GPT Image 2.5 プロンプトと画像編集完全ガイドおよび中核実践ケース全景解説
あいまいな画像要件を、検査可能な被写体・構図・スタイル・制約へと分解し、単一変数の反復と都度の受け入れ検証によってドリフトを抑制する。

- Flare は速度重視、Sunburst は品質重視。モデル選定にあたっては、自社のワークロードにおいて品質、レイテンシ、失敗率、リトライ回数、合格画像1枚あたりのコストを同時に比較する必要がある。
- 効果的なプロンプトは、保守性の高い視覚仕様書に近い。明確な結果、目に見えるディテール、正確なテキスト、参照画像のロール、そして編集において何を変更し何を維持するかを明記する。
- プロンプトは制御性を高めるが決定論的な結果を保証しない。テキスト、科学的関係、人物や製品の再現性、透過チャンネル、連続編集は、すべて都度検査が不可欠である。
クイック概要:GPT Image 2.5 がもたらす実質的なアップグレード
- 2モデルの役割分担が確立:
gpt-image-2.5-flareは速度重視の小型モデル(画質は GPT Image 2 と同等)、gpt-image-2.5-sunburstは品質重視の基本モデル(画質は GPT Image 2 より向上)。 - カスタム解像度:制約に適合するカスタム寸法に対応:縦横ともに 16 の倍数、最大辺 3840px、アスペクト比 3:1 以内、総画素数は 65.5 万〜829.4 万ピクセル。
- ネイティブな透過背景チャンネル:透過背景の直接リクエスト(
background="transparent"でアルファチャンネル付きの PNG/WebP を出力)に対応。ただし、アルファ、ガラス、毛髪、影、エッジの確認は依然として必要であり、必要に応じて後処理やエンジニアリング合成を組み合わせ、偽のチェッカーボードへの依存を避ける必要があります。 - 編集モードの構造化制約:複数の参照画像に対するロール割り当て(画像1を被写体、画像2を衣装、画像3を背景とするなど)に対応。プロンプトで変更項目と維持項目を明示的に分けることで、画面のドリフト(意図しない変化)を抑制しやすくなります(結果は都度確認が必要)。
- テキストとインフォグラフィックのワークフロー:テキストタイポグラフィ、コマ割り漫画、学術チャート、ビジネススライド、部分的なテキスト翻訳に活用可能。生成結果は依然として人手による確認が必要です。
モデル自体について先に把握したい場合は、サイト内の GPT Image 2.5 モデル紹介 をご覧ください。本記事では引き続き、公式プロンプトガイドと実践的な導入ワークフローに焦点を当てます。
OpenAI は、最新の GPT Image 2.5 シリーズモデル(速度重視の小型モデル Flare と品質重視の基本モデル Sunburst を含む)向けに、公式プロンプトガイドを公開しました。
このガイドの目的は、次の潮流を共有することにあります。AI 画像生成は、単一のテキスト・トゥ・イメージ(T2I)プロンプトのテクニックから、制約を明確に表現し、制御性を高め、都度受け入れ検証を行う「局所編集・複数画像合成・キャラクターの一貫性・エンジニアリング納品」のワークフローへとシフトしつつあります。
ChatGPT を使ってポスター、漫画、UI プロトタイプ、EC 向け画像を制作しているクリエイターであれ、API を旧バージョン(GPT Image 1 / 1.5 / 2)から 2.5 へ移行中の開発者であれ、本解説では公式ガイドの中核メカニズム、パラメータの制約基準、8大作成原則、22の命名ワークフロー(生成 9件、編集 8件、マルチターン 2件、その他 3件)を徹底解剖し、即座に活用できるエンジニアリング水準のプロンプトテンプレートと実装ツールキットを提供します。
パート1:モデル選定と API コアパラメータの制約基準
プロンプトを書く前に、モデルとインターフェースパラメータを整理しておく必要があります。留意すべき点として、汎用的なプロンプト作成手法は参考になるものの、Flare / Sunburst のモデル選定や quality、size、background といった設定は API 呼び出しのコンテキストに属しており、ChatGPT の画面上に必ずこれらの UI コントロールが存在することを示唆するものではありません。公式でも次のように強調されています。「インターフェースパラメータは API リクエスト内で明示的に指定すべきであり、Prompt(プロンプト)の中に混在させて記述してはならない。」
1. Flare と Sunburst:モデル選定と移行の進め方
| モデル識別子 | 位置づけと特徴 | 適用シナリオ | 品質の基準 |
|---|---|---|---|
gpt-image-2.5-flare |
小型モデル、速度重視 | 高並発、リアルタイム対話、レイテンシに敏感なプロトタイプおよび一般的な生成 | 画質は GPT Image 2 と同等 |
gpt-image-2.5-sunburst |
基本モデル、品質重視 | 商業広告、高精細印刷、複雑なインフォグラフィック、要求水準の高いポートレートやライティング | 画質は GPT Image 2 より向上 |
移行の意思決定ツリー
- シナリオ A(既存の GPT Image 2 の結果で十分要件を満たしている場合):まず Flare を接続します。既存のプロンプト、参照画像、解像度を変更せずに維持した状態で、同等の画質を保ちながらエンドツーエンドの応答時間を短縮できるかを検証します。
- シナリオ B(既存ワークフローの結果に課題がある/複雑で難易度の高いタスク):まず Sunburst を接続して品質合格のベースラインを確立します。Sunburst での検証に合格したら、同じ入力を用いて Flare を逆検証します。Flare でも品質要件を満たせる場合は、Flare に切り替えた場合の速度面のメリットを評価します。なお、速度が速いからといって直ちに安価であると推測することはできず、現在の価格、失敗率、リトライ回数、合格画像1枚あたりの総合コストを確認する必要があります。Flare で基準に達しない場合は Sunburst を維持します。
特記事項:モデルをまたぐ品質レベル(Quality)は単純比較不可
2つのモデルで同じquality="medium"を選択したとしても、実際の出力ディテールや生成時間が同一であることを意味するわけではありません。モデル選定の比較を行う際は、同一のテストセット上でサイズとフォーマットを固定して実測する必要があります。
2. インターフェースのコアパラメータと解像度の数学的制約
# API 典型请求结构
response = client.images.generate(
model="gpt-image-2.5-sunburst", # 或 gpt-image-2.5-flare
prompt=prompt_text,
quality="high", # auto (默认), low, medium, high, xhigh, max
size="1536x1024", # 支持预设或自定义
background="transparent", # auto, opaque, transparent
output_format="png", # png, jpeg, webp
)
重要パラメータの制限と隠れたルール
sizeカスタム解像度が満たすべき 4 つのハードな数学的制約:- 1辺の最大長は 3,840 ピクセル を超えてはならない。
- 幅・高さの両辺は 16 の整数倍(1024、1536、2048 など)でなければならない。
- アスペクト比(長辺 : 短辺)は 3:1 を超えてはならない(極端に細長い帯状の画像は禁止)。
- 総ピクセル数は 655,360 〜 8,294,400 ピクセル の範囲内でなければならない。
- 実験的サポート範囲に関する注意:総ピクセル数が 3,686,400 ピクセル(すなわち
2560x1440)を超える場合、システムは実験的サポート段階となります。
- 代表的な標準解像度クイックリファレンス:
- 正方形(1:1):
1024x1024、2048x2048(2K) - 横長風景(3:2 / 16:9):
1536x1024、2048x1152(2K)、3840x2160(4K) - 縦長ポートレート(2:3 / 9:16):
1024x1536、2160x3840(4K)
- 正方形(1:1):
qualityレベル戦略:- 提供されるレベルは
low、medium、high、xhigh、max、およびデフォルトのauto。 - チューニングの鉄則:常にモデルを選定してから画質レベルを調整してください。テキストタイポグラフィ、小サイズの注記、複数のフォントが密集している場合は、テスト開始時に
mediumまたはhighを設定することを推奨します。レイテンシの許容予算が十分にあり、低レベルではシャープネスの要件をどうしても満たせない場合にのみ、xhighやmaxを検討してください。
- 提供されるレベルは
background透過背景:- 透過出力は API リクエストで直接指定可能(
background="transparent"を設定)であり、output_formatはpngまたはwebpでなければなりません。 - PNG に対して
output_compressionを使用することは禁止されています(このパラメータは JPEG および WebP にのみ適用されます)。 - 都度受け入れ検証と後処理:透過出力は直接リクエスト可能ですが、アルファチャンネル、半透明のガラス、毛髪のディテール、影のグラデーション、エッジの輪郭を確認し、モデルが偽のチェッカーボードを生成していないかを確かめる必要があります。納品基準を満たすため、必要に応じて後処理やエンジニアリング合成を組み合わせてください。
- 透過出力は API リクエストで直接指定可能(
