پرش به محتوا
image 2.5
فارسی
شروع ساخت

ChatGPT Images 2.5: چگونه بین Flare و Sunburst انتخاب کنیم

یک قاعده و یک جدول کاربه‌کار تعیین می‌کند این دور از کار از کدام مدل استفاده کند. در ادامه ابتدا همان تصمیم آمده و سپس قواعد پرامپت‌نویسی که هر دو مدل همچنان باید از آن‌ها پیروی کنند، با مثال‌های واقعی از یک راهنمای ثالث.

این صفحه به چه سؤالی پاسخ می‌دهد

ChatGPT Images 2.5 (به شکل GPT Image 2.5 هم نوشته می‌شود) انتخاب مدل را از یک گزینه به دو گزینه رساند و دو تنظیم کیفیت بالاتر از سقف پیشین اضافه کرد. شیوه‌ی نوشتن پرامپت تغییری نکرده، اما «کدام سطح و کدام تنظیم برای این دور» اکنون تصمیمی است که هر بار می‌گیرید.

روش و تصاویر نمونه‌ی این صفحه از یک راهنمای ثالث می‌آید — مرور ChatGPT Images 2.5 در morphic.com — که با راهنمای رسمی پرامپت‌نویسی تصویر OpenAI هم‌سنجی شده است. هرجا ادعای ثالث و موضع رسمی ناسازگار باشند، متن همین را می‌گوید و هر تصویر نمونه برچسب منبع دارد.

راهنمای رسمی اصرار دارد پارامترها وارد پرامپت نشوند: «پس‌زمینه شفاف» و «4K» جایشان در درخواست است و پرامپت فقط تصویر را توصیف می‌کند. همین تفکیک در انتخاب هم برقرار است — انتخاب مدل و انتخاب تنظیم کیفیت دو تصمیم جدا هستند و مدل مقدم است.

  • این صفحه فرض می‌کند پرامپت‌نویسی را بلدید. روش کامل در راهنماهای رسمی پرامپت‌نویسی است؛ این صفحه فقط درباره‌ی انتخاب است.
  • راهنمای ثالث تاریخ عرضه را 8 سپتامبر 2026 ثبت کرده است. هر ادعای «سریع‌تر» یا «پایدارتر» در ادامه مشاهده‌ی کاربردِ همان راهنماست؛ مستندات رسمی هیچ نسبت بهبود ثابتی اعلام نمی‌کند.
  • تصاویر نمونه از راهنمای ثالث آمده‌اند. حق نشر و مجوزها با منبع است و اینجا فقط برای نشان‌دادن تفاوت نتیجه به کار رفته‌اند.

Flare یا Sunburst: کل تصمیم در یک جدول

دو مدل در «چه کاری از آن‌ها برمی‌آید» فرق ندارند، در «به چه چیزی بهینه شده‌اند» فرق دارند. موضع رسمی: Flare مدل کوچک است و برای سرعت بهینه شده، با کیفیت تصویر قابل مقایسه با GPT Image 2؛ Sunburst مدل پایه است و برای کیفیت بهینه شده، با کیفیتی بالاتر از GPT Image 2. هر دو تولید، ویرایش و پس‌زمینه شفاف را پشتیبانی می‌کنند.

انشعاب واقعی این است که این کار حداقلِ کیفیتِ قطعی دارد یا نه. جدول، موضع رسمی و توصیه‌ی ثالث را کنار هم می‌گذارد.

  • اول کیفیت را آزمایش کنید، بعد سرعت را. ترتیب دیگر برای شما پیش‌فرضی سریع باقی می‌گذارد که قابل انتشار نیست.
  • مهاجرت را با عوض‌کردن صرف نام مدل انجام ندهید: راهنما توصیه می‌کند یک خط پایه ذخیره کنید — پرامپت‌های نماینده‌ی محیط واقعی و تصاویر مرجعی که ویرایش‌های دشوار، متن دقیق، چهره‌ها، هندسه‌ی محصول و موارد شفاف را پوشش می‌دهند.
  • توالی کامل ویرایش‌ها را آزمایش کنید، نه فقط گام‌های تکی — پایداری در جریان‌های ویرایش فقط در طول دورهای پیاپی خودش را نشان می‌دهد.
مقولهGPT Image 2.5 FlareGPT Image 2.5 Sunburst
جایگاه (رسمی)مدل کوچک، بهینه برای سرعتمدل پایه، بهینه برای کیفیت
کیفیت تصویر (رسمی)قابل مقایسه با GPT Image 2بالاتر از GPT Image 2
زمان پاسخ (ثالث)تا حدود ⁦50%⁩ کمتر از Images 2.0تولید طولانی‌تر
توصیه‌شده برای (ثالث)محتوای شبکه‌های اجتماعی، تصاویر محصول، پیش‌نویس ایده، دسته‌های حجیمویژوال کلیدی کمپین، روتوش عکس محصول، پروژه‌های سخت‌گیرانه با ویرایش‌های چندمرحله‌ایِ مهارشدنی
قابلیت‌های مشترک (رسمی)تولید، ویرایش، پس‌زمینه شفافتولید، ویرایش، پس‌زمینه شفاف

