GPT 生图指令,就是写给图像模型的一段自然语言描述。官方给出的写法是固定顺序的 4 段结构:场景、主体、关键细节、约束,再补一句用途。现行模型是 2026 年 9 月上旬发布的 ChatGPT Images 2.5。指令不必写长,1 到 3 句清晰描述通常就够。
GPT生图指令用在哪:现行模型与可用入口
生图功能挂在 ChatGPT 对话里,不需要单独装工具。官方公告(openai.com)的时间点是 2026 年 9 月 8 日(当地时间),这一代模型叫 ChatGPT Images 2.5,覆盖桌面、移动与网页端。
- 对话入口:在 chatgpt.com 输入框直接描述要什么图,或在侧边栏选 Images 再进 Templates 挑模板。
- 手绘入口:移动端输入 @ 选 Sketch 手绘草图,再补文字说明。
- Codex 入口:Codex 里也能生成与编辑图片,路径与对话端独立。
档位上有一处容易混。官方帮助中心写的是 ChatGPT Images 在全部档位可用,而带思考的 Images with thinking 只开放给 Plus、Pro 与 Business,Enterprise 和 Edu 之后才上。免费账号能生图,但用不上"先思考再出图"那一档。ChatGPT 里的 DALL·E GPT 官方已下架。
给开发者的是一套独立命名。API 上线两个模型:GPT-Image-2.5 Flare 是多数应用的默认选择,官方说它比 GPT-Image-2 延迟低 50% 且质量更好;GPT-Image-2.5 Sunburst 面向更高精度,代价是生成时间更长。gpt-image-2 仍可调用,gpt-image-1.5 已弃用,关停时间 2026 年 12 月 1 日。
官方推荐的4段结构:场景、主体、细节、约束
官方提示指南对复杂请求给了一条明确建议:把指令组织成场景、主体、细节、约束四段,用带标签的分段写,别堆成一大段话。顺序固定后,前面几个词会先定住这张图的"模式":广告、UI 原型还是信息图。
- 场景:这张图发生在哪、什么时间、背景是什么,例如"清晨的小渔港,柔和的海岸光线"。
- 主体:镜头里是谁或什么,含体量、姿态、视线与动作。官方给的写法是"全身可见、连脚在内""双手自然握住车把"这类明确描述。
- 关键细节:材质、服装、纹理、色调。官方强调具体优于抽象,点名"哑光黑牛皮纸配亚麻纹理"比写"高级质感"有用。
- 约束:不许出现什么、必须保住什么,例如"不要水印、不要额外文字、保留身份与版式"。
官方还建议在末尾补一句用途(广告、UI 示意、教学图示)。它会改变模型默认的精修程度与字体选择。官方示例首句 Create a photorealistic candid photograph of an elderly sailor 就同时点了用途与风格。
格式本身不设限。官方说明极简短句、描述性段落、JSON 风格结构、指令式提示与标签式提示都能表达同一个意图,选最容易读、最容易改的那种即可。真正决定效果的是两点:可见细节要写出来,"左侧窗户进来的柔和自然光"比"美丽的光线"稳定得多;相机参数只当观感线索,不做物理模拟。
6类场景的指令模板对照
官方提示指南按用例给了成套示例,归拢下来是六类高频场景,下表可当模板用。
| | |
|---|
| 显式点名写实;把"不完美"写出来。官方提示这比堆形容词有效 | 照片写实风格;皮肤有可见皱纹与毛孔;不要美化、不要重度修图 |
| 点名流程、受众与要传达的信息。官方提示图内标签与事实关系要人工复核 | 做一张自动咖啡机工作原理的信息图,从豆仓到研磨、到称重、水箱、锅炉 |
| 把要出现的字放进引号或全大写,写清字体、字号、颜色与位置;生僻词与品牌名逐字母拼 | 标题文字(精确、逐字、无多余字符):WEEKLY PLAN;粗体无衬线、白色、居中、72pt;不要其他文字 |
| | 沿用输入图的风格,生成一名骑摩托车的男子,白色背景 |
| 按序号给每张图指定用途,说明怎么合成、哪个元素搬到哪 | 图 1 是要保留的人物照,图 2 是服装参考;只替换衣物,脸部、体型、姿势、背景一律不动 |