3. 旧モデルの廃止タイムテーブル(移行アラート)
本番環境でまだ旧バージョンのモデルを呼び出している場合は、以下のシャットダウン期限と移行の要点に注意する必要があります:
| モデル | 現在のステータス | シャットダウン廃止日(Shutdown Date) | 推奨移行ルート |
|---|---|---|---|
gpt-image-1 |
非推奨(Deprecated) | 2026 年 10 月 23 日 | まず gpt-image-2 で既存ワークフローを検証し、その後に 2.5 を評価。GPT Image 2 への移行時は input_fidelity を省略 |
gpt-image-1.5 |
非推奨(Deprecated) | 2026 年 12 月 01 日 | まず gpt-image-2 で既存ワークフローを検証し、その後に 2.5 を評価。GPT Image 2 への移行時は input_fidelity を省略 |
gpt-image-2 |
安定利用可能 | 現行のベースラインモデル | 既存ワークフロー検証の基準。透過背景は preview。ベースラインが安定した後に 2.5 への移行を評価 |
- 移行検証のパス:GPT Image 1 および 1.5 は、いずれもまず GPT Image 2 で既存ワークフローを検証し、合格を確認した上で 2.5 を評価すべきです。
- サイズパラメータの公式値:GPT Image 1 および 1.5 の
sizeは、いずれも1024x1024、1024x1536、1536x1024、またはautoです。 input_fidelityパラメータの詳細:両者ともにinput_fidelityはlowまたはhighです(GPT Image 1 のhighは画像入力トークンを増加させます)。GPT Image 2 へ移行する際はinput_fidelityを省略します。これは GPT Image 2 が常に高忠実度であるためです(「2.x ではすべて不要」と表記しないよう注意)。- 透過背景のステータス:GPT Image 2 の透過背景は preview です。移行評価の際にはこの機能ステータスに留意してください。
パート2:高効率なプロンプトを作成する8大原則
公式ガイドでは、基本的な生成からマルチターンの編集に至るまでの 8 つの作成基準がまとめられています。実際の書き換えや実装時の照合を容易にするため、以下では各項目をコンパクトな「プロンプト診断カード」として整理しました。プロンプトを詳細化する目的は、意図を明確に伝え、検査の基準を提供して予期せぬ結果が生じるリスクを低減することにありますが、モデルの実行には依然として不確実性が伴うため、生成結果は項目ごとに照合して受け入れ検証を行う必要があります。
1. 出力形態を厳密に定義する(Define the result)
- 中核となる役割:具体的な被写体と納品メディアの種類を明示し、構図とライティングに明確な枠組みを設定します。
【模糊写法|中文】
一个白底上的陶瓷咖啡杯产品图。
【Vague|English】
A product photo of a ceramic coffee mug on a white background.
【可执行改写|中文】
电商白底产品图:一只纯白色哑光陶瓷咖啡杯,置于纯白无缝背景中央,从 45 度俯角拍摄,柔和漫射光,无干扰性阴影。
【Actionable|English】
E-commerce white-background product photography: a matte white ceramic coffee mug centered on a seamless pure white background, photographed from a 45-degree downward angle, with soft diffused lighting and no distracting shadows.
- 受け入れ検証の重点:画面が EC の納品仕様に適合しているか、背景が純白のシームレスになっているか、撮影アングルが 45 度の見下ろし(俯角)になっているか、影が柔らかく邪魔な投影がないかを確認します。
2. メンテナンス性の高いフォーマットを採用する(Choose a maintainable format)
- 中核となる役割:短文、定型段落、タグ、指示文、JSON 風形式のいずれを選択しても構いません。重要なのは、最も読みやすく保守しやすいフォーマットを選ぶことです。複雑なタスクでは、長文が混在するのを避けるため、Scene / Subject / Details / Constraints のブロック分けを選択肢となる構成例として活用できます。
【模糊写法|中文】
画一个在科技实验室做实验的女科学家,桌上有发光蓝色试管和全息投影,画面明亮整洁,不要杂物和文字。
【Vague|English】
Draw a female scientist doing an experiment in a tech lab, with glowing blue test tubes and holographic projections on the desk, bright and neat, no clutter and no text.
【可执行改写|中文】
[Scene] 明亮整洁的现代科技实验室,冷白室内环境光
[Subject] 一位身穿白色实验服的女科学家,正低头专注记录实验数据
[Details] 实验台上整齐摆放发光的蓝色试管与半透明全息分子模型
[Constraints] 画面无杂乱多余物品,背景与界面无额外文字
【Actionable|English】
[Scene] Bright and clean modern tech laboratory, cool white ambient indoor lighting
[Subject] A female scientist in a white lab coat, looking down and focusing on recording experiment data
[Details] Glowing blue test tubes and translucent holographic molecular models neatly arranged on the workbench
[Constraints] No messy redundant items in the scene, no extra text on the background or interfaces
- 受け入れ検証の重点:ブロックごとにシーン環境、人物のポーズ、実験小道具のディテールを照合し、制約に反する余計な雑物や無関係なテキストが出現していないことを確認します。
3. 肉眼で知覚可能な現実の物理的ディテールを描写する(Describe visible details)
- 中核となる役割:目に見える質感、テクスチャ、環境の光と影を用いてリアリティを表現します。カメラの焦点距離や絞りは、光学的な物理シミュレーションではなく、外観のスタイルを示す手掛かり(Cues for appearance)としてのみ機能します。
【模糊写法|中文】
老木匠的高清真实肖像,质感超强,大师级光影,8k 电影感。
【Vague|English】
A high-definition realistic portrait of an old carpenter, incredible texture, master lighting, 8k cinematic feel.
【可执行改写|中文】
真实摄影:一位年长木匠的面部特写,皮肤带有深浅不一的干燥皱纹与微小毛孔,侧方柔和窗光勾勒轮廓,浅景深使工坊背景自然虚化(85mm 镜头外观线索)。
【Actionable|English】
Real photograph: a close-up portrait of an elderly carpenter, showing dry wrinkles of varying depth and visible pores, soft side window light outlining facial contours, shallow depth of field naturally blurring the workshop background (85mm lens appearance cue).
- 受け入れ検証の重点:顔のシワや毛穴など肉眼で見えるディテールが自然であるか、サイド光と浅い被写界深度の外観手掛かりが意図通りであるかを検査します。現実の光学物理指標に照らして評価するわけではありません。
4. 人物のポーズとインタラクションを具体化する(Specify people and actions)
- 中核となる役割:大まかな言葉の代わりに、明確な構図の範囲、身体の状態、相互作用の対象を指定し、身体の動作を明確に表現して、形態の確認基準を提示します。
【模糊写法|中文】
一个在街上骑自行车的男子。
【Vague|English】
A man riding a bicycle on the street.
【可执行改写|中文】
全身构图:一位三十多岁的男子在城市林荫道上骑行,全身可见包括双脚,双手自然抓握平把公路车车把,双眼注视前方路面,双腿处于蹬踏脚踏板的动作中。
【Actionable|English】
Full-body composition: a man in his 30s riding on a tree-lined city street, full body visible including both feet, hands naturally gripping the flat handlebars of a road bike, eyes focused on the road ahead, legs actively pedaling.
