Pokročilé vizuálne prompty: kompozícia, osvetlenie, perspektíva
Na tejto strane
Aktualizácia 2. novembra 2026 — obrazové modely. Model
gpt-image-1, pre ktorý bol tento kurz pôvodne napísaný, bol ukončený 23. októbra 2026 a modelygpt-image-1.5,gpt-image-1-miniachatgpt-image-latestbudú vyradené 1. decembra 2026. Príklady teraz využívajúgpt-image-2.5-sunburst, najpresnejší model na úpravy;gpt-image-2.5-flareje rýchlejší pri štandardnej generácii. Oba podporujú aj nastavenia kvalityxhighamax. Modely GPT Image vždy vracajú obrázky v formáte base64: parameterresponse_formatzo starších modelov DALL·E nie je akceptovaný a bol z kódu odstránený. Zdroj: Image generation (OpenAI).
Pokročilé vizuálne prompty: kompozícia, osvetlenie, perspektíva
Dobre štruktúrovaný prompt je tým, čo oddeľuje priemerný obrázok od profesionálnej kvality. Páka nie je v dĺžke, ale v slovnej zásobe. GPT Image rozumie terminológii fotografie, kinematografie a výtvarného umenia. Hovoriť týmto jazykom znamená dávať pokyny riaditeľovi fotografie, nie len vyslovovať želanie. Táto lekcia ťa naučí túto slovnú zásobu a spôsob, ako ju organizovať.
Anatómia profesionálneho vizuálneho promptu
Pokročilý prompt sa rozkladá na vrstvy, pričom každá odpovedá na odlišnú otázku: kto alebo čo, ako usporiadané, ako osvetlené, odkiaľ pozorované, v akej rovine, s akými optickými charakteristikami. Explicitné pomenovanie týchto vrstiev v texte promptu – „Predmet: … Kompozícia: … Osvetlenie: …“ – pomáha modelu vyhnúť sa miešaniu rovín. Príklad nižšie opisuje architekta v jeho ateliéri: predmet zaberá ľavú tretinu podľa pravidla tretín, svetlo prichádza bočne z veľkých okien, kamera je v jemnom podhľade s ohniskovou vzdialenosťou 35 mm, rovina je teplá desaturovaná editoriálna dokumentárna fotografia a hĺbka ostrosti necháva pozadie v jemnom bokehu. Každá z týchto šiestich viet odoberá jednu slobodu, ktorú by inak model uplatnil náhodne.
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
):
"""Builds a multi-layer prompt for maximum control."""
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"
)
Ovládanie kompozície
Kompozícia určuje, ako sa oko pohybuje po obrázku, a ty ju kontroluješ pomenovaním pravidiel, ktoré model rozpoznáva.
Klasické kompozičné pravidlá
Slovník nižšie zhromažďuje päť hlavných kompozičných rodín a aplikuje ich na zámerne identický predmet – osamelý maják na bretónskom útese – aby sa porovnanie sústredilo výlučne na inscenáciu. Pravidlo tretín umiestňuje maják na priesečník silových čiar a vytvára naj„prirodzenejší“ obraz; symetria Wesa Andersona centruje vertikálnu os a pridáva odraz vo vode; diagonála vytvára napätie z ľavého dolného rohu do pravého horného rohu; rám v ráme ťa núti pozorovať maják cez oblúk alebo okno, čím vytvára okamžitú hĺbku; nakoniec minimalistická kompozícia redukuje maják na malú bodku v obrovskom negatívnom priestore a mení predmet na zámienku. Päť obrázkov toho istého majáka, päť rôznych vyhlásení.
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}")
Roviny a hĺbka
Hĺbka sa nevyžaduje hromadne; buduje sa rovina po rovine. Nasledujúci prompt opisuje provensálsky trh explicitným priradením obsahu a ostrosti každej z troch rovín: mydlá a levanduľa v popredí, dokonale ostré; predavač a jeho zákazník v strednom pláne, mierne rozmazaní; zlaté kamenné fasády a platany v pozadí s výrazným bokehom. Záverečná zmienka o 50 mm objektíve otvorenom na clonu f/1.8 iba opticky potvrdzuje to, čo opis už stanovil – a práve táto zámerná redundancia robí výsledok spoľahlivým.
