پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

تولید تصاویر با مدل‌های GPT Image

مقدمه

خانواده مدل‌های GPT Image نمایانگر مدل‌های تولید تصویر OpenAI هستند که درک پیشرفته زبان را با قابلیت‌های تولید تصویر پیشرفته ترکیب می‌کنند. این راهنما به شما نشان می‌دهد چگونه از این مدل‌ها از طریق API AvalAI برای تولید و ویرایش تصاویر استفاده کنید.

نکته مهم

برای بهترین نتایج، توصیه می‌شود از پرامپت‌های انگلیسی استفاده کنید زیرا مدل‌های تولید تصویر معمولا برای زبان انگلیسی بهینه‌سازی شده‌اند. برای پشتیبانی فنی یا سوالات، با t.me/AvalAISupport تماس بگیرید.

گزینه‌های مدل

GPT Image 2 (نسل قبلی)

این مدل قدیمی‌تر OpenAI نسبت به GPT Image 1.5 در زمینه‌های زیر بهبود یافته است:

بهترین پایبندی به prompt در رده خود - درک برتر از پرامپت‌های چندبخشی و دقیق
وفاداری بصری بالاتر - خروجی‌های واقع‌گرایانه‌تر با جزئیات ظریف‌تر
رندر متن قوی‌تر - رندر دقیق تایپوگرافی، لوگو و علائم
هزینه خروجی پایین‌تر - خروجی متن از $32.00/۱ میلیون به $10.00/۱ میلیون و خروجی تصویر از $32.00/۱ میلیون به $30.00/۱ میلیون در مقایسه با GPT Image 1.5 کاهش یافته است
پشتیبانی از دو endpoint - با هر دو v1/images/generations و v1/images/edits کار می‌کند

قیمت‌گذاری: ورودی متن $5.00/۱ میلیون توکن، کش شده $1.25/۱ میلیون، خروجی متن $10.00/۱ میلیون، ورودی تصویر $8.00/۱ میلیون، ورودی تصویر کش شده $2.00/۱ میلیون، خروجی تصویر $30.00/۱ میلیون.

GPT Image 1.5

مدل پیشرفته قبلی OpenAI برای تولید و ویرایش تصویر:

پایبندی بهبود یافته به prompt - درک و اجرای بهتر پرامپت‌های دقیق
کیفیت بصری بهتر - خروجی‌های با وفاداری بالاتر و واقع‌گرایانه‌تر
رندر متن بهتر - توانایی بهبود یافته برای رندر دقیق متن در تصاویر
پشتیبانی از تولید و ویرایش - با هر دو endpoint v1/images/generations و v1/images/edits کار می‌کند

قیمت‌گذاری: ورودی متن $5.00/1 میلیون توکن، کش شده $2.00/1 میلیون، خروجی متن $32.00/1 میلیون، ورودی تصویر $8.00/1 میلیون، خروجی تصویر $32.00/1 میلیون.

GPT Image 1

مدل پرچمدار شناخته‌شده تولید تصویر که کیفیت خروجی بالا را با قابلیت‌های پیشرفته پیروی از دستورالعمل ارائه می‌دهد.

GPT Image 1 Mini

یک نسخه مقرون به صرفه از GPT Image 1 که تولید تصویر سریع‌تر و مقرون به صرفه‌تر را با حفظ کیفیت بالای خروجی فراهم می‌کند. برای برنامه‌های با حجم بالا و نمونه‌سازی اولیه کامل است. برای کاربران سطح 3، 4 و 5 در دسترس است.

این راهنما از OpenAI Cookbook رسمی و مخزن GitHub آن، از جمله راهنمای تاریخی دستورهای GPT Image، با تغییر مسیر و کلید API برای AvalAI اقتباس شده است. آن منبع در ۱۴۰۵-۰۶-۲۰ / (2026-09-11) بایگانی شد. این مثال‌ها انتخاب مدل‌های قدیمی را حفظ می‌کنند؛ برای انتخاب مدل GPT Image 2.5 و پارامترهای هر مسیر، راهنمای فعلی تولید تصویر را ببینید.