- 受け入れ検証の重点:人物の構図が全身(両足を含む)収まっているか、手によるハンドルの把持と足のペダリング動作が調和して自然であるか、視線の向きが正確であるかを確認します。
5. 正確な文字テキストには二重引用符の付与を推奨(Specify exact text)
- 中核となる役割:半角の二重引用符(ダブルクォーテーション)を用いてテキストの文言、レイアウト位置、出現頻度を明確に指定し、余計なテキストを排除することを宣言します。生成後はスペルとレイアウトを一文字ずつ照合する必要があります。
【模糊写法|中文】
咖啡馆门头木招牌,上面写着店名 Morning Brew 和副标题。
【Vague|English】
A wooden storefront sign for a coffee shop, with the shop name Morning Brew and a subtitle on it.
【可执行改写|中文】
复古木质咖啡馆门头招牌,正中以清晰衬线体排版文字 "Morning Brew",下方以较小无衬线体排版副标题 "Artisan Coffee",两处文字各出现且仅出现一次,招牌及画面其他区域无额外杂乱文字。
【Actionable|English】
Vintage wooden coffee shop storefront sign, centered typography in clean serif font reading "Morning Brew", with smaller sans-serif subtitle "Artisan Coffee" below it, each text rendered exactly once, with no extra clutter text anywhere on the sign or scene.
- 受け入れ検証の重点:"Morning Brew" と "Artisan Coffee" のスペル、大文字小文字、階層レイアウトを一文字ずつ照合し、両テキストがそれぞれ正確に1回のみ出現していること、余分な誤字や文字化けがないことを確認します。
6. 編集時は「変更項目」と「維持項目」を明確に区別する(Separate changes from constraints)
- 中核となる役割:画像の局所編集を行う際、変更エリアとロックエリアを明示的に分割して編集意図を明確にし、変更対象外の領域に予期せぬ変化が生じるリスクを低減させます。
【模糊写法|中文】
把图里人物的上衣换成红色羽绒服。
【Vague|English】
Change the person's jacket in the image to a red down jacket.
【可执行改写|中文】
基于原图编辑:仅修改人物上衣为一件红色连帽羽绒服(change only the upper garment to a red hooded down jacket)。严格保留人物面部五官、发型发色、站立姿态、背景街道环境及原有光照角度不变。
【Actionable|English】
Based on original image edit: change only the subject's upper garment to a red hooded down jacket. Keep facial features, hair style and color, standing posture, background street environment, and original lighting angle strictly unchanged.
- 受け入れ検証の重点:元画像と比較して赤いダウンジャケットへの置き換えが自然であることを確認し、人物の顔、髪型、ポーズ、背景の光と影が維持されているかを重点的に検査して、対象外エリアに受動的な変化が生じていないことを確かめます。
7. 複数の参照画像に明確なロールを割り当てる(Assign roles to references)
- 中核となる役割:複数の参照画像を入力する際、各画像に番号とロール分担を明示的に割り当て、要素の抽出関係と配置関係を明確にして、画面合成の検査基準を提供します。
【模糊写法|中文】
结合图 1 和图 2,做一张女人和狗在客厅里的图。
【Vague|English】
Combine Image 1 and Image 2 to make a picture of a woman and a dog in a living room.
【可执行改写|中文】
多图组合:图 1 作为主场景底图,保留客厅空间结构与暖色室内环境光;从图 2 中提取金毛寻回犬,放置在图 1 沙发旁的地毯上;狗的受光角度与地毯投影严格继承图 1 的光源方向。
【Actionable|English】
Multi-image composition: Image 1 serves as the base background scene, preserving the living room spatial structure and warm indoor ambient light; extract the golden retriever from Image 2 and place it on the rug next to the sofa in Image 1; the dog's lighting angle and cast shadow on the rug must inherit the light source direction from Image 1.
- 受け入れ検証の重点:画像1のリビングルーム背景が完全に保持されているか、画像2のゴールデンレトリバーの主体的特徴と比率が正確に抽出されて合成されているかを確認し、犬の受光と影が画像1の環境光の方向と調和しているかを検査します。
8. スモールステップで反復し、1ターンにつき1項目を進める(Iterate deliberately)
- 中核となる役割:複数ターンの精密な調整を行う際は、1回につき単一の変数のみを進め、次のターンでは前ターンで受け入れ検証済みの画像を基準入力とすることで、多重の変更重ね合わせによる予期せぬ変化のリスクを低減させます。
【模糊写法|中文】
把上一轮生成的图换个海滩背景,人物放大一点,光线调暗,再加一副眼镜。
【Vague|English】
Change the background of the image generated last round to a beach, make the person slightly bigger, dim the lighting, and add glasses.
【可执行改写|中文】
基于上一轮已验收确认的图像作为输入:本轮仅执行单项修改——为人物面部添加一副黑色细圆框眼镜(change only: add thin black round-frame glasses)。上一轮已验收确认的人物面部五官、发型、服装、站立构图与背景完全保持不变。
【Actionable|English】
Based on the verified image from the previous round as input: execute only a single change this round—add a pair of thin black round-frame glasses to the subject's face. Keep the previously verified facial features, hairstyle, clothing, standing composition, and background strictly unchanged.
- 受け入れ検証の重点:今回追加された黒縁メガネの装着位置とパースが自然であるかを確認し、前ターンで受け入れ検証済みの画像と比較して、顔の特徴、髪型、服装、背景に予期せぬ受動的な変化が生じていないかを1つずつ確認します。
パート3:中核実践ケース全景解説
公式ガイドでは、22の命名ワークフロー(生成ケース 9件、編集ケース 8件、マルチターンケース 2件、その他 3件)が提供されています。英語の原版プロンプトは実践の出発点であり、実際の使用においては具体的な入力やビジネスシナリオに合わせて適応させる必要があり、成果物には依然として人手による検査が必要です。以下では、各ケースのプロンプト設計目標、主要パラメータ、メカニズムの要点を整理します。
シナリオ1:高忠実度の基本画像生成
ケース1:写実的なポートレートとフィルムの光影(Control style and lighting)
- 生成パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
创建一张逼真的纪实抓拍照片,画面中一位年迈的水手站在一艘小型渔船上。
他有着饱经风霜的皮肤,可见清晰的皱纹、毛孔与日晒纹理,手臂上有几处褪色的传统水手刺青。
他正从容平静地理着渔网,他的狗就坐在甲板一旁。拍摄质感如同 35mm 胶片照片,平视中近景,使用 50mm 镜头。
柔和的海岸自然日光,浅景深,细腻的胶片颗粒感,自然的色彩平衡。
整张画面应给人真切自然、毫无摆拍之感,具备真实的皮肤质感、磨损的材质痕迹与日常细节。不要美颜,不要重度磨皮。
【English】
Create a photorealistic candid photograph of an elderly sailor standing on a small fishing boat.
He has weathered skin with visible wrinkles, pores, and sun texture, and a few faded traditional sailor tattoos on his arms.
He is calmly adjusting a net while his dog sits nearby on the deck. Shot like a 35mm film photograph, medium close-up at eye level, using a 50mm lens.
Soft coastal daylight, shallow depth of field, subtle film grain, natural color balance.
The image should feel honest and unposed, with real skin texture, worn materials, and everyday detail. No glamorization, no heavy retouching.
- コアメカニズムの解説:
- テクスチャの逆抑制:末尾に
No glamorization, no heavy retouching(美肌加工なし、過度なレタッチなし)を明示的に加えることで、モデルに自然な質感を指向させ、過度な修正傾向を抑えやすくします。 - 物理的ヒント:風雪に耐えた肌のシワ、毛穴、日焼けの質感、色あせたタトゥーを明確に列挙し、微細な表面ディテールに具体的なプロンプト目標を設定しています。
- 単一サンプルの観察:公式の単一比較サンプルにおいて、Flare と Sunburst は写実的なスナップショット効果を示しました。この特定サンプルでは、Sunburst の方が髭の質感、漁網の織り目のエッジ、背景の階調表現において、より繊細に見えます。ただし、単一サンプルは参考情報に過ぎず、モデル間の安定的・全体的な優劣の結論として外挿することはできません。
- テクスチャの逆抑制:末尾に
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース2:プロセスの図解とインフォグラフィック(Explain a process visually)
- 生成パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
制作一张详细的信息图,展示类似 Jura 全自动咖啡机的运作原理与工作流程。
从豆仓、研磨,到称重计量、水箱、锅炉等。
我希望从技术和视觉层面清晰理解其工作流程。
【English】
Create a detailed Infographic of the functioning and flow of an automatic coffee machine like a Jura.
