کتاب راهنمای رسمی پرامپت GPT Image 2.5، بخش 2

نوشتن یک ویرایش: چه چیزی تغییر می‌کند و چه چیزی نباید

پرامپت تولید تصویر فقط تصویر را توصیف می‌کند. پرامپت ویرایش همزمان هم تصویر را توصیف می‌کند و هم مرز آن را. راهنما این را به دو فهرست موازی تقسیم می‌کند: آنچه باید تغییر کند و آنچه نباید جابه جا شود. اگر فهرست دوم را ننویسید، مدل با کمال میل هر چیزی را که به آن اشاره نکرده اید از نو ترسیم می‌کند.

ویرایش ها از مسیر client.images.edit انجام می‌شوند و تصاویر مرجع در پارامتر image فرستاده می‌شوند؛ ویرایش‌های موضعی که به ماسک نیاز دارند مسیر جداگانه خود را دارند. هشت سناریوی زیر همه بر پایه همین یک الگوی نوشتن بنا شده اند.

• بگو «فقط X را تغییر بده» و جزئیاتی را که باید حفظ شوند فهرست کن: هویت، هندسه، چیدمان، نورپردازی، برچسب ها.
• موارد استثنا را هم اعلام کن: بدون متن اضافه، بدون لوگو، بدون واترمارک.
• برای ویرایش‌های موضعی دقیق، اشباع رنگ، کنتراست، فلش ها، زاویه دوربین و اشیای اطراف را هم نام ببر.
• به هر تصویر ورودی یک نقش و یک شماره بده. سوژه، سبک، پوشاک یا پس‌زمینه.
• در هر نوبت فقط یک تغییر بخواه، خروجی قبلی را به عنوان ورودی بعدی بده و جزئیاتی را که باید حفظ شوند تکرار کن.

سناریوی یک: ترجمه با حفظ چیدمان

ورودی رسمی اینجا اینفوگرافیک ماشین قهوه از بخش اول است: متن آن را به اسپانیایی ترجمه کن و چیز دیگری را تغییر نده. پس از آن دو چیز باید بررسی شود: خود ترجمه و هر واژه ای که به زبان اصلی باقی مانده است.

این پرامپت ارزش بررسی دارد، چون یک جمله تمام ساختار یک ویرایش محدود را بیان می‌کند: یک چیز را تغییر بده و همه چیز دیگر را ثابت نگه دار.

تنظیمات رسمی ویرایش: ⁦size="1024x1536"⁩، ⁦quality="high"⁩.

Translate the text in the infographic to Spanish. Do not change any other aspect of the image.

سناریوی دو: انتقال یک سبک بصری

انتقال سبک زمانی کار می‌کند که به تصویر مرجع یک نقش صریح داده شود: این یکی پالت رنگ، بافت یا متریال را فراهم می‌کند. در پرامپت رسمی، مرجع فقط سبک را فراهم می‌کند و سوژه جدید جداگانه توصیف می‌شود. این دو را در یک بند نگنجانید.

تنظیمات رسمی ویرایش: ⁦size="1024x1536"⁩، ⁦quality="medium"⁩.

Use the same style from the input image and generate a man riding a motorcycle on a white background.

سناریوی سه: حفظ هویت و تغییر پوشاک

این کامل ترین فهرست ثابت نگه داشتن در راهنماست. با این اعلام آغاز می‌شود که فقط پوشاک تغییر می‌کند، سپس آنچه نباید تغییر کند را برمی شمرد: چهره، ویژگی های صورت، رنگ پوست، شکل بدن، حالت، هویت، شباهت، حالت چهره، مدل مو، نسبت ها. حتی پس‌زمینه، زاویه دوربین، کادربندی و کیفیت تصویر را ثابت نگه می دارد و در پایان لوازم جانبی، متن، لوگو و واترمارک را مستثنا می‌کند.

همین ساختار به محصولات هم منتقل می‌شود: آنچه باید بماند شکل قابل تشخیص، برچسب و متریال است و فقط یک چیز مجاز به تغییر است.

تنظیمات رسمی ویرایش: ⁦size="1024x1536"⁩، ⁦quality="medium"⁩. ورودی ها: یک عکس شخص به همراه سه مرجع پوشاک.