ویژگی‌های کلیدی

پیروی پیشرفته از دستورالعمل‌ها - با دستورات متنی دقیق، دقیقا آنچه می‌خواهید را ایجاد کنید
کیفیت واقع‌گرایانه - تولید تصاویر با کیفیت بالا و جزئیات چشمگیر
شخصی‌سازی انعطاف پذیر - تنظیم کیفیت، اندازه، فشرده‌سازی و شفافیت
ویرایش تصویر - اصلاح تصاویر موجود یا ترکیب چندین تصویر
پشتیبانی از ماسک - ویرایش بخش‌های خاصی از تصاویر در حین حفظ سایر قسمت‌ها
مسیر ابزار Responses - وقتی route شما در AvalAI پشتیبانی کند، ابزار میزبانی‌شده image_generation را داخل /v1/responses برای تجربه‌های مکالمه‌ای و ویرایش چندمرحله‌ای فراخوانی کنید

Playbook پرامپت‌نویسی برای production

گردش‌کارهای قابل اعتماد GPT Image معمولا از پرامپت‌هایی استفاده می‌کنند که شبیه brief کوتاه محصول یا خلاقه هستند. پرامپت را ساختاریافته بنویسید، کاربرد تصویر را مشخص کنید و جدا کنید چه چیزی باید تغییر کند و چه چیزهایی باید ثابت بمانند.

قالب عمومی

text

Goal: <این تصویر برای چه استفاده می‌شود>
Format: <photo, ad, slide, UI mockup, diagram, product shot>
Canvas: <اندازه، نسبت تصویر، جهت>
Subject: <موضوع اصلی، محصول، شخص یا interface>
Composition: <کادربندی، زاویه، جای‌گذاری، فضای خالی>
Style: <photorealistic, flat vector, editorial, 3D render, ...>
Text: "<متن دقیق داخل تصویر>", جای‌گذاری، تایپوگرافی، زبان
Constraints: no watermark, no extra text, preserve brand colors, keep layout clean

متن داخل تصویر

متن دقیق را داخل کوتیشن بگذارید و جایگاه و hierarchy آن را مشخص کنید. برای labelهای کوچک، infographicهای شلوغ یا متن چندزبانه، از quality="high" شروع کنید.

python

response = client.images.generate(
    model="gpt-image-2",
    prompt=(
        "Goal: product launch slide. Format: clean 16:9 presentation slide. "
        "Canvas: 1536x1024. Subject: a modern analytics dashboard screenshot mockup. "
        'Text: headline exactly "Revenue Signals", subtitle exactly "Weekly pipeline health". '
        "Composition: headline top-left, dashboard centered, three metric callouts on the right. "
        "Style: polished SaaS product visual, crisp typography, restrained colors. "
        "Constraints: no extra words, no watermark, readable text."
    ),
    size="1536x1024",
    quality="high",
)

بومی‌سازی تصویر

برای ترجمه یک design موجود، از مدل بخواهید layout را حفظ کند و فقط متن را جایگزین کند. این الگو برای تبلیغات، screenshotهای UI، packaging و infographic مفید است.

text

Translate all visible English text into Persian.
Preserve the original layout, typography hierarchy, colors, icons, logo placement,
spacing, arrows, and image content. Do not add new claims or extra text.

ویرایش دقیق

در ویرایش، تغییر موردنظر و invariantها را واضح بنویسید. این کار drift را در iterationهای بعدی کمتر می‌کند.

text

Change only the chair color to matte black.
Keep the camera angle, room layout, lighting, shadows, wall color, floor texture,
table position, and all other objects exactly the same.

ترکیب چند تصویر

به هر تصویر ورودی با شماره و نقش آن اشاره کنید.

text

Image 1 is the product photo. Image 2 is the lifestyle background.
Place the product from Image 1 on the table in Image 2.
Match perspective, contact shadow, color temperature, and scale.
Preserve the product label exactly.