From bean basket, to grinding, to scale, water tank, boiler, etc.
I'd like to understand technically and visually the flow.
- コアメカニズムの解説:
- システムレベルのガイダンス:機械のタイプ(Jura 製全自動コーヒーマシン)と、主要な内部コンポーネントのフロー(豆ホッパー -> 豆挽き -> 計量 -> 水タンク -> ボイラー)を明確に指定しています。
- 検査の重点:このような図解を生成した後は、配管の向きやコンポーネントの論理的な接続を必ず人手で検証する必要があり、機械原理に対する AI の自発的な理解に完全に依存することはできません。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース3:正確な広告タグラインのタイポグラフィ(Render exact text)
- 生成パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
为一个名为 Thread 的品牌制作一张具有潮流文化感、酷炫的广告 / 时尚大片。
这是一个面向年轻人的时髦街头潮流品牌。广告展示了一群好友聚在一起玩乐的场景,并带有标语 "Yours to Create."。
让它看起来像是一张面向年轻街头服饰受众的高水准商业宣传大片:时尚、前卫、充满活力且富有品味。
运用干净利落的构图、鲜明强烈的色彩走向、自然的姿态以及高端时尚摄影的视觉质感。
将标语清晰可辨地渲染一次,且仅渲染一次,并自然融入广告版式布局中。
不要多余文字,不要水印,不要无关 logo。
【English】
Give me a cool in culture ad / fashion shot for a brand called Thread.
It's a hip young street brand. The ad shows a group of friends hanging out together with the tagline "Yours to Create."
Make it feel like a polished campaign image for a youth streetwear audience: stylish, contemporary, energetic, and tasteful.
Use clean composition, strong color direction, natural poses, and premium fashion photography cues.
Render the tagline exactly once, clearly and legibly, integrated into the ad layout.
No extra text, no watermarks, no unrelated logos.
- コアメカニズムの解説:
- テキスト出現頻度の明確な要求:
Render the tagline exactly once(タグラインを1回だけレンダリングする)により、スローガンの出現頻度を明確に要求し、ポスターの隅に細切れのテキストが重複して散乱する現象を抑制しやすくします。納品前にはスペルとレイアウトを一文字ずつ受け入れ検証する必要があります。 - レイアウトへの自然な統合:
integrated into the ad layoutにより、テキストが画面の上に乱暴に浮き上がるのではなく、ポスター全体のレイアウト構造に馴染むよう明確に求めています。
- テキスト出現頻度の明確な要求:
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース4:ベクター透過背景ロゴ(Design a reusable logo)
- 生成パラメータ:
size="1024x1536",quality="medium",background="transparent",output_format="png",n=1 - 中英バイリンガル Prompt:
【中文】
为一家名为 Field & Flour 的本地烘焙工坊设计一个原创、无侵权风险的 Logo。
该 Logo 应传递出温暖、简洁与历久弥新的质感。采用干净利落的类矢量图形、鲜明的轮廓剪影以及平衡的留白负空间。
追求极简而非繁复细节,以便在各种缩放尺寸下都能清晰辨识。扁平化设计,极简线条笔触,非必要不使用渐变。
完全透明的背景。交付单个居中 Logo,四周留白充裕,带有干净利落的 Alpha 边缘,无实体背景、场景、假棋盘格或水印。
【English】
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.
- コアメカニズムの解説:
- 背景の除外項目:
no solid backdrop, scenery, checkerboard, or watermarkにより、ベタ塗り背景、情景、偽チェッカーボード、透かしを入れないよう明確に要求しており、生成後も検査が必要です。 - 余白の要求:
generous padding(周囲の十分なパディング)により、アイコンのエッジがフレームによって切り取られるリスクを低減させます(結果は依然として受け入れ検証が必要です)。
- 背景の除外項目:
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:ロゴ案 1 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:ロゴ案 1 · GPT Image 2.5 Sunburst 公式単発出力 |
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:ロゴ案 2 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:ロゴ案 2 · GPT Image 2.5 Sunburst 公式単発出力 |
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:ロゴ案 3 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:ロゴ案 3 · GPT Image 2.5 Sunburst 公式単発出力 |
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:ロゴ案 4 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:ロゴ案 4 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース5:歴史的シーンと現実世界の知識(Use historical and real-world context)
- 生成パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
生成一张写实的户外人群聚集场景,时间地点为 1969 年 8 月 16 日的纽约州贝塞尔。
逼真写实,具有符合该历史时期的服装、舞台布局与现场环境。
【English】
Create a realistic outdoor crowd scene in Bethel, New York on August 16, 1969.
Photorealistic, period-accurate clothing, staging, and environment.
- コアメカニズムの解説:
- 歴史的コンテキストの手掛かり:正確な日付と場所(1969年8月16日、ニューヨーク州ベセル)が、モデルに対して具体的な歴史的コンテキストの手掛かりを提供し、特定の歴史的時代の背景に画面を近づけるよう導きます。
- 時代的特徴と史料の検証:プロンプトでは
period-accurate clothing, staging, and environmentにより時代的特徴の再現を明確に求めていますが、生成された画面内の衣装、ステージ、環境のディテールは依然として史料と照合して人手で検証する必要があり、モデルプロンプト自体が史料の正確性を保証するものではありません。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
シナリオ2:ストーリー、UI、学術・生産性チャート
ケース6:4コマ連環ストーリー漫画(Turn a story into a comic strip)
- 生成パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
创作一组 4 格竖版漫画风格的连环画短片。
分镜 1:主人走出正门离开。宠物被框在主人身后的窗户中,贴在玻璃前显得娇小,睁大眼睛,爪子高高扒在窗上,屋里突然安静下来。
分镜 2:门咔哒一声关上。寂静被打破。宠物缓缓转身面向空荡荡的屋子,姿态转变,眼神因各种可能性而变得敏锐。
分镜 3:整间屋子大变样。宠物像主人一样大摇大摆瘫躺在沙发上,身旁散落着零食碎屑,阳光如聚光灯般洒满房间。
分镜 4:门开了。宠物端端正正地坐在玄关处,警惕而从容,仿佛什么都没发生过一样。
【English】
Create a short vertical comic-style reel with 4 panels.
Panel 1: The owner leaves through the front door. The pet is framed in the window behind them, small against the glass, eyes wide, paws pressed high, the house suddenly quiet.
Panel 2: The door clicks shut. Silence breaks. The pet slowly turns toward the empty house, posture shifting, eyes sharp with possibility.
Panel 3: The house transformed. The pet sprawls across the couch like it owns the place, crumbs nearby, sunlight cutting across the room like a spotlight.
Panel 4: The door opens. The pet is seated perfectly by the entrance, alert and composed, as if nothing happened.
- コアメカニズムの解説:
- コマごとのカメラ言語(Visual Beats):大まかなプロット記述は避け、必ず
Panel 1からPanel 4まで個別に画面の構図、アクション、ライティングを定義する必要があります。 - ペットの名残惜しさからリビングでの大暴れ、そして一瞬での偽装に至るダイナミックな転換は、各コマにおける明確な物理的アクションの描写に依存しています。
- コマごとのカメラ言語(Visual Beats):大まかなプロット記述は避け、必ず
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース7:リアルなモバイル App UI プロトタイプ(Create an interface preview)
- 生成パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
为本地农贸集市制作一个逼真的移动端 App UI 原型展示图。
展示今日集市界面,包含一个简洁的页头、带有小缩略图和品类标签的摊商简短列表、一个精巧的“Today’s specials”专区,以及地点与营业时间的基础信息。
整体设计需实用且易用。纯白背景、柔和自然的点缀色、清晰的字体排版与极简装饰。
外观应如同一款真实上线、设计精良且美观的本地小型集市 App。
将该 UI 原型置于一个 iPhone 机模框架中呈现。
【English】
Create a realistic mobile app UI mockup for a local farmers market.