توصیه‌ی رسمی به یک سمت اشاره می‌کند و همین‌قدر که از آن پیروی کنید کافی است: اگر کار شما از حد کیفیت گذشته، با Flare شروع کنید و ببینید چقدر زمان برمی‌گردد؛ اگر نگذشته، ابتدا نتیجه را با Sunburst تثبیت کنید و بعد آزمایش کنید Flare به همان حد می‌رسد یا نه.

اینجا یک دام هست و توصیه‌ی رسمی و ثالث هر دو از یک چیز حذر می‌دهند: بهبود سرعت روی یک بارِ کاری ممکن است روی بارِ دیگر برقرار نماند. به یک عدد کلی اعتماد نکنید — کار خودتان را از هر دو مدل عبور دهید.

پیش از انتخاب: هر دو مدل چه چیزی مشترک دارند

پیش از عوض‌کردن مدل، مشخص کنید مشکل شما در کدام لایه است. طبق راهنمای ثالث، این نسل چهار چیز را در هر دو سطح بهبود داده؛ یعنی این دستاوردها ربطی به انتخاب بین Flare و Sunburst ندارند:

  • جزئیات واضح‌تر، با نور و بافت طبیعی‌تر.
  • آدم‌ها و اشیای تصاویر مرجع کامل‌تر حفظ می‌شوند — همین است که تعیین می‌کند تعویض لباس و ویرایش محصول اساساً قابل استفاده باشند یا نه.
  • نتایج در یک رشته ویرایش یکدست‌تر می‌مانند و انحراف در چند نوبت کمتر است (مستندات رسمی همچنان انحراف را در فهرست محدودیت‌های شناخته‌شده دارد).
  • دو تنظیم کیفیت بالاتر از سقف پیشین اضافه شده‌اند (xhigh و max) برای کارهایی که به جزئیات ریز چاپ نیاز دارند.

اگر مشکل شما جزئیات آب‌رفته یا چهره‌ای است که بعد از دو دور دیگر شبیه خودش نیست، مدل دیگری آن را درست نمی‌کند — این مشکل پرامپت و فرایند است و جای شروع، دو راهنمای پرامپت‌نویسی است. انتخاب مدل فقط کیفیت را با سرعت معامله می‌کند.

تنظیمات کیفیت: نخستین چیز پس از انتخاب مدل

هر دو مدل برچسب‌های تنظیم یکسانی دارند، اما تنظیم بالاتر برای هر پرامپتی نتیجه‌ی بهتر تضمین نمی‌کند. جریان کاری ثالث ارزش تقلید دارد: فرمول‌بندی را روی low جابه‌جا کنید و نسخه‌ی نهایی را روی تنظیمی اجرا کنید که کار واقعاً لازم دارد. بالا بروید تا نیازها برآورده شود، سپس یک پله پایین برگردید و ببینید تنظیم پایین‌تر هنوز قبول است یا نه.

  • ترتیب رسمی: ابتدا مدل را با جدول بالا ثابت کنید، بعد سراغ کیفیت بروید.
  • برای نخستین مقایسه‌ی دو سطح، کیفیتِ صریحاً انتخاب‌شده، پرامپت، تصاویر مرجع و ابعاد خروجی را ثابت نگه دارید. برچسب کیفیت یکسان به معنای کیفیت تصویر یا زمان پاسخ یکسان در مدل‌های مختلف نیست.
  • از xhigh و max فقط وقتی استفاده کنید که نیازی برآورده‌نشده را در بودجه‌ی تأخیر شما حل می‌کنند.
تنظیممناسب برایهزینه
lowپیش‌نویس‌ها، آزمایش چیدمان، تکرار روی متنسریع‌ترین پاسخ
mediumبیشتر کارهای نهاییپیش‌فرضی متوازن
highمتن ریز، نمودارهای متراکم، اسلاید، پرترهبه‌وضوح کندتر
xhighجزئیات ریز چاپ، مطالبی که به چاپخانه می‌روندهنوز کندتر
maxآخرین چاره وقتی xhigh هنوز کافی نیستبسیار کندتر
autoنقطه‌ی شروع وقتی نمی‌خواهید تنظیمات را یکی‌یکی امتحان کنیدخود مدل تصمیم می‌گیرد