تولید پایه تصویر

برای تولید تصویر با مدل‌های GPT Image، شرح متنی تصویر مورد نظر را بنویسید. این مثال برای آموزش الگوهای دستور از gpt-image-2 و مدل‌های قدیمی‌تر استفاده می‌کند. برای گردش‌کار تازه، مدل‌های فعلی و پارامترهای پشتیبانی‌شده را در راهنمای تولید تصویر مقایسه کنید.

PythonJavaScript

python

import base64
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.images.generate(
    model="gpt-image-2",  # یا "gpt-image-1.5"، "gpt-image-1"، "gpt-image-1-mini"
    prompt="یک تصویر واقع‌گرایانه از منظره کوهستانی با دریاچه‌ای که غروب آفتاب را منعکس می‌کند",
    size="1024x1024",
    quality="medium",
)

image_base64 = response.data[0].b64_json
with open("mountain-lake.png", "wb") as image_file:
    image_file.write(base64.b64decode(image_base64))

javascript

import fs from "fs";
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.images.generate({
  model: "gpt-image-2", // یا "gpt-image-1.5"، "gpt-image-1"، "gpt-image-1-mini"
  prompt:
    "یک تصویر واقع‌گرایانه از منظره کوهستانی با دریاچه‌ای که غروب آفتاب را منعکس می‌کند",
  size: "1024x1024",
  quality: "medium",
});

const imageBase64 = response.data[0].b64_json;
fs.writeFileSync("mountain-lake.png", Buffer.from(imageBase64, "base64"));

ابزار تصویر در Responses (وابسته به route)

برای کارهای تک‌مرحله‌ای تصویر، /v1/images/generations را پیش‌فرض نگه دارید. وقتی مدل و حساب AvalAI شما صریحا از ابزار میزبانی‌شده image_generation پشتیبانی می‌کند و تصویر بخشی از مکالمه، agent flow یا ویرایش چندنوبتی است، از /v1/responses استفاده کنید.

در فیلد model از یک مدل متنی سازگار با Responses استفاده کنید و رفتار تصویر را داخل تنظیمات tool بگذارید. action: "generate" تولید تصویر جدید را اجباری می‌کند، action: "edit" را فقط وقتی استفاده کنید که تصویر ورودی در context وجود دارد، و action: "auto" اجازه می‌دهد مدل تصمیم بگیرد. اگر روی routeهای پشتیبانی‌شده باید حتما فراخوانی تصویر انجام شود، tool_choice: { type: "image_generation" } را اضافه کنید؛ در غیر این صورت مدل می‌تواند پاسخ متنی بدهد.

PythonJavaScript

python

import base64
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AVALAI_API_KEY"],
    base_url="https://api.avalai.ir/v1",
)

response = client.responses.create(
    model="gpt-5.6-luna",
    input="Draw a clean product hero image of a matte black smart speaker on a walnut desk.",
    tools=[
        {
            "type": "image_generation",
            "action": "generate",
            "size": "1024x1024",
            "quality": "medium",
        }
    ],
)

image_calls = [item for item in response.output if item.type == "image_generation_call"]

if not image_calls:
    raise RuntimeError("No image was generated; use /v1/images/generations instead.")

with open("responses-product-hero.png", "wb") as image_file:
    image_file.write(base64.b64decode(image_calls[0].result))

print("Revised prompt:", getattr(image_calls[0], "revised_prompt", None))

javascript

import fs from "fs";
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const response = await client.responses.create({
  model: "gpt-5.6-luna",
  input:
    "Draw a clean product hero image of a matte black smart speaker on a walnut desk.",
  tools: [
    {
      type: "image_generation",
      action: "generate",
      size: "1024x1024",
      quality: "medium",
    },
  ],
});

const imageCall = response.output.find(
  (item) => item.type === "image_generation_call"
);

if (!imageCall) {
  throw new Error("No image was generated; use /v1/images/generations instead.");
}

fs.writeFileSync(
  "responses-product-hero.png",
  Buffer.from(imageCall.result, "base64")
);

console.log("Revised prompt:", imageCall.revised_prompt);

شخصی‌سازی گزینه‌های خروجی

مدل‌های GPT Image چندین گزینه برای شخصی‌سازی تصاویر تولید شده ارائه می‌دهند:

اندازه تصویر

می‌توانید اندازه تصویر تولید شده را با استفاده از پارامتر size مشخص کنید:

1024x1024 (مربع)
1024x1536 (عمودی)
1536x1024 (افقی)
auto (پیش‌فرض)

gpt-image-2 از اندازه‌های سفارشی انعطاف‌پذیر هم پشتیبانی می‌کند، به شرطی که ابعاد معتبر باشند و نسبت تصویر بیش از حد کشیده نباشد. برای اطمینان production، ابتدا از 1024x1024، 1024x1536، 1536x1024 یا 2560x1440 شروع کنید و سپس خروجی‌های بزرگ‌تر را تست کنید.

برای اندازه‌های سفارشی gpt-image-2، قبل از ارسال درخواست این چک‌لیست را بررسی کنید:

بلندترین ضلع 3840px یا کمتر باشد.
هر دو بعد مضرب 16px باشند.
نسبت ضلع بلند به ضلع کوتاه بیشتر از 3:1 نباشد.
مجموع پیکسل‌ها بین 655,360 و 8,294,400 باشد.
خروجی‌های بزرگ‌تر از 2560x1440 از نظر latency، هزینه و ثبات بصری روی route AvalAI شما تست شده باشند.

python

# استفاده از GPT Image 2 برای خروجی افقی با کیفیت بالا
response = client.images.generate(
    model="gpt-image-2",
    prompt="یک پرتره با سبک پیکسل آرت از یک گربه با عینک آفتابی",
    size="1536x1024",  # جهت افقی
)

# استفاده از GPT Image 1 Mini برای تولید مقرون به صرفه
response = client.images.generate(
    model="gpt-image-1-mini",
    prompt="یک پرتره با سبک پیکسل آرت از یک گربه با عینک آفتابی",
    size="1024x1536",  # جهت عمودی
    quality="high",  # مشخص کردن سطح کیفیت
)

کیفیت تصویر

کیفیت تصویر تولید شده را با استفاده از پارامتر quality کنترل کنید:

low - تولید سریع‌تر اما کیفیت پایین‌تر
medium - تعادل بین کیفیت و سرعت
high - بالاترین کیفیت اما تولید کندتر
auto (پیش‌فرض)

python

response = client.images.generate(
    model="gpt-image-2",
    prompt="یک تصویر با جزئیات از یک قلعه فانتزی",
    quality="high",  # بالاترین کیفیت
)

فرمت خروجی و فشرده‌سازی

می‌توانید فرمت خروجی و سطح فشرده‌سازی را مشخص کنید:

python

response = client.images.generate(
    model="gpt-image-2",
    prompt="یک طراحی لوگوی مینیمالیستی با اشکال هندسی",
    output_format="jpeg",
    output_compression=75,  # سطح فشرده‌سازی (0-100)
)

پس‌زمینه شفاف

پس‌زمینه شفاف به مدل و مسیر انتخابی وابسته است. راهنمای OpenAI برای مدل gpt-image-2 مقدار background="transparent" را پشتیبانی‌شده نمی‌داند؛ بنابراین تا وقتی مسیر AvalAI شما پشتیبانی شفافیت را برای مدل انتخابی تأیید نکرده، background="auto" یا background="opaque" را نگه دارید. اگر مدل انتخابی از شفافیت پشتیبانی کند، از فرمتی با کانال آلفا مانند png یا webp استفاده کنید.

python

response = client.images.generate(
    model="gpt-image-1",
    prompt="A 3D rendered icon of a rocket, isolated with no visible background",
    output_format="png",
    background="transparent",
)

ویرایش تصاویر

مدل‌های GPT Image می‌توانند تصاویر موجود را بر اساس دستورالعمل‌های متنی اصلاح کنند. این مثال‌های ویرایش با مدل قدیمی‌تر gpt-image-2 نوشته شده‌اند؛ مدل‌های فعلی و پارامترهای ویرایش پشتیبانی‌شده را در راهنمای تولید تصویر مقایسه کنید.

برای فراخوانی مستقیم HTTP REST API، اندپوینت ویرایش https://api.avalai.ir/v1/images/edits است.