Edit the image to dress the woman using the provided clothing images. Do not change her face, facial features, skin tone, body shape, pose, or identity in any way. Preserve her exact likeness, expression, hairstyle, and proportions. Replace only the clothing, fitting the garments naturally to her existing pose and body geometry with realistic fabric behavior. Match lighting, shadows, and color temperature to the original photo so the outfit integrates photorealistically, without looking pasted on. Do not change the background, camera angle, framing, or image quality, and do not add accessories, text, logos, or watermarks.

سناریوی چهار: ترکیب مرجع ها

ترکیب تصویر به سه گزاره نیاز دارد: کدام عنصر جابه جا می‌شود، کجا قرار می‌گیرد و اینکه چیز دیگری تغییر نمی‌کند. نمونه رسمی عکس صحنه را به عنوان تصویر 1 و عکس همراه سگ را به عنوان تصویر 2 می فرستد، با شماره به آن ها اشاره می‌کند و علاوه بر آن نورپردازی، ترکیب بندی و پس‌زمینه را به تصویر اول گره می زند.

تنظیمات رسمی ویرایش: ⁦size="1024x1536"⁩، ⁦quality="medium"⁩.

Place the dog from the second image into the setting of image 1, right next to the woman, use the same style of lighting, composition and background. Do not change anything else.

سناریوی پنج: ساخت برش شفاف محصول

برش ها تنها سناریویی هستند که به هر دو نیمه نیاز دارند: پرامپت و پارامتر. پرامپت رسمی محصولی در مرکز، سیلوئتی واضح، بدون هاله یا لبه های ناخواسته و هندسه محصول و خوانایی برچسب را با دقت کامل می خواهد، سپس پس‌زمینه توپر، شطرنجی، منظره و سایه را صریحاً مستثنا می‌کند. درخواست ⁦background="transparent"⁩ را تعیین می‌کند و PNG یا WebP می نویسد و برای PNG، output_compression حذف می‌شود.

اگر آن نتیجه شفاف باز هم ویرایش شود، راهنما می‌گوید الزام حفظ پس‌زمینه شفاف باید تکرار شود.

تنظیمات رسمی ویرایش: ⁦size="1024x1536"⁩، ⁦quality="medium"⁩، ⁦background="transparent"⁩، ⁦output_format="png"⁩.

Extract the product from the input image and isolate it on a fully transparent background.
Output: centered product, crisp silhouette, no halos/fringing.
Preserve product geometry and label legibility exactly.
Add only light polishing. Do not add a solid backdrop, checkerboard, scenery, or shadow.
Do not restyle the product; remove the background and preserve clean alpha transparency.

سناریوی شش: تبدیل یک طرح به تصویر واقع گرایانه

راهنما تبدیل طرح به تصویر نهایی را چنین تعریف می‌کند: تبدیل یک طرح خام به مفهومی فوتورئالیستیک با حفظ قصد اصلی. پرامپت مانند یک مشخصات فنی نوشته شده است: نخست چیدمان، نسبت ها و پرسپکتیو دقیق را نگه دار، سپس اجازه بده مدل مواد و نورپردازی باورپذیر و همخوان با طرح را انتخاب کند و در پایان با «عنصر یا متن جدید اضافه نکن» در را ببند، که همین قید جلوی بازتفسیر ترکیب بندی توسط مدل را می‌گیرد.

تنظیمات رسمی ویرایش: ⁦size="1024x1536"⁩، ⁦quality="medium"⁩.

Turn this drawing into a photorealistic image.
Preserve the exact layout, proportions, and perspective.
Choose realistic materials and lighting consistent with the sketch intent.
Do not add new elements or text.

سناریوی هفت: حذف یک شیء

حذف، کوتاه ترین پرامپت ویرایش را تولید می‌کند: شیئی را که باید برود نام ببر، سپس همه چیز دیگر را ثابت نگه دار. نمونه رسمی فقط می‌گوید گل را از دست مرد بردار و چیز دیگری را تغییر نده، و همین بند دوم است که شخص، حالت، نورپردازی و ترکیب بندی را محدود به ویرایش نگه می دارد.