اندازه و هزینه هم در انتخاب نقش دارند

اندازه‌ی خروجی راحت‌ترین بخشِ انتخاب برای جاافتادن است: یک پرامپت یکسان در 1:1 و در 16:9 یک هزینه ندارد و 1024 هم هزینه‌اش با 4K یکی نیست. زمانی که Flare صرفه‌جویی می‌کند را می‌شود با یک تصویر مربعیِ شاخصِ غیرضروری بلعید.

  • تا 4K: هر ضلع حداکثر 3,840 پیکسل، هر دو ضلع مضربی از 16، و نسبت ضلع بلند به کوتاه بین 1:3 و 3:1.
  • خروجی‌های بالای 2560x1440 آزمایشی علامت‌گذاری شده‌اند — بهتر است پیش از آنکه یک جریان کاری به آن‌ها وابسته شود بدانید.
  • با تنظیم کیفیت برابر، مربع گران‌ترین شکل است، پس خروجی 16:9 یا 21:9 با همان وضوح اسمی ارزان‌تر از 1:1 تمام می‌شود.
  • بگذارید مقصد شکل را تعیین کند: افقی برای 16:9، عمودی برای 9:16. مربع نسازید و بعد برش بزنید.

انتخاب بر اساس کار: هفت حالت نمونه

قاعده را به کارِ مشخص بچسبانید تا انتخاب به یک جست‌وجوی جدولی تبدیل شود. ستون چپ کارِ پیشِ رو است و ستون راست سطحی که از آن شروع می‌کنید — به «شروع با» دقت کنید: وقتی تصویر اول بیرون آمد، قاعده همچنان برقرار است، پس هرجا کیفیت قبلاً قبول است دوباره Flare را بیازمایید.

کارشروع باچرا
محتوای شبکه‌های اجتماعی و دسته‌های حجیمFlareحد کیفیت پایین، حجم بالا: تأخیر همان توان عملیاتی شماست
تصاویر محصول و روتوش عکس محصولاول Flare؛ اگر متن برچسب یا جنس تصویر آب رفت، به Sunburst برویدهندسه‌ی محصول و برچسب را تصویر مرجع حمل می‌کند، پس اول زمان را بازخرید
پیش‌نویس ایده، آزمایش چیدمان، تکرار روی متنFlare + lowاین مرحله تکرار می‌خواهد، نه خروجی نهایی
ویژوال کلیدی کمپینSunburstیک نتیجه تعیین‌کننده است؛ کیفیت مقدم
متن ریز، نمودارهای متراکم، اسلایدSunburst + highدقت متن شرطی قطعی است و راهنما توصیه می‌کند اینجا medium را با high هم مقایسه کنید
مطالبی که به چاپخانه می‌روندSunburst + xhighمشکلاتی که در بندانگشتی دیده نمی‌شوند در اندازه‌ی کامل ظاهر می‌شوند
کاری که ویرایش‌های متوالی با شخصیت یا محصول ثابت می‌خواهدSunburstویرایش چندمرحله‌ای به پایداری حساس‌تر است؛ حد کیفیت را تثبیت کنید، بعد Flare را دوباره بیازمایید

پس از انتخاب: پنج عادت پرامپت‌نویسی

وقتی مدل معلوم شد، کیفیت خروجی به پرامپت برمی‌گردد. راهنمای ثالث بیشتر مشکلات را به پنج عادت نسبت می‌دهد؛ هرچه در ادامه می‌آید بسط یکی از همین‌هاست.

