ZingPix
Pro
返回博客

ChatGPT Images 2.5 Prompt Guide：从想法到可控图像的提示词方法

分享 ChatGPT Images 2.5 的提示词方法、图片生成与编辑技巧，以及实用的创作指南和产品更新。

2026年9月12日Edward

ChatGPT Images 2.5 的提示词重点不是堆叠形容词，也不是寻找某种隐藏的“神奇关键词”。OpenAI 当前官方指南强调：先明确最终要得到什么，再描述主体、动作、构图、风格以及必须保留的内容。编辑图片时，还需要清楚说明哪些地方要改变、哪些地方不能改变。[^1]

需要区分两个相关名称：

  • ChatGPT Images 2.5：ChatGPT 中的图像创作体验。

  • GPT-Image-2.5 Flare / Sunburst：OpenAI API 中提供的两个图像模型。

OpenAI 官方将 Flare 定位为更偏速度和日常生成的模型，将 Sunburst 定位为更适合高质量和精确编辑的模型。[^2][^3]

先选模型，再写提示词

Flare：适合速度优先的工作流

如果任务需要快速出草稿、测试多个视觉方向或批量生成日常素材，可以优先测试 gpt-image-2.5-flare。

它适合：

  • 社交媒体图片；

  • 商品概念图；

  • 海报草稿；

  • 视觉方向探索；

  • 需要快速迭代的内容。

Sunburst：适合精度优先的工作流

如果任务更重视编辑范围、主体保留、复杂构图或最终质量，可以测试 gpt-image-2.5-sunburst。

它更适合：

  • 生产级广告视觉；

  • 复杂产品图；

  • 多区域编辑；

  • 人物或产品主体保留；

  • 文字密集的海报和信息图。

官方指南建议根据自己的真实任务进行对比，而不是仅凭模型名称推断速度、质量或价格。比较时应固定提示词、参考图、尺寸和质量设置，然后观察指令遵循、主体保留、文字准确度、意外变化、响应时间、失败率和成本。[^1]

官方推荐的提示词结构

一条适合长期使用的提示词，通常需要回答以下问题：

  1. 图片的用途是什么？

  2. 主要主体是什么？

  3. 主体正在做什么？

  4. 场景发生在哪里？

  5. 画面如何构图？

  6. 光线、材质和色彩是什么？

  7. 哪些文字必须准确出现？

  8. 哪些内容必须保持不变？

  9. 哪些内容不应该出现？

OpenAI Academy 指出，好的图像提示词通常不需要很长，1–3 个清晰句子就可以开始。清晰、具体的描述通常比模糊的风格形容词更可靠。[^4]

可以使用下面的结构：

目标：
说明图片的用途和最终交付形式。

主体：
说明主要人物、产品、物体或场景。

动作与关系：
说明主体正在做什么，以及主体之间的关系。

环境：
说明地点、时间和背景。

构图：
说明画幅、视角、主体位置、留白和景别。

光线与材质：
说明光线方向、色彩、材料、纹理和视觉媒介。

文字：
使用引号写出必须出现的文字，并指定位置、大小、颜色和排版。

必须保留：
列出不能改变的身份、结构、比例、布局或标签。

不要出现：
列出多余文字、Logo、水印、人物或其他不希望出现的内容。

这不是模型必须遵守的固定语法，而是一种方便检查和维护需求的写法。官方文档同时支持自然段、结构化文本、JSON-like 格式和标签式表达，关键是选择最容易读懂的形式。[^1]

例子：生成产品主视觉

为一家精品咖啡品牌制作一张电商首页主视觉。

主体是一杯透明玻璃杯装的冰咖啡，放在浅色石材桌面上。
画面使用三分之二侧面视角，杯子位于右侧，左侧保留干净留白用于放置营销文案。
使用柔和的窗边自然光，突出玻璃反射、冰块和咖啡液体的层次。
整体风格真实、克制，适合商业产品摄影。
不要加入额外文字、人物、品牌 Logo 或水印。

这条提示词没有依赖大量风格词，而是把商品、位置、光线、材质和限制条件分别说明。

主体和动作要写得具体

只写“一个人在街上”通常不足以控制画面。可以继续说明：

  • 人物是半身、全身还是特写；

  • 脚部是否需要出现在画面中；

  • 人物的视线方向；

  • 手如何接触物体；

  • 主体之间的相对位置；

  • 主体占画面的比例。

例如：

生成一张真实街头摄影风格的照片。

一名穿深绿色夹克的年轻女性站在旧书店门口，身体略微朝右侧转动，
右手拿着一本打开的书，目光看向书页。
画面使用中景，人物从头到膝盖清晰可见，书店招牌位于背景左侧。