تنظیمات رسمی ویرایش: ⁦size="1024x1536"⁩، ⁦quality="medium"⁩.

Remove the flower from man's hand. Do not change anything else.

سناریوی هشت: درج یک شخص در یک صحنه

درج یک شخص در صحنه ای جدید یعنی حل همزمان حفظ هویت و باورپذیری صحنه. پرامپت رسمی همان عکس موزه را به عنوان ورودی می‌گیرد، نخست می خواهد که تصویر مانند یک عکس واقعی به نظر برسد که کسی می توانست گرفته باشد، نه پوستر فیلم؛ سپس موقعیت، نگاه، وضعیت پوشاک و حالت عاطفی او را می‌دهد و در پایان مکان، زمان روز و نور طبیعی را تثبیت می‌کند و نورپردازی سینمایی، تصحیح رنگ نمایشی و ترکیب بندی سبک شده را مستثنا می‌کند.

این بخش یک نکته فنی هم دارد: برای gpt-image-2، پارامتر input_fidelity را حذف کنید، چون ورودی های تصویری همیشه با وفاداری بالا پردازش می‌شوند.

تنظیمات رسمی ویرایش: ⁦size="1024x1536"⁩، ⁦quality="medium"⁩.

Generate a highly realistic action scene where this person is running away from a large, realistic brown bear attacking a campsite. The image should look like a real photograph someone could have taken, not an overly enhanced or cinematic movie-poster image.
She is centered in the image but looking away from the camera, wearing outdoorsy camping attire, with dirt on her face and tears in her clothing. She is clearly afraid but focused on escaping, running away from the bear as it destroys the campsite behind her.
The campsite is in Yosemite National Park, with believable natural details. The time of day is dusk, with natural lighting and realistic colors. Everything should feel grounded, authentic, and unstyled, as if captured in a real moment. Avoid cinematic lighting, dramatic color grading, or stylized composition.

اصلاح در چند نوبت: شروع کن، سپس یک شرط را تغییر بده

قاعده اصلاح در راهنما دو خط است: خروجی قبلی را به عنوان ورودی بعدی بده و هر بار یک چیز را تغییر بده. هدف، قابلیت انتساب است: می توانید بگویید کدام تغییر مؤثر بوده است.

گام یک عکس شامپو را به بیلبوردی در بزرگراه هنگام غروب تبدیل می‌کند، متن بیلبورد را نقل می‌کند و می خواهد که عیناً، یک بار و خوانا باشد، بدون واترمارک یا لوگو. گام دو تنها یک جمله است: آن را به یک غروب زمستانی برفی تبدیل کن. صحنه، چیدمان و متن همگی از نتیجه قبلی منتقل می‌شوند.

تنظیمات رسمی ویرایش (هر دو گام): ⁦size="1024x1536"⁩، ⁦quality="medium"⁩.

Create a realistic billboard mockup of the shampoo on a highway scene during sunset.
Billboard text (EXACT, verbatim, no extra characters):
"Fresh and clean"
Typography: bold sans-serif, high contrast, centered, clean kerning.
Ensure text appears once and is perfectly legible.
No watermarks, no logos.

Make it look like a winter evening with snowfall.

پایداری شخصیت: تثبیت کن، سپس ادامه بده

برای کتابی با چند تصویر، راهنما توصیه می‌کند نخست یک مرجع شخصیت قابل استفاده مجدد بسازید و سپس آن را در صحنه ها، حالت ها و صفحه ها ببرید. روش کار این است که ظاهر، نسبت ها، پوشاک و لحن شخصیت را به عنوان یک تعریف ثابت بنویسید و هر بار که صحنه تغییر می‌کند همان بلوک را تکرار کنید.

تنظیمات رسمی (گام 1 تولید می‌کند، گام 2 ویرایش می‌کند): ⁦size="1024x1536"⁩، ⁦quality="medium"⁩.

Create a children's book illustration introducing a main character.

Character:
A young, storybook-style hero inspired by a little forest outlaw,
wearing a simple green hooded tunic, soft brown boots, and a small belt pouch.
The character has a kind expression, gentle eyes, and a brave but warm demeanor.
Carries a small wooden bow used only for helping, never harming.