  • عادت چهارم راحت‌تر از همه از قلم می‌افتد: به‌محض اینکه درخواست هفت‌هشت شرط پیدا کرد، نوشتن نثر را رها کنید و به بخش‌های برچسب‌دار بشکنید و اگر متن در میان است، یک بخش Include ONLY this text (verbatim) اضافه کنید. در رفتار مدل هیچ تغییری نمی‌دهد — فقط مانع می‌شود یک نیاز در پاراگراف غرق شود.
  • راهنمای رسمی همان را با کلمات خودش می‌گوید: برای درخواست‌های پیچیده، پرامپت را به شکل صحنه، سوژه، جزئیات و محدودیت‌ها بنویسید و در بخش‌های برچسب‌دار سازمان بدهید. هر دو راه به یک جا می‌رسند.
عادتشکل آنچه چیزی را درست می‌کند
یک تصویر توصیف کنید، کلیدواژه تلنبار نکنیدپوستر سفر قدیمی از شهرکی بندری در غروبتوده‌ای از صفت‌ها و یک تصویر خالی
متن موردنظر را داخل گیومه در پرامپت بگذارید و بگویید چند بار ظاهر می‌شودشعار «Yours to Create» دقیقاً یک بار ظاهر می‌شودمتن غلط‌دار، ساختگی یا تکراری
بگویید چه نمی‌خواهیدبدون گلامورسازی، بدون روتوش سنگین، بدون متن اضافههمان ظاهر «پوستریِ آفتاب‌خورده‌ی هوش مصنوعی»
درخواست بلند را به بخش‌های برچسب‌دار بشکنیدScene: / Style: / Constraints: / Include ONLY this text:نیازی که وسط پاراگراف گم شده
در هر نوبت یک چیز عوض کنیدبرچسب را مشکی مات کن و بقیه را دقیقاً همان‌طور نگه داردورشدن تصویر از مقصد در طول تکرارها

نخستین پرامپت شما: تصویر را توصیف کنید، بعد دو چیز اضافه کنید

سوژه، فضا و نور را با جمله‌های معمولی بنویسید. واژه‌هایی مثل «beautiful» و «4k» تقریباً کاری نمی‌کنند، چون هرگز نمی‌گویند داخل قاب چه باید باشد. تقابل ثالث بی‌تعارف است:

پرامپتی که کاری نمی‌کندپرامپتی که جواب می‌دهد
پوستر سفر، زیبا، کیفیت بالا، 4kپوستر سفر قدیمی از شهرکی بندری در غروب، رنگ‌های تخت و گرم، عنوان در امتداد بخش بالایی
پوستر سفر قدیمی از شهرکی بندری در غروب با عنوانی در امتداد بخش بالایی
نمونه‌ی ثالثیک جمله که سوژه، فضا و نور را پوشش می‌دهد، بدون تلنبار صفت. تصویر نمونه از راهنمای ChatGPT Images 2.5 در morphic.com.

این نسخه را تولید کنید، به خروجی نگاه کنید، بعد هر بار یک چیز عوض کنید. دو افزودنی ارزش دارد زود اضافه شود.

اول: اگر واقع‌گرایی عکاسی می‌خواهید، تصویر فوتورئال بخواهید و بعد کادربندی و بافت را توصیف کنید — فیلم 35 میلی‌متری، نمای نزدیک متوسط در ارتفاع چشم، عمق میدان کم، دانه‌ی ظریف. زبان دوربین و فیلم نشانه‌ای برای سبک است؛ مدل آن را به‌عنوان شبیه‌سازی فیزیکی بازتولید نمی‌کند. این موضع رسمی هم هست: مشخصات دوربین را نشانه‌ی ظاهر بدانید، نه تضمین دقت فیزیکی.

دوم: بنویسید چه نمی‌خواهید. کلیشه‌ای را که از آن می‌پرهیزید نام ببرید تا آن جلای هوش‌مصنوعی از تصویر بیفتد؛ فقط گفتن «می‌خواهم واقعی به نظر برسد» معمولاً حاصلی ندارد.

درست‌کردن متن و چیدمان

متنی که باید ظاهر شود را داخل گیومه بگذارید، بگویید کجا می‌نشیند و چند بار باید تکرار شود. همین دستور آخر است که باعث می‌شود شعار به‌طور مرموز دو بار ظاهر نشود.

هر شش قلم و قیمت‌هایشان داخل پرامپت نوشته شده بود — همین جلوی ساختنِ از خودِ آن‌ها را توسط مدل می‌گیرد. کل رازِ این تخته‌ی منو همین است.