Show today’s market with a simple header, a short list of vendors with small photos and categories, a small “Today’s specials” section, and basic information for location and hours.
Design it to be practical, and easy to use. White background, subtle natural accent colors, clear typography, and minimal decoration.
It should look like a real, well-designed, beautiful app for a small local market.
Place the UI mockup in an iPhone frame.
- コアメカニズムの解説:
- 概念的なスケッチ用語の排除:「UI concept/wireframe」などの言葉は使わず、
real, well-designed, beautiful appや具体的な機能モジュール名(header, vendor list, specials, hours)を用い、Place the UI mockup in an iPhone frame(実機のモックアップ内に配置する)を指定します。
- 概念的なスケッチ用語の排除:「UI concept/wireframe」などの言葉は使わず、
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース8:高校生物の細胞呼吸科学図解(Scientific and educational visuals)
- 生成パラメータ:
size="1536x1024",quality="high" - 中英バイリンガル Prompt:
【中文】
为高中生制作一张标题为 "Cellular Respiration at a Glance" 的简明生物学图解。
展示葡萄糖如何在细胞内部转化为能量。包含糖酵解、三羧酸循环以及电子传递链。
使用箭头连接各个步骤,并标注主要分子:glucose、pyruvate、ATP、NADH、FADH2、CO2、O2 和 H2O。
使其看起来像一份干净清晰的课堂讲义或幻灯片,具备白色背景、简洁图标、明确标签和易读文字。
避免微小字体、多余装饰或任何让图解难以理解的元素。
【English】
Create a simple biology diagram titled "Cellular Respiration at a Glance" for high school students.
Show how glucose turns into energy inside a cell. Include glycolysis, the Krebs cycle, and the electron transport chain.
Use arrows to connect the steps, and label the main molecules: glucose, pyruvate, ATP, NADH, FADH2, CO2, O2, and H2O.
Make it look like a clean classroom handout or slide, with a white background, simple icons, clear labels, and easy-to-read text.
Avoid tiny text, extra decoration, or anything that makes the diagram hard to understand.
- コアメカニズムの解説:
- 指導デザインの要件書(Instructional Design Brief):高校の授業シナリオを想定し、3大中核反応ステージ(解糖系、クエン酸回路、電子伝達系)および主要な化学分子の略称を指定しています。
- パラメータと科学的ロジックの検証:
quality="high"の設定は比較可能な画質設定に過ぎず、ディテールの鮮明化には寄与しますが、テキストのスペル、矢印の流れ、科学的関係の正しさを保証するものではありません。すべての生化学反応経路と化学記号は、専門家による人手での確認が不可欠です。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース9:YC スタイルの事業計画書ピッチスライド(Build slides, diagrams, and charts)
- 生成パラメータ:
size="1536x864",quality="high"
架空データに関する注意:プロンプト内の $42B / $8.7B / $340M や脚注の "AGI Research, 2024"、"Internal analysis" は、いずれもチャートのレイアウトをデモするために公式が用意した架空のデザイン入力です。実際の業務で使用する際は、検証済みの実データおよび出典に置き換える必要があります。視覚的な完成度の高さは、データの信頼性を意味するものでは決してありません。
- 中英バイリンガル Prompt:
【中文】
制作一张标题为 **"Market Opportunity"** 的商业计划书幻灯片,质感如同出自 YC 孵化初创公司的真实 A 轮融资路演幻灯片。
采用干净的纯白背景、现代无衬线字体(如 Inter),以及利落极简的版式。幻灯片应包含:
* 一个采用低饱和度蓝灰配色的 TAM/SAM/SOM 同心圆图
* 具体、可信的市场规模数据:
* **TAM:** $42B
* **SAM:** $8.7B
* **SOM:** $340M
* 下方配有一张简洁的柱状图,展示 **2021 to 2026** 的市场增长,呈现平缓上升趋势
* 小字号注脚:**"AGI Research, 2024"** 与 **"Internal analysis"**
* 右下角放置一个公司 Logo 占位符
整体设计应呈现出真正成功融到资的路演 PPT 质感:文字高度可读、数据层级分明、间距考究、采用专业的初创公司视觉语言。
避免剪贴画、图库照片、渐变、阴影、装饰性元素,或任何显得平庸或过度设计的元素。
【English】
Create one pitch-deck slide titled **"Market Opportunity"** that feels like a real Series A fundraising slide from a YC-backed startup.
Use a clean white background, modern sans-serif typography like Inter, and a crisp, minimal layout. The slide should include:
* A TAM/SAM/SOM concentric-circle diagram in muted blues and grays
* Specific, believable market sizing numbers:
* **TAM:** $42B
* **SAM:** $8.7B
* **SOM:** $340M
* A clean bar chart below showing market growth from **2021 to 2026**, with a subtle upward trend
* Small footnotes: **"AGI Research, 2024"** and **"Internal analysis"**
* A company logo placeholder in the bottom-right corner
The design should look like it belongs in a deck that actually raised money: highly readable text, clear data hierarchy, polished spacing, and professional startup-style visual language.
Avoid clip art, stock photography, gradients, shadows, decorative elements, or anything that feels generic or overdesigned.
- コアメカニズムの解説:
- レイアウト構造と階層の指定:サンセリフフォント(Inter など)、TAM/SAM/SOM 同心円チャート、時系列推移の棒グラフを指定することで、明瞭な視覚的情報階層を構築し、無意味な装飾やグラデーション、影を明示的に排除しています。
- 視覚的完成度と事実の信頼性の分離:モデルは完成度の高いレイアウトの質感を生成することに長けていますが、グラフの比率、データの真実性、脚注の出典は完全に視覚的なプレースホルダーに過ぎず、そのままビジネス上の根拠とすることはできません。実際の使用にあたっては項目ごとに確認・置換する必要があります。
- 仕様書(Spec)としての記述:抽象的な装飾表現は書かず、具体的な数値($42B, $8.7B, $340M)、時間スパン(2021-2026)、チャート形状(同心円、棒グラフ)、脚注テキストを直接提示します。
- レイアウトの純粋性:クリップアート、グラデーションの影、陳腐なイラストスタイルを明示的に排除しています。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
シナリオ3:精密な画像編集と複数画像合成
画像編集ワークフローでは、呼び出しメソッドが client.images.edit に変わります。
ケース10:レイアウトを維持しながら翻訳(Translate while preserving layout)
- 入力画像:ケース2で生成したコーヒーマシンの図解
- 編集パラメータ:
size="1024x1536",quality="high" - 中英バイリンガル Prompt:
【中文】
将信息图中的文字翻译成西班牙语。不要改动图像的任何其他方面。
【English】
Translate the text in the infographic to Spanish. Do not change any other aspect of the image.
- コアメカニズムの解説:
- テキストの原位置置換の意図とレイアウトの受け入れ検証:プロンプトの意図はテキストを対象言語に置き換え、元のレイアウトとグラフィック要素の構成を極力維持することにあります。しかし、モデルは画像とテキストの完全な分離や背景の完全な維持を保証するものではありません。生成後は、訳漏れや元の言語テキストの残留がないか、元の配管、図形、指示矢印、レイアウト全体に予期せぬ変更が生じていないかを厳格に受け入れ検証する必要があります。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース11:視覚スタイルの抽出と新被写体への転移(Transfer a visual style)
- 入力画像:ドット絵ゲーム画面の参照画像(
pixels.webp) - 編集パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
沿用输入图片的视觉风格,在白色背景上生成一位骑摩托车的男子。
【English】
Use the same style from the input image and generate a man riding a motorcycle on a white background.