برای gpt-image-2، پارامتر input_fidelity را ارسال نکنید؛ راهنمای OpenAI برای این مدل می‌گوید ورودی‌های تصویری را به‌صورت خودکار با وفاداری بالا پردازش می‌کند. در مسیرهای قدیمی‌تر که input_fidelity را ارائه می‌کنند، برای چهره‌ها، لوگوها، بسته‌بندی، تصاویر رابط کاربری یا ویرایش‌هایی که حفظ جزئیات متمایز مهم است از high استفاده کنید.

ویرایش پایه تصویر

python

# باز کردن یک تصویر موجود - استفاده از GPT Image 2
with open("input_image.jpg", "rb") as image_file:
    response = client.images.edit(
        model="gpt-image-2",
        image=image_file,
        prompt=(
            "Change only the background to a tropical beach. "
            "Keep the person, pose, clothing, lighting direction, and camera angle the same."
        ),
    )

edited_image_base64 = response.data[0].b64_json

# استفاده از GPT Image 1 Mini برای ویرایش مقرون به صرفه
with open("input_image.jpg", "rb") as image_file:
    response = client.images.edit(
        model="gpt-image-1-mini",
        image=image_file,
        prompt="تغییر پس‌زمینه به یک ساحل گرمسیری",
    )

ترکیب چندین تصویر

می‌توانید تا 10 تصویر ورودی برای ترکیب یا مرجع ارائه دهید:

python

with open("image1.jpg", "rb") as img1, open("image2.jpg", "rb") as img2:
    response = client.images.edit(
        model="gpt-image-2",
        image=[img1, img2],
        prompt=(
            "Image 1 is the person. Image 2 is the setting. "
            "Place the person from Image 1 naturally into Image 2. "
            "Match perspective, lighting, scale, and shadows."
        ),
    )

استفاده از ماسک برای ویرایش دقیق

برای کنترل دقیق‌تر روی بخش‌هایی از تصویر که اصلاح می‌شوند، می‌توانید یک ماسک با کانال آلفا ارائه دهید:

python

with open("input_image.jpg", "rb") as image_file, open("mask.png", "rb") as mask_file:
    response = client.images.edit(
        model="gpt-image-2",
        image=image_file,
        mask=mask_file,
        prompt="اضافه کردن گل‌های رنگارنگ به منطقه ماسک شده",
    )

تصویرهای جزئی در Streaming (وابسته به route)

اگر route انتخابی AvalAI از streaming تصویر پشتیبانی کند، با partial_images می‌توانید هنگام رندر شدن خروجی نهایی preview تدریجی نشان دهید. تصویرهای جزئی را فقط preview بدانید؛ asset نهایی را از پاسخ کامل ذخیره کنید.

python

import base64

stream = client.images.generate(
    model="gpt-image-2",
    prompt="A cinematic river made of white owl feathers in a quiet winter forest",
    stream=True,
    partial_images=2,
)

for event in stream:
    if event.type == "image_generation.partial_image":
        with open(f"river-partial-{event.partial_image_index}.png", "wb") as file:
            file.write(base64.b64decode(event.b64_json))

ایجاد ماسک با کانال آلفا

اگر نیاز به ایجاد یک ماسک با کانال آلفا از یک تصویر سیاه و سفید دارید:

python

from PIL import Image
from io import BytesIO

# بارگذاری ماسک سیاه و سفید به عنوان تصویر خاکستری
mask = Image.open("bw_mask.png").convert("L")

# تبدیل به RGBA و استفاده از خود ماسک برای کانال آلفا
mask_rgba = mask.convert("RGBA")
mask_rgba.putalpha(mask)

# ذخیره ماسک با کانال آلفا
mask_rgba.save("mask_with_alpha.png", "PNG")

محاسبه هزینه GPT Image 2 برای ویرایش تصویر

وقتی تصاویر را با gpt-image-2 از طریق v1/images/edits ویرایش می‌کنید، صورتحساب کاملا مبتنی بر توکن است. هیچ هزینه ثابتی برای هر ویرایش وجود ندارد: شما برای توکن‌های متن پرامپت، توکن‌های تصویر هر تصویر مرجعی که آپلود می‌کنید و توکن‌های تصویر خروجی که مدل برمی‌گرداند پرداخت می‌کنید. مقادیر quality و size که درخواست می‌دهید توکن‌های تصویر خروجی را تعیین می‌کنند که معمولا بیشترین سهم را در هزینه ویرایش دارند.