عین عبارت‌بندی راهنمای رسمی (متن اصلی)
Billboard text (exact, verbatim): "Fresh and clean". Typography: bold sans-serif, high contrast, centered. Ensure the text appears once and is perfectly legible. No watermarks, no logos.
تخته‌ی منوی نانوایی با شش قلم و قیمت به خط گچی مرتب
نمونه‌ی ثالثشش قلم و قیمت‌ها در پرامپت نوشته شده‌اند، پس مدل چیزی برای ساختن ندارد. تصویر نمونه از morphic.com.

چهار الزام، هیچ‌کدام مبهم نیست: متن را نقل کنید، امانت‌داری در بازنویسی را بخواهید، جای‌گذاری را مشخص کنید، رجیستر تایپوگرافی را توصیف کنید و همه‌ی احتمال‌های دیگر را ببندید. چند حرکت کوچک‌تر هم جواب می‌دهد — نام برندها و واژه‌های نامتعارف را وقتی مدل مدام اشتباه می‌گیرد حرف‌به‌حرف بنویسید؛ متن را کوتاه نگه دارید، چون متنِ ریزِ متراکم اولین چیزی است که آب می‌رود؛ و وقتی متن ریز یا فشرده است، فرض نکنید بالاترین تنظیم برنده است، high را با xhigh مقایسه کنید.

وقتی تک‌خط‌های متن پایدار شدند، یک پله بالاتر بروید: به‌جای توصیف یک حس‌وحال، هر بخش از چیدمان را نام ببرید. همین است که به مدل سلسله‌مراتبی برای پیروی می‌دهد.

سلسله‌مراتب چیدمان: هر بلوک را نام ببرید، حس‌وحال توصیف نکنید

«پوستر کنسرت: نام گروه اصلی با حروف درشت در امتداد بالا، چهار گروه همراه زیر هم با قلم ریزشونده، سالن و تاریخ با قلم کوچک در پایین» — وقتی این‌طور نوشته شود، مدل سلسله‌مراتبی دارد که از آن پیروی کند، به‌جای حدس‌زدن اندازه‌های نسبی.

پوستر کنسرت با نام گروه اصلی با حروف درشت در بالا و گروه‌های همراه با قلم‌های ریزشونده
نمونه‌ی ثالثسلسله‌مراتب باید نام برده شود: گروه اصلی، گروه‌های همراه با قلم ریزشونده، سالن و تاریخ با قلم کوچک در پایین. تصویر نمونه از morphic.com.
نمای برش‌خورده‌ی دستگاه اسپرسو با برچسب‌های کوچک روی تک‌تک قطعات
نمونه‌ی ثالثیک نمودار باید مخاطبش را نام ببرد و همه‌ی برچسب‌های الزامی را فهرست کند. تصویر نمونه از morphic.com.

نمودار، اسلاید و دیاگرام یک گام جلوتر می‌روند: پرامپت را مثل یک مشخصه‌فنی بنویسید، نه مثل درخواست یک تصویرسازی. خروجی را نام ببرید، اعداد و برچسب‌های واقعی را درونش بگذارید، خانواده‌ی قلم را مشخص کنید و کلیشه‌ها را ببندید — بدون کلیپ‌آرت، بدون عکس استوک، بدون گرادیان تزئینی. برای صفحه‌ی گزارش افقی مناسب است؛ و به‌محض اینکه شکل، راهنما یا پانویس پیدا کرد، high کف است.

بعدش فقط خوانایی را چک نکنید — درستی برچسب‌ها را چک کنید. چک‌لیست رسمی «آیا برچسب‌ها و روابط دیاگرام درست‌اند» را اول می‌گذارد.

یک چیز را عوض کنید، نه کل تصویر را

بیشتر آدم‌ها تصویر خوب را در گام ویرایش از دست می‌دهند. پرامپت ویرایش خوب شکلش این است: یک دستور روشن به‌اضافه‌ی فهرست آنچه باید حفظ شود.

نه ایناین
تیره‌تر و لاکچری‌ترش کن، شاید لوگو را هم جابه‌جا کنبرچسب را مشکی مات کن. نور، ترکیب‌بندی و متن روی برچسب را دقیقاً همان‌طور که هست نگه دار
صندلی‌های این اتاق را عوض کنفقط صندلی‌های سفید را با صندلی چوبی جایگزین کن. زاویه‌ی دوربین، نور اتاق، سایه‌های کف و اشیای اطراف را حفظ کن
همان پیک موتوری، صحنه‌ی دیگرهمان پیک موتوری، کت قرمز و شال خاکستری، این‌بار در یک گردنه‌ی کوهستانی. شخصیت را بازطراحی نکن
دو نسخه از همان قوطی چای کنار هم، یکی با برچسب کاغذی بژ و یکی با برچسب مشکی مات، کادربندی و نور یکسان
نمونه‌ی ثالثیک چیز را عوض کنید و بقیه را نگه دارید: فقط برچسب عوض شد، نور و کادربندی سر جایشان ماندند. تصویر نمونه از morphic.com.