Theme:
The character protects and rescues small forest animals like squirrels, birds, and rabbits.

Style:
Children's book illustration, hand-painted watercolor look,
soft outlines, warm earthy colors, whimsical and friendly.
Proportions suitable for picture books (slightly oversized head, expressive face).

Constraints:
- Original character (no copyrighted characters)
- No text
- No watermarks
- Plain forest background to clearly showcase the character

Continue the children's book story using the same character.

Scene:
The same young forest hero is gently helping a frightened squirrel
out of a fallen tree after a winter storm.
The character kneels beside the squirrel, offering reassurance.

Character Consistency:
- Same green hooded tunic
- Same facial features, proportions, and color palette
- Same gentle, heroic personality

Style:
Children's book watercolor illustration,
soft lighting, snowy forest environment,
warm and comforting mood.

Constraints:
- Do not redesign the character
- No text
- No watermarks

گردش کار یک: تغییر مبلمان یک اتاق

راهنما هدف را اینجا واقع گرایی جراحی وار تعریف می‌کند: جایگزینی یک شیء واحد با حفظ زاویه دوربین، نورپردازی، سایه ها و بافت اطراف، تا نتیجه مانند یک عکس واقعی خوانده شود و نه یک بازطراحی. شکل پرامپت چنین است: «فقط X را جایگزین کن» به همراه یک فهرست ثابت نگه داشتن و یک الزام متریال.

تنظیمات رسمی ویرایش: ⁦size="1536x1024"⁩، ⁦quality="medium"⁩.

In this room photo, replace ONLY the white chairs with chairs made of wood.
Preserve camera angle, room lighting, floor shadows, and surrounding objects.
Keep all other aspects of the image unchanged.
Photorealistic contact shadows and fabric texture.

گردش کار دو: طراحی یک کارت تبریک تعطیلات

کارت های مناسبتی همزمان به صحنه، حال و هوا، متریال، نورپردازی و متن دقیق نیاز دارند. نمونه رسمی از یک خرس عروسکی نوستالژیک استفاده می‌کند و «فقط این متن کارت را بگنجان» را به عنوان الزامی مستقل می نویسد و همان جمله را عیناً نقل می‌کند.

تنظیمات رسمی تولید: ⁦size="1024x1536"⁩، ⁦quality="medium"⁩.

Create a Christmas holiday card illustration.

Scene:
a cozy Christmas scene with an old teddy bear sitting inside a keepsake box, slightly worn fur, soft stitching repairs, placed near a window with falling snow outside. The scene suggests the child has grown up, but the memories remain.

Mood:
Warm, nostalgic, gentle, emotional.

Style:
Premium holiday card photography, soft cinematic lighting,
realistic textures, shallow depth of field,
tasteful bokeh lights, high print-quality composition.

Constraints:
- Original artwork only
- No trademarks
- No watermarks
- No logos

Include ONLY this card text (verbatim):
"Merry Christmas — some memories never fade."

گردش کار سه: طراحی محصولات کلکسیونی

مفاهیم محصول و بسته بندی بر نشانه های عکاسی محصول تکیه می‌کنند: متریال، بسته بندی و وضوح چاپ. راهنما الزام می‌کند که طراحی اصیل بماند و ناقض حقوق نباشد و توصیه می‌کند چند نسخه از شخصیت یا بسته بندی را با هم مقایسه کنید. متن بسته بندی هم باز به عنوان الزامی عیناً نقل شده نوشته می‌شود.

تنظیمات رسمی تولید: ⁦size="1024x1536"⁩، ⁦quality="medium"⁩.

Create a collectible action figure of a vintage-style toy propeller airplane with rounded wings, a front-mounted spinning propeller, slightly worn paint edges, classic childhood proportions, designed as a nostalgic holiday collectible, in blister packaging.

Concept:
A nostalgic holiday collectible inspired by the simple toy airplanes
children used to play with during winter holidays.
Evokes warmth, imagination, and childhood wonder.

Style:
Premium toy photography, realistic plastic and painted metal textures,
studio lighting, shallow depth of field,
sharp label printing, high-end retail presentation.