هزینه‌های تقریبی هر تصویر بر اساس کیفیت و رزولوشن

GPT Image 2 از صورتحساب کاملا مبتنی بر توکن استفاده می‌کند. ارقام زیر تخمین‌های ماشین‌حساب از ابزار محاسبه هزینه تولید تصویر OpenAI هستند، نه نرخ‌های ثابت. هزینه واقعی بسته به پیچیدگی پرامپت، اندازه تصویر و اینکه آیا تصاویر مرجع شامل شده‌اند متفاوت است.

کیفیت پایین (تقریبی):

رزولوشن	هزینه تقریبی هر تصویر
1024x1024 (مربع)	~$0.008
1024x1536 (عمودی)	~$0.012
1536x1024 (افقی)	~$0.012

کیفیت متوسط (تقریبی):

رزولوشن	هزینه تقریبی هر تصویر
1024x1024 (مربع)	~$0.032
1024x1536 (عمودی)	~$0.048
1536x1024 (افقی)	~$0.048

کیفیت بالا (تقریبی):

رزولوشن	هزینه تقریبی هر تصویر
1024x1024 (مربع)	~$0.125
1024x1536 (عمودی)	~$0.187
1536x1024 (افقی)	~$0.187

این برآوردهای تاریخی فقط توکن‌های تصویر خروجی GPT Image 2 را با نرخ $30.00 / ۱ میلیون توکن پوشش می‌دهند. ویرایش مستقیم، هزینه ورودی متن پرامپت ($5.00 / ۱ میلیون) و ورودی هر تصویر مرجع ($8.00 / ۱ میلیون) را نیز اضافه می‌کند. راهنمای ورودی حافظه نهان OpenAI نرخ‌های حافظه نهان GPT Image 2 و 2.5 را به ابزار تولید تصویر در Responses محدود می‌کند؛ این نرخ‌ها برای درخواست‌های مستقیم Images API، از جمله /v1/images/edits، اعمال نمی‌شوند. خروجی Responses تعداد توکن‌های حافظه نهان ابزار تصویر را نشان نمی‌دهد؛ بنابراین با usage نمی‌توان این استفاده از حافظه نهان را تأیید کرد. پیش از برآورد هزینه، قیمت‌گذاری AvalAI و حسابداری واقعی مسیر انتخابی را بررسی کنید.

هر تنظیم کیفیت دقیقا چه چیزی تولید می‌کند

تنظیمات کیفیت صرفا یک درجه‌بندی بین بدتر و بهتر نیستند. هر سطح برای موارد استفاده مشخصی مناسب است و انتخاب سطح درست تاثیر مستقیمی بر هزینه‌های ماهانه دارد:

کیفیت پایین: تولید سریع‌تر با کمترین هزینه. برای پیش‌نویس‌ها، دارایی‌های دیجیتال کوچک و pipelineهای خودکار که کنترل هزینه از جزئیات ظریف مهم‌تر است مناسب است.
کیفیت متوسط: برای بیشتر تولیدات بازاریابی و محتوا مناسب است: تصاویر شبکه‌های اجتماعی، گرافیک‌های تحریریه، mockup محصول و دارایی‌های کمپین. در اکثر زمینه‌ها برای انتشار حرفه‌ای کافی است.
کیفیت بالا: برای دارایی‌های نهایی production طراحی شده که دقت در سطح پیکسل اهمیت دارد: عکاسی محصول شاخص، مواد چاپی با رزولوشن بالا، طراحی بسته‌بندی و mockupهای دقیق UI.

