跳到正文
gihyo.jp·· 2025-12-17精選AI 評分76

OpenAI 發佈圖像生成模型 API gpt-image-1.5,並推出 ChatGPT Images

OpenAI、画像生成モデルAPI「gpt-image-1.5」を発表 ——新しい画像生成・編集用ページChatGPT Imagesも提供開始

AI 導讀

OpenAI 於 2025-12-16 發佈圖像生成模型及 API gpt-image-1.5,並在 ChatGPT 推出圖像生成與編輯專頁 ChatGPT Images。

推薦理由

文章同時整理圖像生成與編輯的提示詞要點,從指定構圖、區分修改與保留元素,到分步迭代,提供可直接參照的實作方法。

正文 · 繁體中文

OpenAI於2025年12月16日公布全新的圖像生成模型及其API「gpt-image-1.5」。相較該公司此前提供的圖像生成模型,其能力大幅提升。此外,OpenAI亦在ChatGPT內推出新的圖像生成及編輯專頁「ChatGPT Images」。

gpt-image-1.5的特點包括更強的指令遵循能力和編輯精準度、更密集的文字呈現、改善質感及細節表現,以及相較以往最高快4倍的生成速度。據稱,它能保留輸入圖像的光線、構圖、人物面貌等重要元素,只準確修改指定部分,因此即使進行多次編輯,也較容易取得一致的結果。

配合今次發布gpt-image-1.5,ChatGPT的側邊欄亦新增了名為「Images(圖像⁠)⁠」的專頁。此頁可用於生成圖像及編輯照片,並提供大量預設風格,以及會隨趨勢更新的探索主題。從中選擇1種風格或探索主題並附上照片後,系統會自動跳轉至一般的ChatGPT頁面,填入提示詞和照片,然後生成圖像。

ChatGPT Images
ChatGPT Images 圖像生成示例

此外,雖然對日文等多種語言的支援有所加強,但就以未有明確指定日文文字的簡單提示詞進行測試而言,日文文字在圖像中的呈現質素仍似乎有部分字符不太理想(我尚未測試下文「文字處理」一節,因此這點需留意⁠)⁠。OpenAI表示,今次更新是重要的一步,但未來仍有空間在多種語言中實現更細緻的編輯,以及更豐富、詳細的輸出。

使用簡單提示詞生成日文的示例

「Gpt-image-1.5 Prompting Guide」整理了使用gpt-image-1.5生成及編輯圖像時的提示詞設計和具體案例。當中基礎內容如下。

  • 結構+目標:清楚說明背景→主體→重要細節→限制的連貫結構,以及圖像用途;以附有標籤的標題或換行整理內容,而非寫成長篇文字,讓模型明白所需的模式和完成度。
  • 具體內容與品質:具體描述素材、形狀、質感、媒介和光線條件,並按需要加入菲林顆粒(細微的粒狀質感)或其他質感;與其使用抽象形容詞,不如指定鏡頭或光線條件。
  • 延遲與保真度的平衡:對於大量生成或重視延遲的使用情境,可先由quality="low"開始測試(很多情況下,即使採用低品質設定,圖像質素仍較以往高,同時大幅提升生成速度⁠)⁠。
  • 明確交代構圖:具體指定視角(例如特寫或廣角、俯視或平視)、光線、氣氛,以及標誌或文字的位置,透過提示詞控制所需的版面配置。
  • 區分修改內容與保留元素:使用「只修改X」「⁠其他一切都保持原樣」等表述,清楚說明要修改和必須保留的部分。
  • 文字處理:用引號或大寫字母標示圖像中的文字,並具體描述字體風格、大小、顏色和位置。遇到拼寫較難的文字,可逐個字母清楚寫出(拼讀出來),以提高文字準確度。
  • 輸入多張圖像:為多張圖像標明角色,例如「Image 1: ...」「⁠Image 2: ...」,並清楚說明它們之間的轉換關係,例如「⁠將Image 1的風格套用至Image 2」。
  • 逐步修改,避免一次提出過多要求:與其一開始便一次提出複雜要求,不如先生成基礎圖像,再逐步提出「把光線調暖」等細微修改指示,這樣較容易取得穩定的結果。

採用gpt‑image‑1.5的新ChatGPT Images正陸續向所有ChatGPT用戶推出,但Business及Enterprise方案則預計稍後提供。

作為API的gpt-image 1.5,其成本和延遲與「圖像 token 數量」成正比。圖像輸出會以專用的「image output tokens」計算;所需token數會因圖像尺寸及quality設定(low / medium / high / auto)而異。據稱,透過input_fidelity參數指定high",會增加輸入圖像的token數並影響成本,但可在編輯或合成時更忠實地保留輸入圖像的細節(在gpt-image-1.5中,「最初5張」輸入圖像會以高保真度處理⁠)⁠。

來源:gihyo.jp · gihyo.jp