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)
Ovládanie osvetlenia
Osvetlenie je najmocnejším nástrojom na vytváranie atmosféry a zároveň najvýhodnejším z hľadiska investovaných znakov. Šesť nastavení pokrýva väčšinu potrieb a nižšie uvedená slučka ich všetky aplikuje na ten istý portrét sústredeného huslistu. Rembrandtovské osvetlenie s jediným zdrojom pod uhlom 45 stupňov a trojuholníkovým odleskom na protiľahlej líci poskytuje klasický štúdiový portrét. Osvetlenie proti svetlu (rim light) umiestňuje zdroj za predmet a zachováva iba obrysový halo, čím vzniká silueta. Rozdelené osvetlenie (split lighting) rozdeľuje tvár na dve polovice, jednu osvetlenú, druhú v tieni, čím okamžite prechádza do filmovej roviny. Zlatá hodina prináša šikmé zlaté svetlo a jeho nostalgický lens flare, mestské neónové svetlo prináša ružové a azúrové zdroje odrážajúce sa na mokrých povrchoch a vysoko-key štúdiové osvetlenie prináša beztieňovú uniformitu a komerčné biele pozadie. Ten istý predmet sa stáva intímnym, záhadným alebo pripraveným na reklamu.
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}")
Ovládanie perspektívy
Perspektíva ovplyvňuje, ako divák vníma predmet, a jej účinok je takmer vždy psychologický skôr než estetický. Pohľad zhora (plongée) hľadí na scénu nadol a zmenšuje to, čo pozoruje; podhľad (contre-plongée), kamera pri zemi, zväčšuje predmet a dodáva mu moc; dokonale vertikálny letecký pohľad ruší objem a mení realitu na grafický vzor; pohľad červieho oka (worm’s-eye view) tlačí podhľad do extrému a núti všetky úbežné čiary zbiehať sa k oblohe; nakoniec pohľad v úrovni očí s ohniskovou vzdialenosťou 50 mm reprodukuje ľudské videnie a mizne v prospech predmetu. Pri sklenených a oceľových mrakodrapoch rozdiel medzi týmito piatimi obrázkami nie je v budove, ale vo vzťahu, ktorý s ňou vytvárajú. Všimni si, že slučka prepína na formát na výšku pre dva podhľady, pretože podhľad budovy potrebuje výšku, aby dýchal.
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}")
Znovupoužiteľný tvorca promptov
Ručné spájanie siedmich vrstiev v každom skripte skôr či neskôr povedie k tomu, že na niektorú zabudneš alebo dve vymeníš. Trieda PromptBuilder to rieši tým, že vystavuje jednu metódu na vrstvu a vracia self pri každom volaní, čo ti umožňuje reťaziť nastavenia v čitateľnom poradí a špecifikovať iba niektoré z nich. Metóda build() následne zostaví predmet a vyplnené vrstvy do textu pripraveného na odovzdanie funkcii client.images.generate(). Príklad s kaviarňou pri mori implementuje všetkých sedem dostupných vrstiev – kompozícia, osvetlenie, perspektíva, štýl, farby, atmosféra, technika – a vytvára prompt, ktorý by žiadna improvizácia neurobila takto úplným.
class PromptBuilder:
"""Builder for structured visual prompts."""
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)
# Usage
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)
# Use this prompt with client.images.generate()
Teraz preber tento súbor nástrojov do svojich rúk na jednom náročnom predmete: stará knižnica. Vytvor päť obrázkov pomocou PromptBuilder, systematicky meniac kompozíciu, osvetlenie a perspektívu, a následne ich zhromaždi do HTML katalógu. Pohľad na všetkých päť vedľa seba je spôsob, ako sa naučíš, ktorá z týchto vrstiev je v tvojej praxi najdôležitejšia.