- コアメカニズムの解説:
- スタイル転移の目標と要素の照合:プロンプトの意図は、参照画像の視覚スタイルを元の被写体から分離し、「カラーパレット、ピクセルグリッドの粒度、レトロメディアの質感」を抽出して、被写体と背景を新しい描写(白背景のバイクに乗る男性)に置き換えることにあります。同スタイルの継承はリクエストの目標であって絶対的な保証ではないため、生成後はカラーパレットの再現度、ピクセル粒子感、新しい被写体の輪郭の完全性を項目ごとに照合する必要があります。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
![]()
図:入力 / 参照画像 · ピクセルアートのゲーム画面
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース12:顔立ちと体型を維持した衣装の着せ替え(Preserve identity and change clothing)
- 編集パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
编辑这张图片,使用提供的服装图片为这位女士换装。切勿以任何方式改变她的面部、五官、肤色、身形、姿势或身份特征。完全保留她原有的容貌长相、表情、发型与身体比例。仅替换服装,使衣物根据她现有的姿势与身体几何形态自然贴合,并呈现逼真的面料动态。使光照、阴影和色温与原照片保持一致,让整套服装写实自然地融入画面,毫无粘贴拼接感。不要改变背景、相机视角、画面构图或图像质量,也不要添加任何配饰、文字、Logo 或水印。
【English】
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.
- コアメカニズムの解説:
- 維持制約の列挙と項目別検査:プロンプトには、容貌、顔立ち、肌の色、体型、ポーズ、髪型、身体の比率、背景環境、カメラアングルと構図を網羅した詳細な維持要件リストが記載されています。これらは明確な保持要求であり、生成後は元画像と照合して各項目を検査し、顔立ちや体型に崩れが生じていないかを受け入れ検証する必要があります。
- 物理的フィットと光影の融合:人体の幾何学的変形に合わせて衣服が自然なシワやドレープ感(
realistic fabric behavior)を示し、元の環境の色温度や影に一致させるよう要求することで、貼り付け感を軽減しやすくしています。ただし、衣服の接地部や影の遷移の自然さについては、依然として人手による検査が必要です。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| 入力 / 参照画像 | 入力 / 参照画像 |
|---|---|
![]() 図:入力 / 参照画像 · 美術館にいる女性のポートレート |
![]() 図:入力 / 参照画像 · ベージュのジャケット |
| 入力 / 参照画像 | 入力 / 参照画像 |
|---|---|
![]() 図:入力 / 参照画像 · 白いタンクトップ |
![]() 図:入力 / 参照画像 · グレーのブーツ |
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース13:写真間をまたぐ被写体の合成・抽出(Combine references)
- 入力画像:2枚の写真(画像1:街並みの中の女性、画像2:犬を抱く女性の写真)
- 編集パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
将第二张图片中的狗放置在图 1 的场景中,紧挨着那位女士身旁,采用与图 1 相同的光影风格、构图和背景。不要改变其他任何内容。
【English】
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.
- コアメカニズムの解説:
- 画像間転移の意図と光影の受け入れ検証:画像間の転移パスを明確にし、画像2から犬を抽出して画像1の女性の隣に合成し、画像1のライティング、構図、背景環境を継承するよう要求しています。プロンプトには他の変更を排除する要求が含まれていますが、合成後は犬のサイズ比率、接地部の影、街並みのライティングとの調和度を受け入れ検証する必要があります。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| 入力 / 参照画像 | 入力 / 参照画像 |
|---|---|
![]() 図:入力 / 参照画像 · 街中にいる女性 |
![]() 図:入力 / 参照画像 · 女性と犬の参照写真 |
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース14:EC向けシャンプーボトルの透過背景切り抜き(Create a transparent product cutout)
- 編集パラメータ:
size="1024x1536",quality="medium",background="transparent",output_format="png" - 中英バイリンガル Prompt:
【中文】
从输入图片中提取产品主体,并将其孤立放置在完全透明的背景上。
输出要求:产品居中,轮廓清晰利落,无光晕/杂色边缘。
严格保持产品的几何形态与标签的可读性。
仅做轻度润饰修整。不要添加纯色背景、棋盘格、场景或阴影。
不要重新设计产品风格;移除背景并保持干净的 Alpha 透明通道。
【English】
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.
- コアメカニズムの解説:
- エッジ抑制と透明チャンネルの要求:プロンプトでは
crisp silhouette, no halos/fringingを要求し、エッジのバリや色にじみ(フリンジ)を解消してクリーンなアルファチャンネルを出力することを意図しています。 - 幾何学的忠実度の要求とチャンネルの受け入れ検証:指示では製品の幾何学的構造とラベルの可読性の維持を明確に要求していますが、透過背景の出力後は、アルファチャンネルがクリーンで背景色の残留がないか、ボトルのエッジ輪郭にバリやにじみがないか、製品の幾何学的形状が対称性を保っているか、ボトルのラベルの可読状態を項目ごとに受け入れ検証する必要があります(単一サンプルは切り抜きの質感観察用であり、小さなフォントの一文字ずつの検証や安定した忠実度の基準となるものではありません)。
- エッジ抑制と透明チャンネルの要求:プロンプトでは
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):

図:入力 / 参照画像 · シャンプー製品の元写真
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース15:線画スケッチから写実的な風景レンダリングへ(Turn a drawing into a realistic image)
- 入力画像:渓谷のシンプルな線画(
drawings.webp) - 編集パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
将这幅手绘草图转换为写实照片级图像。
完全保留原有的构图布局、比例与透视关系。
选用与草图意图一致的真实材质与光照。
不要添加新元素或文字。
【English】
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.
- コアメカニズムの解説:
- 構図の誘導とトポロジーの受け入れ検証:線画の配置、比率、パース関係がプロンプトの誘導目標であり、スケッチの意図に沿って写実的な岩の質感、水流の反射、植生の影を流し込むよう求めています。しかし、モデル生成時に空間のトポロジー構造が完全に固定されることは保証されないため、生成後は山の稜線、川の蛇行の曲率、奥行きのパースにズレや歪みが生じていないかを受け入れ検証する必要があります。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):

図:入力 / 参照画像 · 渓谷の線画
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース16:部分的なオブジェクトの除去(Remove an object)
- 入力画像:青い帽子をかぶり花を手にした男性
- 編集パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
移除男子手中的花朵。不要改变其他任何内容。
【English】
Remove the flower from man's hand. Do not change anything else.
- コアメカニズムの解説:
- 簡潔な指示とインペイントの受け入れ検証:修正目標が局所的な場合、1文の簡潔な指示によって無関係な領域が影響を受ける確率を低減させやすくなります。ただし、花を除去した後にモデルが手を完全に妥当に補完できると思い込んではならず、指の関節構造、手のひらの形状、隣接する衣服のエッジ、背景のインペイント部分に歪みやアーティファクトがないかを重点的に受け入れ検証する必要があります。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):

図:入力 / 参照画像 · 青い帽子をかぶり花を持つ男性
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース17:ポートレートを高ダイナミックなスリリングシーンへ転移(Insert a person into a scene)
- 入力画像:美術館の女性ポートレート(
woman-in-museum.webp) - 編集パラメータ:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
生成一个高度逼真的动态场景:画面中的人物正在逃离一只袭击露营地的大型写实棕熊。画面看起来应该像某人现场抓拍的真实照片,而非过度渲染或带有电影感的电影海报。
她位于画面中心但视线背对镜头,身穿户外露营服装,脸上带有泥土,衣物上有破损撕痕。她明显心怀恐惧但一心专注于逃生,在身后的棕熊摧毁营地时全力奔跑逃离。
露营地位于优胜美地国家公园(Yosemite National Park),带有真实可信的自然细节。时间为黄昏,采用自然光线与逼真色彩。一切都应显得真实、纯粹、未经刻意造型,宛如抓拍到的现实瞬间。避免电影感布光、戏剧化调色或风格化构图。
【English】
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.
