()
def generate_moodboard(theme: str, elements: list[str], output: str):
"""Generate a visual moodboard for a given theme."""
elements_str = ", ".join(elements)
prompt = (
f"Professional moodboard for the theme \"{theme}\", "
f"including: {elements_str}, "
"asymmetric grid composition in the style of Pinterest, "
"varied photos and textures, consistent palette, "
"art direction style for agency presentation"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open(output, "wb") as f:
f.write(data)
print(f"Moodboard: {output}")
generate_moodboard(
"Modern coworking space",
[
"bright interior with plants",
"Scandinavian design furniture",
"wood and concrete textures",
"people working in a relaxed manner",
"terracotta, sage green, off-white palette"
],
"moodboard_coworking.png"
)
Konzistentné sady ikon
Jedna ikona je jednoduchá; konzistentná sada je ťažká, pretože konzistencia závisí od detailov neviditeľných pre naivný prompt. Funkcia icon_set ich robí explicitnými: pre každú ikonu znovu vstrekne tému a štýl, vyžaduje priehľadné alebo biele pozadie, vycentrovaný záber, jednotnú hrúbku ťahu a štvorcové proporcie a pripomína modelu, že obrázok patrí do sady. Pri piatich ikonách aplikácie B2B SaaS – dashboard, používatelia, nastavenia, notifikácie, analytika – práve táto pripomienka zabraňuje tomu, aby si dostal päť rôznych grafických štýlov. Použitie slugu zabezpečuje čisté názvy súborov a správne spracovanie apostrofov a medzier.
from openai import OpenAI
import base64
client = OpenAI()
def icon_set(theme: str, icons: list[str], style: str, output_prefix: str):
"""Generate a consistent set of icons."""
for icon in icons:
prompt = (
f"Single icon representing \"{icon}\", "
f"theme: {theme}, "
f"style: {style}, "
"transparent or white background, centered, "
"consistent design within an icon set, "
"uniform stroke weight, square proportions"
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1024",
quality="high",
)
slug = icon.lower().replace(" ", "_").replace("'", "")
path = f"{output_prefix}_{slug}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Icon {icon} → {path}")
icon_set(
theme="B2B SaaS application",
icons=["dashboard", "users", "settings", "notifications", "analytics"],
style="line art, 2px stroke, navy blue, rounded corners",
output_prefix="icon"
)
Spresňovanie mockupu prostredníctvom úprav
Regenerácia celého mockupu kvôli oprave jednej oblasti znamená stratu všetkého, čo bolo inde už uspokojivé. Nižšie uvedený pracovný postup postupuje inak: najprv vygeneruje kompletnú domovskú stránku pre aplikáciu na riadenie projektov a potom otvorí okno v maske medzi 8 % a 45 % výšky – teda pod hlavičkou a nad blokmi funkcií – aby sa znovu vygenerovala iba sekcia hero. Hlavička, navigácia a tri bloky zostávajú medzi verziou 1 a verziou 2 úplne identické, čo robí porovnanie férovým: vidíš účinok svojej zmeny a nič iné.
from openai import OpenAI
from PIL import Image, ImageDraw
import base64
client = OpenAI()
# Step 1: Generate the initial mockup
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=(
"Homepage mockup for a project management application, "
"modern design, header with navigation, hero section with illustration, "
"3 feature blocks, white background"
),
size="1024x1536",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open("mockup_v1.png", "wb") as f:
f.write(data)
print("Mockup v1 generated")
# Step 2: Modify the hero section via editing
source = Image.open("mockup_v1.png")
w, h = source.size
mask = Image.new("RGBA", (w, h), (0, 0, 0, 255))
draw = ImageDraw.Draw(mask)
# Hero area: upper part (below the header)
draw.rectangle([0, int(h * 0.08), w, int(h * 0.45)], fill=(0, 0, 0, 0))
mask.save("mask_hero.png")
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open("mockup_v1.png", "rb"),
mask=open("mask_hero.png", "rb"),
prompt=(
"Hero section with a 3D isometric illustration of a kanban board, "
"title 'Manage Your Projects Simply', blue CTA button, subtle gradient background"
)
)
with open("mockup_v2.png", "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print("Mockup v2 with modified hero")
Kde sa prototypovanie pomocou AI zastavuje
Musíš si jasne uvedomiť status toho, čo tu produkuješ. Vygenerované mockupy sú vizuálne prieskumy, nie produkčné súbory: text je síce dobre vykreslený, ale môže obsahovať drobné chyby, komponenty nie sú interaktívne ani exportovateľné do Figmy a konzistencia naprieč viacerými obrazovkami v rámci toho istého používateľského toku nie je zaručená. Dizajnér, ktorý by tieto obrázky dostal ako finálny výstup, by mal pravdu namietať.
Ich hodnota spočíva inde a je značná: slúžia na validáciu smeru pred investíciou do finálneho dizajnu. Výber medzi tromi cestami za hodinu namiesto troch dní, príchod na stretnutie s klientom s obrázkami namiesto prídavných mien, eliminácia falošne dobrého nápadu skôr, než spotrebuje týždeň produkcie – to je to, čo ti prototypovanie pomocou AI skutočne prináša.
Aby si sa o tom presvedčil, vytvor si vlastný nástroj na spustenie projektu: skript, ktorý na základe briefu vygeneruje tri vizuálne smery pre domovskú stránku, pridružený moodboard pre každý z nich a porovnávací HTML katalóg, ktorý ti umožní prezentovať ich vedľa seba.