فهرست آنچه باید حفظ شود را بلندتر از آنچه فکر می‌کنید لازم است بنویسید. در نمونه‌ی رسمی تعویض لباس، چهره، اجزای صورت، رنگ پوست، هیکل، ژست، حالت چهره، مدل مو، تناسبات، پس‌زمینه، زاویه‌ی دوربین، کادربندی و کیفیت تصویر همه قبل از آنکه اجازه‌ی تغییر پیدا کند قفل شده‌اند. این پرگویی نیست: هرچه را نام نبرید، مدل در تفسیر مجددش آزاد است.

نوبت‌های بعد باید کوتاه‌تر شوند، نه بلندتر. بعد از آن پرامپت سنگین اول، دستور بعدی می‌تواند یک خط باشد: «طوری‌اش کن که انگار یک شب برفی زمستانی است.» نتیجه‌ی قبلی را برگردانید، یک تغییر بخواهید و هر وقت قیدی شروع به لغزیدن کرد، دوباره تکرارش کنید.

با این حال مراقب انحراف باشید. اگر چیزی که هرگز اشاره‌اش نکرده بودید جابه‌جا شد، به آخرین نتیجه‌ی قابل قبول برگردید، به‌جای اصلاح روی همان. جایی که یک ناحیه باید پیکسل‌به‌پیکسل یکسان بماند، حرکت درست پرامپت بیشتر نیست؛ تغییر تأییدشده را در تصویر اصلی ترکیب کنید.

حفظ سازگاری شخصیت یا محصول

اگر یک مجموعه تصویر باید شبیه یک جهان واحد باشد، دست از این بردارید که هر بار با امید دوباره شخصیت را توصیف کنید. اول یک تصویر مرجع بسازید.

شخصیت را جداگانه روی پس‌زمینه‌ی تمیز تولید کنید و شکل، تناسبات، لباس و رنگش را بنویسید. بعد همان تصویر را به هر صحنه بدهید و نکات کلیدی را در یک بلوک کوتاه سازگاری تکرار کنید: همان تونیک سبز کلاه‌دار، همان اجزای چهره، تناسبات و پالت رنگ، همان شخصیت، و این شخصیت را بازطراحی نکن.

  • با محصولات هم همین‌طور است: هندسه و برچسب از تصویر مرجع می‌آیند و پرامپت دستور می‌دهد سبک‌شان عوض نشود.
  • ماسکات برند، سری عکس‌های محصول و کل مجموعه‌ی تصاویر صفحه‌ی جزئیات، همه به این روش جواب می‌دهند.
  • وقتی مدل می‌تواند در یک درخواست چند تصویر دسته‌ای بسازد، از آن استفاده کنید — مجموعه‌ای که با هم ساخته شده از شش اجرای جدا یکدست‌تر است.
استوری‌برد شش‌فریمی از همان پیک موتوریِ کت‌قرمز در یک سبک بصری ثابت
نمونه‌ی ثالثپیک موتوری در هر شش فریم با همان عبارت‌بندی توصیف شده و به یک تصویر مرجع لنگر شده است. تصویر نمونه از morphic.com.

برش شفاف: تنها گامی که هم تنظیم می‌خواهد هم پرامپت

شفافیت دو چیز را هم‌زمان می‌خواهد: سوژه را در پرامپت منزوی کنید، در تنظیمات پس‌زمینه شفاف را انتخاب کنید و PNG یا WebP بنویسید. JPEG نمی‌تواند کانال شفاف حمل کند.

عبارت‌بندی راهنمای ثالث
محصول را روی پس‌زمینه‌ای کاملاً شفاف منزوی کن. در مرکز، لبه‌های تمیز و تیز، بدون هاله یا ریش‌ریش، لبه‌های آلفای تمیز، حاشیه‌ی سخاوتمندانه در همه‌ی طرف‌ها. هندسه‌ی محصول و متن برچسب دقیقاً حفظ شود. پس‌زمینه‌ی توپر، منظره، شطرنجی یا سایه‌ی افتاده اضافه نکن و سبک محصول را عوض نکن.
مجموعه‌ای از بطری‌های مراقبت پوستی روی سطح سنگی با متن مواد تشکیل‌دهنده‌ی خوانا روی هر بطری
نمونه‌ی ثالثعکس محصول باید دو چیز را هم‌زمان نگه دارد: هندسه و متن برچسب دست‌نخورده، و بافت سطح باورپذیر زیر نور سخت. تصویر نمونه از morphic.com.