- コアメカニズムの解説:
- 反シネマティックなスタイル誘導とリアリティの受け入れ検証:プロンプトでは
not an overly enhanced or cinematic movie-poster imageおよびAvoid cinematic lighting, dramatic color gradingを繰り返し強調し、実際の野外スナップショットのような自然光、顔の泥汚れ、衣服の破れを表現するよう誘導しています。このような反シネマティックな表現は本質的にスタイル誘導の手法であり、写実的なリアリティを保証するものではありません。生成後は、人物のアイデンティティの一致、ヒグマと人物の疾走アクションにおける解剖学的なリアリティ、キャンプ場背景のパースの自然さを厳格に受け入れ検証する必要があります。
- 反シネマティックなスタイル誘導とリアリティの受け入れ検証:プロンプトでは
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
シナリオ4:マルチターン漸進的微調整とキャラクターの一貫性
ケース18:屋外看板の夕暮れから雪の夜への単一変数微調整(Refine an image across turns)
- 第1ラウンド(日没ポスターの生成):
【中文】
在日落时分的公路场景中,为这款洗发水创建一个逼真的户外广告牌样机。
广告牌文字(精确逐字,无多余字符):
"Fresh and clean"
排版样式:粗体无衬线字体,高对比度,居中对齐,字间距规整清晰。
确保文字仅出现一次且清晰易读。
无水印,无 Logo。
【English】
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.
- 第2ラウンド(単一環境変数の変更、第1ラウンドの出力を入力画像とする):
【中文】
将其调整为雪花纷飞的冬日傍晚景象。
【English】
Make it look like a winter evening with snowfall.
- コアメカニズムの解説:
- ステップバイステップの制御とドリフトの受け入れ検証:複雑な要件を段階的なステップに分解し、第1ステップで看板の構造とタグラインのタイポグラフィを確認し、第2ステップで1文のみを用いて季節と天候環境を変更することで、単一生成の制御難易度を下げやすくします。ただし、ステップごとの微調整が元の被写体のドリフトゼロを保証するわけではないため、マルチターンの編集後は、看板のメインテキストのスペル、配置位置、製品ボトルの形状に予期せぬドリフトが生じていないかを重点的に受け入れ検証する必要があります。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):

図:入力 / 参照画像 · シャンプー製品の元写真
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:第1ラウンド:夕暮れの看板 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:第1ラウンド:夕暮れの看板 · GPT Image 2.5 Sunburst 公式単発出力 |
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:第2ラウンド:雪の夜の看板 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:第2ラウンド:雪の夜の看板 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース19:絵本主人公のシーン間での一貫性維持(Keep a character consistent)
- 第1フェーズ:キャラクターの基本設計と基準イメージの確立:
【中文】
创作一幅介绍主角的儿童绘本插画。
角色:
一个年轻的童话故事风格小英雄,灵感源自森林小侠客,
身穿简朴的绿色连帽束腰上衣,脚穿柔软的棕色靴子,佩戴随身小腰包。
角色神情善良,目光温柔,举止勇敢而温暖。
随身携带一把仅用于助人、从不伤人的小木弓。
主题:
该角色保护并救助松鼠、小鸟与野兔等森林小动物。
风格:
儿童绘本插画,手绘水彩质感,
柔和的轮廓线,温暖的大地色系,充满童趣且亲切友好。
适合图画书的人体比例(头部略大,面容富有表现力)。
约束:
- 原创角色(无受版权保护的角色)
- 无文字
- 无水印
- 质朴的森林背景,以清晰展示角色主体
【English】
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
- 第2フェーズ:基準画像を入力とし、新たなストーリー展開へ:
【中文】
使用同一个角色继续展开儿童绘本故事。
场景:
冬日风暴过后,这位森林小英雄正温柔地帮助一只受惊的松鼠
从倒下的树干中脱困。
角色跪在松鼠身旁,给予它安慰与安全感。
角色一致性:
- 相同的绿色连帽束腰上衣
- 相同的面部特征、比例与调色板
- 相同温柔而勇敢的个性
风格:
儿童绘本水彩插画,
柔和的光线,积雪覆盖的森林环境,
温馨治愈的氛围。
约束:
- 切勿重新设计角色
- 无文字
- 无水印
【English】
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
- コアメカニズムの解説:
- 一貫性の宣言とドリフトの受け入れ検証:第2フェーズで基準画像を渡すと同時に、プロンプト内に
Character Consistencyブロックを明示的に配置し、「同一の緑のフード付きチュニック、同一の顔の特徴・プロポーション」を明確に列挙し、保持要求としてDo not redesign the characterを宣言します。この制約構造は特徴の発散リスクを低減するのに役立ちますが、キャラクターの細部のドリフトを完全に排除できるわけではないため、生成後も顔立ち、髪型、衣服や小道具が基準画像と一貫性を保っているかを人手で受け入れ検証する必要があります。
- 一貫性の宣言とドリフトの受け入れ検証:第2フェーズで基準画像を渡すと同時に、プロンプト内に
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:第1段階:キャラクター基準 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:第1段階:キャラクター基準 · GPT Image 2.5 Sunburst 公式単発出力 |
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:第2段階:雪景色での物語継続 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:第2段階:雪景色での物語継続 · GPT Image 2.5 Sunburst 公式単発出力 |
シナリオ5:商業リテールとインテリアの置き換え(ケース 20〜22)
ケース20:室内の家具の置き換え(Change furniture in a room)
- 目標:局所的な置き換え(surgical realism)を行い、対象のオブジェクトのみを変更しつつ、カメラアングル、室内の採光、床の影、周囲の環境を維持し、全体を再構築することなくリアルな写真効果を提示する。
- 編集設定:
size="1536x1024",quality="medium" - 中英バイリンガル Prompt:
【中文】
在这张房间照片中,仅将白色的椅子替换为木质椅子。
保留相机视角、室内采光、地面阴影与周围物体。
保持图像的所有其他方面完全不变。
呈现逼真写实的接触阴影与面料材质纹理。
【English】
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.
要点:「ONLY the white chairs」と明確に限定し、保持すべきアングル、ライティング、周囲のオブジェクトを列挙します。Photorealistic contact shadows とファブリックの質感は接地影の要件を伝えるものであり、生成後は家具が浮いていないか、周囲の領域がドリフトしていないかを確認します。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):

図:入力 / 参照画像 · 白い椅子がある元のキッチン
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース21:レトロテディベアのホリデーカード(Design a holiday card)
- 目標:ホリデーカードのコンセプトを考案する際、シーン、感情のトーン、質感、ライティング、正確な文案を総合的に描写する。
- 生成設定:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
创作一幅圣诞节日贺卡插画。
场景:
一个温馨的圣诞场景:一只旧泰迪熊坐在纪念盒中,绒毛略有磨损,带有细柔的缝补针脚,放置在窗户旁,窗外飘着雪花。场景暗示当年的孩子已经长大,但美好回忆犹存。
情绪:
温暖、怀旧、温柔、深情。
风格:
高级节日贺卡摄影质感,柔和的电影级布光,
写实质感,浅景深,
雅致的背景虚化光斑,高印刷品质的构图。
约束:
- 仅限原创艺术作品
- 无商标
- 无水印
- 无 Logo
仅包含此卡片文字(逐字一致):
"Merry Christmas — some memories never fade."
【English】
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."