“全身可见，脚部包含在画面内”“目光看向打开的书”“双手自然握住车把”等具体动作，通常比“姿态自然”“动作生动”更容易执行。[^1]

构图和光线要描述可观察的内容

“电影感”“高级感”“大片风格”本身信息量很低。更有效的写法是说明：

  • 平视、俯拍或低机位；

  • 特写、中景或全身；

  • 主体位于左侧、中央还是右侧；

  • 画面留白在哪里；

  • 光线从哪个方向进入；

  • 阴影是柔和还是强烈；

  • 材质是金属、玻璃、木材还是织物。

例如：

使用平视中近景构图，主体位于画面右侧，
左侧保留约三分之一干净留白。
柔和的侧面窗光从左上方进入，人物面部保留自然皮肤纹理，
背景轻微虚化，但仍能看出室内植物和木质书架。

镜头参数可以作为视觉提示，但不能当成精确物理模拟的保证。除了焦段，还应描述景别、主体距离、背景虚化和画面比例。[^1]

图片中的文字要单独约束

OpenAI 官方建议把所需文字放在引号中，并明确说明位置、字体、大小、颜色和出现次数。生成后仍应检查拼写和可读性。[^1][^4]

制作一张面向年轻上班族的城市咖啡广告海报。

主标题必须准确显示：
“MONDAY, MADE BETTER”

标题只出现一次，使用粗体无衬线字体，
白色文字，位于画面顶部中央，清晰可读。
不要添加任何其他文字、Logo、水印或随机字母。

对于品牌名或不常见单词，可以进一步说明拼写。文字越多，就越需要减少无关装饰并检查最终输出。

编辑任务要明确“改变什么”和“保留什么”

例如，不要只写“把衣服换成黑色”，而应明确限制范围：

只改变人物的外套颜色，将其改为深红色。

保持人物的脸、发型、肤色、身体比例、姿势、表情、
背景、镜头角度、构图、光线和阴影不变。
不要增加任何文字、Logo、配饰或其他人物。

官方指南建议在编辑中使用“只改变 X”的表达，并列出需要保留的身份、几何结构、布局、光线和标签。[^1]

但自然语言提示词无法保证像素级不变。如果某一区域必须完全保留，应使用图像合成或其他确定性的后处理方法，而不是只依赖提示词。[^1]

多张参考图需要分配角色

不要只写“参考这些图片”。应该说明每张图承担什么作用：

图片 1 是最终场景和构图参考。
图片 2 是人物服装参考。
图片 3 是产品包装参考。

保留图片 1 的空间布局和镜头角度，
使用图片 2 的服装，
将图片 3 的包装放在前景右侧的桌面上。
不要改变图片 1 中的背景结构和光线方向。

OpenAI Academy 建议使用图片编号，并用“左侧、右侧、前景、背景”等空间词描述图片之间的关系。参考图越多并不一定越好，少量且角色明确的参考图通常更容易控制。[^4]

草图生图需要保留原始意图

草图不需要画得精确，但应表达：

  • 主体位置；

  • 物体大小；

  • 透视关系；

  • 主要空间分区；

  • 视线方向；

  • 地平线或建筑结构。

将这张草图转换成真实的室内建筑效果图。

严格保留草图中的房间布局、墙体位置、窗户位置和透视关系。
使用自然日光、浅色木材和白色墙面，呈现真实建筑摄影效果。
不要添加草图中没有的房间、人物、文字或装饰。
不要保留手绘线条。

这类任务的重点不是让模型重新设计，而是保留草图的布局和空间关系，再补充合理的材质与光线。[^1]

API 参数应与提示词分开管理

提示词负责表达创作意图，API 参数负责控制输出设置。GPT Image 2.5 常见参数包括：

参数作用model选择 gpt-image-2.5-flare 或 gpt-image-2.5-sunburstqualityauto、low、medium、high、xhigh、maxsize选择画幅或自定义尺寸backgroundauto、opaque 或 transparentoutput_format输出文件格式output_compressionJPEG/WebP 的压缩设置

Flare 和 Sunburst 都支持 xhigh 与 max。较低质量适合草稿和探索，较高质量适合最终素材，但质量等级不会对所有提示词产生同样的提升，因此应根据实际验收结果选择。[^1][^2]

常见尺寸包括：

  • 1024x1024：正方形；

  • 1536x1024：横向；

  • 1024x1536：纵向；

  • 2048x2048：2K 正方形；

  • 3840x2160：4K 横向；

  • 2160x3840：4K 纵向。

自定义尺寸需要满足官方限制：每条边不超过 3840 像素，两条边都是 16 的倍数，长宽比不超过 3:1，总像素数在 655,360 到 8,294,400 之间。超过 3,686,400 像素的输出属于实验性范围。[^1]