بعد فایل را باز کنید و چک کنید، به‌جای اعتماد به چشم. شطرنجیِ نقاشی‌شده شفافیت نیست و این شکستی بسیار رایج است — روی کارِ پس‌زمینه سفید فروشگاهی و تصاویر صفحه‌ی جزئیات هر بار ارزش تأیید دارد. و اگر برش قرار است بیشتر ویرایش شود، الزام حفظ پس‌زمینه شفاف را دوباره بگویید؛ خودبه‌خود منتقل نمی‌شود.

دستور معادل راهنمای رسمی: در درخواست صریحاً ⁦background="transparent"⁩ تنظیم کنید، PNG یا WebP بنویسید و کانال آلفای رمزگشایی‌شده را بررسی کنید — مو، شیشه، سایه‌ها و لبه‌ی اشیا.

برش حساس‌ترین کار به کیفیت در کل مسئله‌ی انتخاب است: به‌محض نرم‌شدن برچسب یا لبه باید تصویر را از نو ساخت، پس ارزش دارد از Sunburst شروع کنید.

فراتر از انتخاب: چهار قابلیت همراه

طبق راهنمای ثالث، این به‌روزرسانی در کنار خود مدل‌ها چهار چیز به ChatGPT اضافه کرد. این‌ها تصمیم انتخاب را عوض نمی‌کنند، اما شیوه‌ی کار شما با هر سطح را عوض می‌کنند. هر چهار توصیفِ زیر از زبان ثالث است؛ صفحه‌ی رسمی آن‌ها را یک‌جا نمی‌گوید.

  • اسکچ: مستقیم در ChatGPT بکشید و از خود نقاشی به‌عنوان مبنای تولید استفاده کنید. اضافه کنید «چیدمان، تناسبات و پرسپکتیو اسکچ حفظ شود، مواد و نور واقع‌گرایانه بماند و عنصر یا متن تازه‌ای اضافه نشود» — وگرنه مدل به‌جای پیروی از اسکچ، آن را بازتفسیر می‌کند.
  • قالب‌ها: نقطه‌های شروع برای قالب‌های رایج مثل پوستر و کالای تبلیغاتی که با پرسش‌های پیگیری پر می‌شوند. راهنمای ثالث می‌گوید در حالت Work هنوز در دسترس نیستند.
  • حاشیه‌نویسی: مستقیم روی تصویر علامت بزنید تا ویرایش به یک نقطه اشاره کند؛ ابزار انتخاب ویرایشگر همان کار را ناحیه‌ای انجام می‌دهد. ثالث هشدار رسمی را منتقل می‌کند: انتخاب همیشه دقیق نیست و تغییرات ممکن است از ناحیه‌ی علامت‌زده بیرون بزند.
  • اشتراک پرامپت: تصویر آماده را همراه با پرامپتِ پشتش منتشر کنید تا کس دیگری همان ایده را با مادیال خودش اجرا کند.

پیش از انتشار: چهار بررسی

چهار بررسی را به‌ترتیب اجرا کنید تا بیشتر مشکلات همان‌جا متوقف شوند. سه تای اول درباره‌ی محتواست؛ چهارمی درباره‌ی خود فایل.

  • متن دقیق و خواناست و به تعدادی که خواستید ظاهر می‌شود؟
  • برچسب‌های دیاگرام واقعاً درست‌اند یا فقط مرتب به نظر می‌رسد؟
  • هویت‌ها، شکل محصولات و متن برچسب‌ها از ویرایش جان سالم به در بردند؟
  • این دور فقط همان چیزی را که خواستید عوض شد یا چیزی بی‌سروصدا جابه‌جا شد؟

اگر شفافیت لازم بوده، فایل را باز کنید و مطمئن شوید کانال آلفا واقعاً آنجاست. اگر تصویر به چاپخانه می‌رود، متن ریز را در اندازه‌ی کامل ببینید نه در بندانگشتی — دقیقاً همان‌جاست که تنظیم «به‌اندازه کافی خوب» خودش را لو می‌دهد.