نکات عملی کنترل هزینه برای ویرایش

برای iteration و پاس‌های پیش‌نمایش از quality="low" استفاده کنید، سپس فقط ویرایش نهایی تاییدشده را با quality="high" مجددا اجرا کنید.
تصاویر مرجع را در کوچک‌ترین رزولوشنی نگه دارید که همچنان جزئیاتی را که باید حفظ شوند نگه می‌دارد؛ هر تصویر آپلودشده توکن‌های ورودی تصویر اضافه می‌کند.
استفاده دوباره از تصاویر مرجع در درخواست مستقیم /v1/images/edits مشمول نرخ ورودی حافظه نهان OpenAI نمی‌شود. اگر از ابزار تصویر Responses با پشتیبانی تأییدشده استفاده می‌کنید، پیش از اتکا به صرفه‌جویی حافظه نهان، حسابداری AvalAI را بررسی کنید.
برای ویرایش‌هایی که به کادربندی عمودی یا افقی نیاز ندارند، خروجی 1024x1024 را ترجیح دهید، زیرا خروجی‌های مربع در هر سطح کیفیت کمترین توکن‌های تصویر خروجی را دارند.

انتخاب مدل GPT Image

برای گردش‌کار تازه، مدل‌های فعلی GPT Image 2.5 و پارامترهای پشتیبانی‌شده را در راهنمای تولید تصویر مقایسه کنید. شناسه مدل‌های قدیمی در این صفحه حفظ شده‌اند تا مثال‌های موجود همچنان قابل‌فهم باشند.

برای مهاجرت گردش‌کار موجود، مدل پیشنهادی را با مدل فعلیِ آزموده‌شده روی پرامپت‌ها و تصاویر مرجع یکسان مقایسه کنید. پیش از تغییر مدل، خوانایی متن، حفظ هویت و چیدمان، درخواست‌های ناموفق، تأخیر اندازه‌گیری‌شده و هزینه واقعی را بررسی کنید. سطح‌های کیفیت و فیلدهای اختیاری به مدل و مسیر بستگی دارند؛ تنظیمات مدل قدیمی را بدون بررسی پشتیبانی به مدل تازه منتقل نکنید.

بهترین شیوه‌ها برای مدل‌های GPT Image

در دستورات خود دقیق و جزئی باشید - مدل به توضیحات دقیق، از جمله سبک، نورپردازی، ترکیب‌بندی و جزئیات موضوع به خوبی پاسخ می‌دهد.
سبک مورد نظر را به صراحت مشخص کنید - به عنوان مثال، "واقع‌گرایانه"، "نقاشی رنگ روغن"، "هنر دیجیتال"، "طراحی با مداد" و غیره.
در صورت امکان از تصاویر مرجع استفاده کنید - هنگام ویرایش یا تلاش برای دستیابی به یک سبک خاص، ارائه تصاویر مرجع می‌تواند به هدایت مدل کمک کند.
با تنظیمات کیفیت آزمایش کنید - بر اساس نیازهای خود برای سرعت در مقابل جزئیات، تنظیمات کیفیت مختلف را امتحان کنید.
از ماسک و invariantها برای کنترل دقیق استفاده کنید - وقتی فقط یک بخش از تصویر را تغییر می‌دهید، در صورت امکان mask بدهید و دقیق بنویسید چه چیزهایی نباید تغییر کنند.
پرامپت بازنویسی‌شده را بررسی کنید - وقتی revised_prompt وجود دارد، آن را ذخیره کنید تا تیم پشتیبانی بتواند بازنویسی prompt و خروجی‌های غیرمنتظره را debug کند.
state تصویر را برای flowهای Responses نگه دارید - قبل از follow-up، مسیر فایل ذخیره‌شده، file ID، مقدار previous_response_id یا شناسه image_generation_call را نگه دارید.