要点:シーン(思い出の小箱に入った古いテディベア、すり減った毛並み、柔らかな修繕の縫い目、窓の外の雪)、感情、写真の質感(柔らかな映画風ライティング、浅い被写界深度、ボケの光輪)を段落ごとに詳細化し、オリジナルかつ商標なしの制約を加え、Include ONLY this card text (verbatim): によってそのスローガンのみを出力するよう明確に要求します。生成後は一文字ずつ検査する必要があります。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
ケース22:ブリスターパック入りのコレクター向け玩具飛行機(Design collectible merchandise)
- 目標:商品撮影用プロンプト(材質、パッケージ形態、印刷の鮮明度)を活用してグッズとパッケージのコンセプトを探求し、デザインの独自性と非侵害性を維持する。
- 生成設定:
size="1024x1536",quality="medium" - 中英バイリンガル Prompt:
【中文】
创作一款复古风格玩具螺旋桨飞机的收藏级模型,带有圆润机翼、前置旋转螺旋桨、微带磨损的掉漆边缘以及经典的童年玩具比例,设计为吸塑包装内的怀旧节日收藏品。
概念:
一款充满怀旧情调的节日收藏品,灵感来自孩子们在冬日假期里玩耍的简朴玩具飞机。
唤起温暖、想象力与童年探索心。
风格:
高端玩具摄影质感,逼真的塑料与烤漆金属纹理,
影棚布光,浅景深,
清晰锐利的标签印刷,高规格零售陈列质感。
约束:
- 仅限原创设计
- 无商标
- 无水印
- 无 Logo
仅包含此包装文字(逐字一致):
"Christmas Memories Edition"
【English】
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"
要点:ブリスターパッケージ(in blister packaging)、少し塗装が剥げたエッジ(slightly worn paint edges)、スタジオライティング、ハイエンドなリテール陳列の質感を明確に指定し、Include ONLY this packaging text (verbatim): によってパッケージテキストを明確に要求します。生成後は一文字ずつ検査する必要があります。
プロンプトは出発点であり、納品結果は項目ごとの検証が不可欠:公式はプロンプトがワークフロー探索の出発点に過ぎないことを強調しています。出力された画像は、実際の使用前にビジネス要件と照らし合わせて検査する必要があります:
- テキストとチャートの正確性:必須テキストは一文字ずつ正確で、明瞭に読めるか? チャートのラベルと対応関係は正しいか?
- 被写体とディテールの完全性:被写体の特徴、製品の幾何学的造形、パッケージのラベル、参照画像のディテールが損なわれずに保持されているか?
- 編集範囲の厳格な制御:指定された局所のみが変更され、その他の環境や無関係な要素に予期せぬドリフトが生じていないか?
- 透過チャンネルの真実性:透過背景を要求した場合、出力された画像に本物のアルファチャンネルが含まれているか(不透明な偽のチェッカーボード背景が描かれていないか)。
公式サンプル|入力と出力の比較(観察・検証用の公式単発サンプルであり、安定したモデル順位を示すものではありません):
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|
![]() 図:結果比較 · GPT Image 2.5 Flare 公式単発出力 |
![]() 図:結果比較 · GPT Image 2.5 Sunburst 公式単発出力 |
パート4:開発者向け本番導入と Python SDK 完全実装
1. 公式 Python SDK ベースラインの例
公式が提供する実行可能なエンドツーエンドの完全なコード例では、依然として一貫して gpt-image-2 がベースラインとして固定されています。開発者はこれを参照基準として活用し、4つの透過ロゴバリエーションの生成や、製品撮影写真から透過背景アセットを抽出するコアフローを検証できます:
実行準備と前提条件:
- 公式の OpenAI Python SDK をインストールし、環境変数
OPENAI_API_KEYを設定する必要があります。- 事前に公式の製品写真をダウンロードし、ローカルパス
input_images/shampoo.webpとして保存しておく必要があります。- リアルタイムのリクエストを発行すると、相応の API 呼び出し料金が発生します。
- この例は公式のベースライン参照コードであり、GPT Image 2.5 の公式推奨呼び出しではありません。GPT Image 2.5(Flare または Sunburst など)の評価を計画している場合は、候補モデルを別途選択し、現在サポートされているリクエストパラメータと構成仕様を慎重に確認する必要があります。
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)
)
2. 本番環境における「ドリフト防止」の真相とエンジニアリング的回避策
公式ガイドには、きわめて率直なエンジニアリング上の警告が記載されています:
複数回の編集を行うと、本来保持を求めていた微細な特徴が変化してしまう可能性があります。局所領域に対して「ピクセル単位での完全一致(Pixel-identical)」という極めて厳格な要件があるビジネスシナリオでは、プロンプトだけに頼るのではなく、フロントエンドまたはエンジニアリング層で「AI によって生成・検証済みの局所パーツを、元の画像に合成して貼り戻す」マスク合成のアプローチを採用すべきです。
パート5:そのままコピーして使える実践ツールキット(持ち帰り用アセット)
アセット1:エンジニアリング向けプロンプトモジュール組立テンプレート(Prompt Master Blueprint)
複雑な商業案件や編集プロンプトを作成する際は、以下の構造をモジュール化された変更の出発点として活用できます。プロンプトテンプレートは、1回の実行で直接合格することを保証するものではありません。実際の業務では具体的なニーズに応じて調整し、結果を項目ごとに検証してください:
【中文】
[任务目标与形态]
生成 [核心主体与场景] 的 [写实照片 / 矢量 Logo / 信息图 / UI 原型 / 幻灯片]。
[主体与动作]
[详细描述人物外观、服装、视线方向、肢体动作,或工业产品的外形与关键机械部件]。
[媒介风格与物理质感]
[指定材质、光影、色温、相机镜头感(如 35mm 镜头、柔和海滨日光、自然皮肤颗粒噪点)]。
[确切排版文本 (可选)]
仅渲染此文本(逐字一致,仅渲染一次):"[必须精确渲染的文字内容]"
排版要求:[字形要求,如粗体无衬线体、居中对齐、规整字间距]。
[严格约束与负向排除]
- 仅修改 [在编辑模式下填入修改项,生成模式下略去]
- 保留 [必须锁定的属性:五官、比例、背景、原有光影角度]
- 带有清晰 Alpha 边缘的全透明背景 (若需透明背景)
- 无多余文字、无无关 Logo、无水印、无重度磨皮修图、无假棋盘格。
【English】
[Goal & Format]
Create a [photorealistic photo / vector logo / infographic / UI mockup / slide] of [core subject and scene].
[Subject & Interaction]
[Describe the person's appearance, clothing, gaze direction, and body movement, or the industrial product's shape and key mechanical components].
[Style & Physical Textures]
[Specify materials, lighting, color temperature, and camera cues such as a 35mm lens, soft coastal daylight, and natural skin grain].
[Exact Typography (optional)]
Render ONLY this text (verbatim, exactly once): "[exact text to render]"
Typography: [type requirements such as bold sans-serif, centered, clean kerning].
[Strict Constraints]
- Change ONLY [the requested edit; omit in generation mode]
- Preserve [locked attributes: facial features, proportions, background, and original lighting direction]
- Fully transparent background with crisp alpha edges (when transparency is required)
- No extra text, no unrelated logos, no watermarks, no heavy retouching, no fake checkerboard.
アセット2:複数画像編集「ロール定義」早見表
| 入力スロット | 一般的な割り当てロール | プロンプトでの推奨バインド構文 |
|---|---|---|
| Image 1 (ベース画像/シーン) | メインシーンのベース画像 / ポートレート基準 / 元のレイアウト | In the setting of Image 1..., Preserve her exact likeness, face, and pose from Image 1... |
| Image 2 (抽出対象/参照) | 抽出対象のオブジェクト / アクセサリー / 新しい被写体 | Place the [object] from Image 2 into Image 1..., Dress the subject using the clothing in Image 2... |
| Image 3+ (補足アセット) | フットウェア / 小道具 / 部分的なスタイル参照 | Match footwear to Image 3..., Adopt the pixel art palette and texture from Image 4... |
アセット3:本番移行とリリース受け入れチェックリスト(Check List)
API トラフィックを新モデルに切り替える前に、以下の項目を順次確認してください:
構造化された意図の表現、精密な局所編集の制約、本物のアルファ透過チャンネルの抽出を習得し、代表的なユースケースに基づく品質・リトライ・合格画像1枚あたりの総合コスト評価のベースラインを確立することで、本番環境において画像生成・編集モデルのエンジニアリング的価値をより安定的かつ効率的に発揮できるようになります。
GPT Image プロンプト&移行ツールキット
会員向け Markdown には、実務用プロンプトテンプレート、複数参照画像のロール表、移行受け入れチェックリストを収録しています。本文だけでも全内容を読めます。
会員向け Markdown をダウンロード

























