پرسش‌ها

تفاوت اساسی Flare و Sunburst در چیست؟

تفاوت در هدف بهینه‌سازی است، نه در فهرست قابلیت‌ها. Flare مدل کوچک است و برای سرعت بهینه شده، با کیفیت تصویر قابل مقایسه با GPT Image 2. Sunburst مدل پایه است و برای کیفیت بهینه شده، با کیفیتی بالاتر از GPT Image 2. هر دو از تولید تصویر، ویرایش و پس‌زمینه شفاف پشتیبانی می‌کنند؛ پس انتخاب به این بستگی دارد که این کار حداقلِ کیفیتِ قطعی دارد یا نه.

قاعده انتخاب تک‌جمله‌ای هم وجود دارد؟

بله. برای کاری که کیفیتش قبلاً قبول شده، با Flare شروع کنید و ببینید چقدر تأخیر صرفه‌جویی می‌شود. برای کاری که هنوز قبول نشده، ابتدا نتیجه را با Sunburst تثبیت کنید و بعد آزمایش کنید Flare به همان حد می‌رسد یا نه. ترتیب برعکس برای شما یک پیش‌فرضِ سریع باقی می‌گذارد که قابل انتشار نیست.

راهنمای ثالث می‌گوید تا ⁦50%⁩ سریع‌تر است. می‌توانم بر آن اساس برنامه‌ریزی کنم؟

بهتر است نه. راهنمای ثالث تأخیر Flare را تا حدود ⁦50%⁩ کمتر از Images 2.0 گزارش می‌کند، اما موضع رسمی محافظه‌کارانه‌تر است: زمان پاسخ هم‌زمان به مدل، پرامپت، تصاویر مرجع و تنظیم کیفیت بستگی دارد، و بهبود سرعت روی یک بارِ کاری بهبودی ثابت روی بارِ دیگر را اثبات نمی‌کند. با ⁦50%⁩ مثل یک جهت برخورد کنید، نه یک تعهد، و روی بارِ کاری خودتان اندازه بگیرید.

آیا هر دو مدل تنظیمات کیفیت یکسانی دارند؟

برچسب‌ها یکی است — auto، low، medium، high، xhigh و max — اما راهنمای رسمی تصریح می‌کند که برچسب کیفیت یکسان به معنای کیفیت تصویر یا زمان پاسخ یکسان در مدل‌های مختلف نیست. برای مقایسه‌ی این دو، کیفیتِ به‌طور صریح انتخاب‌شده، پرامپت، تصاویر مرجع و ابعاد خروجی را ثابت نگه دارید، وگرنه در حال مقایسه‌ی دو متغیر هستید.

چرا خروجی مربع گران‌تر است؟

این مشاهده‌ای از راهنمای ثالث است: با تنظیم کیفیت برابر، مربع گران‌ترین شکل است، پس خروجی 16:9 یا 21:9 با همان وضوح اسمی ارزان‌تر از 1:1 تمام می‌شود. شکل را از محل استفاده‌ی تصویر تعیین کنید، نه با پیش‌فرضِ مربع.

اگر در میانه‌ی کار بین Flare و Sunburst جابه‌جا شوم، تصویر تغییر می‌کند؟

بله. پایداری در ویرایش‌های تکراری از بهبودهای شاخص این نسل است، اما راهنمای ثالث یادآوری می‌کند که مستندات رسمی همچنان انحراف در ویرایش‌های متوالی را در فهرست محدودیت‌های شناخته‌شده دارد. هنگام مقایسه‌ی دو سطح، همان پرامپت‌ها و مرجع‌ها را نگه دارید، و اگر چیز تغییرناکرده‌ای عوض شد، به آخرین نتیجه‌ی قابل قبول برگردید به‌جای اینکه رویش اصلاح کنید. جایی که یک ناحیه باید پیکسل‌به‌پیکسل یکسان بماند، راه درست این است که ویرایش تأییدشده را در تصویر اصلی ترکیب کنید، نه پرامپت‌های بیشتر.

بس است مقایسه بخوانید، هر دو را اجرا کنید

هر دو سطح در انتخابگر مدل فضای کاری هستند. با یک پرامپت مشترک از هر دو یک تصویر بگیرید؛ این از هر جدول مقایسه‌ای بهتر است.

باز کردن فضای کاری GPT Image 2.5