محدودیت‌ها

مدل ممکن است گاهی تصاویری تولید کند که دقیقا با دستور شما مطابقت ندارد
صحنه‌های بسیار پیچیده با چندین عنصر ممکن است به طور کامل ارائه نشوند
ارائه متن در تصاویر ممکن است ناسازگار یا نادرست باشد
هنگام استفاده از ماسک‌ها، ممکن است برخی نشت‌ها فراتر از مرزهای ماسک رخ دهد
پرامپت‌های پیچیده ممکن است از درخواست‌های متنی کندتر باشند؛ برای queue و loading state مناسب طراحی کنید
پس‌زمینه شفاف به مدل وابسته است و در حال حاضر برای gpt-image-2 پشتیبانی نمی‌شود
برای مدل‌های قدیمیِ این مثال‌ها، تنظیمات کیفیت پیش‌نویس و خروجی نهایی را روی نمونه‌های خود مقایسه کنید؛ برای انتخاب مدل در گردش‌کار تازه به راهنمای فعلی مراجعه کنید

نتیجه‌گیری

این مثال‌های مدل‌های قدیمی، شرح دقیق تصویر، تصاویر مرجع و ویرایش محدود را نشان می‌دهند. برای گردش‌کار تازه در AvalAI، مدل فعلی را انتخاب و پارامترهای مسیر آن را با راهنمای تولید تصویر بررسی کنید.

برای اطلاعات بیشتر در مورد تولید تصویر با AvalAI، لطفا به راهنمای تولید تصویر ما مراجعه کنید.

تولید تصاویر با مدل‌های GPT Image ​

مقدمه ​

گزینه‌های مدل ​

GPT Image 2 (نسل قبلی) ​

GPT Image 1.5 ​

GPT Image 1 ​

GPT Image 1 Mini ​

ویژگی‌های کلیدی ​

Playbook پرامپت‌نویسی برای production ​

قالب عمومی ​

متن داخل تصویر ​

بومی‌سازی تصویر ​

ویرایش دقیق ​

ترکیب چند تصویر ​

تولید پایه تصویر ​

ابزار تصویر در Responses (وابسته به route) ​

شخصی‌سازی گزینه‌های خروجی ​

اندازه تصویر ​

کیفیت تصویر ​

فرمت خروجی و فشرده‌سازی ​

پس‌زمینه شفاف ​

ویرایش تصاویر ​

ویرایش پایه تصویر ​

ترکیب چندین تصویر ​

استفاده از ماسک برای ویرایش دقیق ​

تصویرهای جزئی در Streaming (وابسته به route) ​

ایجاد ماسک با کانال آلفا ​

محاسبه هزینه GPT Image 2 برای ویرایش تصویر ​

هزینه‌های تقریبی هر تصویر بر اساس کیفیت و رزولوشن ​

هر تنظیم کیفیت دقیقا چه چیزی تولید می‌کند ​

نکات عملی کنترل هزینه برای ویرایش ​

انتخاب مدل GPT Image ​

بهترین شیوه‌ها برای مدل‌های GPT Image ​

محدودیت‌ها ​

نتیجه‌گیری ​

تولید تصاویر با مدل‌های GPT Image

مقدمه

گزینه‌های مدل

GPT Image 2 (نسل قبلی)

GPT Image 1.5

GPT Image 1

GPT Image 1 Mini

ویژگی‌های کلیدی

Playbook پرامپت‌نویسی برای production

قالب عمومی

متن داخل تصویر

بومی‌سازی تصویر

ویرایش دقیق

ترکیب چند تصویر

تولید پایه تصویر

ابزار تصویر در Responses (وابسته به route)

شخصی‌سازی گزینه‌های خروجی

اندازه تصویر

کیفیت تصویر

فرمت خروجی و فشرده‌سازی

پس‌زمینه شفاف

ویرایش تصاویر

ویرایش پایه تصویر

ترکیب چندین تصویر

استفاده از ماسک برای ویرایش دقیق

تصویرهای جزئی در Streaming (وابسته به route)

ایجاد ماسک با کانال آلفا

محاسبه هزینه GPT Image 2 برای ویرایش تصویر

هزینه‌های تقریبی هر تصویر بر اساس کیفیت و رزولوشن

هر تنظیم کیفیت دقیقا چه چیزی تولید می‌کند

نکات عملی کنترل هزینه برای ویرایش

انتخاب مدل GPT Image

بهترین شیوه‌ها برای مدل‌های GPT Image

محدودیت‌ها

نتیجه‌گیری