Constraints:
- Original design only
- No trademarks
- No watermarks
- No logos

Include ONLY this packaging text (verbatim):
"Christmas Memories Edition"

اجرای یک نمونه کامل

راهنما یک نمونه قابل‌اجرا هم ارائه می‌دهد: یک درخواست چهار نسخه لوگو تولید می‌کند و درخواست دوم محصولی را از یک تصویر مرجع استخراج می‌کند. راهنما می‌گوید این نمونه همچنان به gpt-image-2 وابسته است و باید به عنوان خط پایه استفاده شود و برای ارزیابی خودتان مدلی در دسترس و تنظیمات درخواست پشتیبانی شده آن را انتخاب کنید.

پیش از اجرا، SDK OpenAI را نصب کنید (برای Python: pip install openai)، OPENAI_API_KEY را تنظیم کنید و عکس محصول را با نام input_images/shampoo.webp ذخیره کنید. راهنما یادآور می‌شود که درخواست‌های واقعی هزینه مصرف API ایجاد می‌کنند.

• صفحه رسمی هم نسخه Python و هم نسخه Ruby دارد؛ نسخه Python در اینجا بازتولید شده است.
• هنگام تولید لوگو، بایت های PNG بازگشتی را حفظ کنید، از جمله کانال آلفا.
• پرامپت استخراج با سناریوی برش شفاف در بالا یکسان است، پس می توان این دو را با هم خواند.

import base64
from pathlib import Path

from openai import OpenAI

client = OpenAI()


prompt = """
Create an original, non-infringing logo for a company called Field & Flour, a local bakery.
The logo should feel warm, simple, and timeless. Use clean, vector-like shapes, a strong silhouette, and balanced negative space.
Favor simplicity over detail so it reads clearly at small and large sizes. Flat design, minimal strokes, no gradients unless essential.
Fully transparent background. Deliver a single centered logo with generous padding, clean alpha edges, and no solid backdrop, scenery, checkerboard, or watermark.
"""

result = client.images.generate(
    model="gpt-image-2",
    prompt=prompt,
    size="1024x1536",
    quality="medium",
    background="transparent",
    output_format="png",
    n=4,  # Generate 4 versions of the logo
)

# Preserve the returned PNG bytes, including the alpha channel.
for index, item in enumerate(result.data, start=1):
    Path(f"logo-generation-{index}-gpt-image-2.png").write_bytes(
        base64.b64decode(item.b64_json)
    )

# Extract a product from a reference image.
prompt = """
Extract the product from the input image and isolate it on a fully transparent background.
Output: centered product, crisp silhouette, no halos/fringing.
Preserve product geometry and label legibility exactly.
Add only light polishing. Do not add a solid backdrop, checkerboard, scenery, or shadow.
Do not restyle the product; remove the background and preserve clean alpha transparency.
"""

result = client.images.edit(
    model="gpt-image-2",
    image=[
        Path("input_images/shampoo.webp"),
    ],
    prompt=prompt,
    size="1024x1536",
    quality="medium",
    background="transparent",
    output_format="png",
)

Path("extract-product-gpt-image-2.png").write_bytes(
    base64.b64decode(result.data[0].b64_json)
)

پیش از انتشار، نتیجه را بررسی کنید

راهنما با یک چک لیست بسته می‌شود و نتایج ویرایش شده بیشتر از همه به آن نیاز دارند: ویرایش دقیقاً همان جایی است که چیزی که هرگز به آن اشاره نکرده اید می‌تواند بی صدا تغییر کند.

• آیا متن الزامی دقیق و خوانا است؟ آیا برچسب ها و روابط نمودار درست هستند؟
• آیا هویت ها، شکل محصولات، برچسب ها و جزئیات مرجع دست نخورده مانده اند؟
• آیا ویرایش فقط همان چیزی را تغییر داد که خواسته بودید؟
• اگر شفافیت لازم است، آیا فایل به جای پس‌زمینه نقاشی شده یک کانال آلفا دارد؟
• هنگام تغییر پرامپت ها یا مدل ها، کیفیت، تأخیر و هزینه را روی ورودی های نماینده مقایسه کنید.