透明背景应通过 background="transparent" 明确设置，并使用 PNG 或 WebP。生成后要检查真正的 Alpha 通道，不能把灰白棋盘格误认为透明背景。[^1]

多轮编辑要一次只改一个变量

更稳定的多轮流程是：

  1. 先得到主体和构图正确的初始图；

  2. 把上一张图作为下一次编辑输入；

  3. 每一轮只改变一个主要条件；

  4. 重复最重要的保留约束；

  5. 检查结果后再继续。

第一轮：
创建一张真实的浴室产品广告图，白色洗发水瓶放在浅灰色石材台面上，
画面右侧有绿色植物，背景使用柔和晨光。

第二轮：
保持瓶子、台面、构图和光线不变。
将背景改为傍晚的暖色灯光。

第三轮：
保持所有内容不变。
只把台面上的植物移到画面左侧。

官方指南指出，多轮编辑仍可能改变原本想保留的细节。如果发生漂移，应重新说明关键约束，而不是不断增加无关描述。[^1]

从 GPT Image 2 迁移到 2.5

如果已有 GPT Image 2 工作流，不建议只替换模型名称后直接上线。更可靠的迁移流程是：

  • 保存真实生产提示词；

  • 保存对应参考图片；

  • 固定原来的尺寸、质量、格式和提示词；

  • 先测试 Flare 或 Sunburst；

  • 比较主体保留、文字准确度、编辑范围和透明背景；

  • 测量延迟、失败率、重试次数和每张可接受图片的成本；

  • 通过小比例流量逐步上线，并保留原模型作为回滚选项。

如果 GPT Image 2 已满足质量要求，可以先测试 Flare 是否能在质量可接受的情况下减少延迟；如果原任务对复杂编辑不够稳定，应先验证 Sunburst 是否满足质量目标，再考虑速度优化。[^1]

OpenAI 官方公告提到，ChatGPT Images 2.5 相比 Images 2.0 的生成延迟最多降低 50%，但这不是每个提示词和工作负载都能获得的固定结果。官方指南也建议用自己的真实任务进行测量。[^3][^1]

常见错误

只堆叠风格词

“电影感、史诗级、超精细、震撼、顶级质感”无法替代主体、构图和光线说明。

同时提出冲突要求

例如一边要求大量装饰，一边要求极简留白；或者要求只修改背景，同时又要求重新设计人物和服装。

把镜头参数当成绝对保证

镜头参数是视觉线索，不是精确的物理模拟承诺。还应描述景别、主体距离和背景虚化。

依赖特殊提示语法

OpenAI 当前指南没有要求使用某种固定权重语法、标签系统或单独的“负面提示词”字段。把排除项直接写进约束部分更符合当前官方文档。

一次修改太多内容

如果同时修改天气、服装、背景、文字、镜头和姿势，就很难判断结果变化来自哪条指令。逐项调整更容易获得稳定结果。

发布前检查清单

提交提示词前，检查：

  • 是否说明最终用途？

  • 是否明确主体和动作？

  • 是否说明场景和时间？

  • 是否指定构图、视角和主体位置？

  • 是否描述光线、材质和色彩？

  • 文字是否使用引号并说明位置？

  • 是否列出必须保留的内容？

  • 是否明确不需要的文字、Logo 或水印？

  • 参考图是否按编号分配角色？

  • 模型、质量和尺寸是否独立设置？

  • 多轮编辑是否每次只改变一个主要条件？

  • 是否检查输出中的文字、主体保留和意外变化？

ChatGPT Images 2.5 的有效提示词，不是最长的提示词，而是能让模型清楚理解目标、画面结构和验收标准的提示词。先把主体和构图说清楚，再逐步加入风格、文字和限制条件，通常比堆叠关键词更容易得到稳定结果。

Sources

[^1]: OpenAI Developers, Image prompting. GPT Image 2.5 提示词指南、模型选择、提示词结构、参考图、多轮编辑和迁移方法。
[^2]: OpenAI Developers, Image generation. 图像生成 API、参数、尺寸、质量、背景、输出格式和请求示例。
[^3]: OpenAI, Introducing ChatGPT Images 2.5. ChatGPT Images 2.5 产品能力、API 模型和官方发布信息。
[^4]: OpenAI Academy, Creating images with ChatGPT. 图像提示词基础、文字、参考图、迭代和安全使用建议。
[^5]: OpenAI Developers, GPT-Image-2.5 Sunburst. Sunburst 模型能力、输入类型、质量设置和 API 信息。
[^6]: OpenAI Developers, GPT-Image-2.5 Flare. Flare 模型能力和 API 信息。