| 要求干净轮廓、无光晕、标签清晰。官方提示透明背景要显式声明,仅支持 PNG 或 WebP | 把产品从原图抠出放在全透明背景上;保留产品几何与标签可读性;不要实底与阴影 |
六类里有两类最容易翻车。信息图要求"关系正确",模型能给出好看的图,但箭头指向与数值仍需自己核一遍。虚拟试衣要求"锁定身份",官方把保留清单列到了面部特征、肤色、体型与表情,少写一项就可能换来一张换了人的图。
指令配套的参数与比例怎么设
指令之外,几个设置会直接改变成图。官方文档(developers.openai.com)给的取值如下,核查时间为 2026 年 9 月 17 日。
| | |
|---|
| GPT Image 2.5 为 low、medium、high、xhigh、max;gpt-image-2 为 low、medium、high;另可用 auto | 小字、密信息面板、多字体、特写人像与身份敏感的编辑走中高档 |
| 常用 1024x1024、1536x1024、1024x1536、2048x2048、2048x1152、3840x2160 等,也可 auto | 方形通常生成最快;官方把 2560x1440 标为可靠上限,再往上更不稳定 |
| | 单边不超过 3840px、两边都是 16 的倍数、长短边比不超过 3:1、总像素 655,360 到 8,294,400 |
| background 设为 transparent,输出用 PNG 或 WebP | JPEG 不支持透明;output_compression 只对 JPEG 与 WebP 生效 |
对话端不用记这些参数,用比例选择器切换即可,或直接把比例写进指令。要改具体部位时,可以圈出区域再描述改动,也可以不用选区、直接在对话里说改哪里。官方同时提醒,高亮区域不一定精准,编辑可能超出你圈定的范围。
费用按 token 计。官方定价页显示 Sunburst 与 Flare 单价相同:图片输入 8 美元/百万 token、缓存图片输入 2 美元、图片输出 30 美元,文本输入 5 美元、缓存文本输入 1.25 美元。官方专门提醒:单价相同不等于单张成本相同,同档位下两个模型的 token 消耗不同,选型要在真实输入上量一遍。
生成与使用前的风险提示
- 产出带 AI 标记:官方用 C2PA 元数据与不可见水印标记生成图。这类图片在国内传播要按生成合成内容标识的现行规定处理,别抹掉标记。
- 真实人物要授权:官方建议用参考照提高相似度,同时要确认已获得该形象的授权。
- 指向通用而非特定:官方建议要"通用或自有"的设计版本,不要模仿特定品牌、产品与艺术品。指令里点名他人商标,风险由使用者承担。
- 地区规则按官方口径:官方支持地区名单不含中国大陆,名单外用同一账号访问可能被限制甚至封停。想在国内做类似的事,可改用豆包、即梦、通义万相这类工具,本页的指令结构同样适用。
- 出图要等:官方说明生成可能需几分钟,等待期间可以继续用 ChatGPT 做别的事。
- 模板在 Work 模式暂不可用:官方帮助中心有注记。
- 青少年账号受管控:绑定家长控制的账号,家长可选择是否允许生成或编辑图片。
- 删图要删对话:想彻底删掉一张图,官方给的路径是删除生成它的对话。
指令不好用时的5项自检
官方在给完示例提示词后附了一张成品检查表。跑完图按这五条过一遍,比反复改提示词更快定位问题。
| |
|---|
| 文字没写进引号,或质量档位过低;小字与多字体场景要用中高档 |
| |
| |
| 改什么与保什么没分开写,改用"只改 X,其余保持原样" |
| |
踩得最多的是三个坑。一是拿相机参数当承诺,镜头与光圈只是观感线索,不会真的按物理模拟。二是用情绪词代替描述,"震撼、超细节"这类词不产生画面信息。三是编辑漂移,官方明确提示重复编辑仍可能改掉你本想保留的细节,所以每轮都要重申保留清单并逐张检查;某个区域要求像素级一致时,官方给的办法是把确认过的编辑合成回原图,别再靠提示词硬撑。
先拿到核心构图正确的一版,再一次只调一个元素,这比反复重写管用。官方列的可用改法都很短,例如"提亮一点""把颜色压淡""简化背景"。一次塞进七八条要求的重写,通常更难收敛。
GPT生图指令常见问题
Q:GPT 生图指令要写多长?
A:官方给的参考是 1 到 3 句清晰描述通常就够,复杂需求才拆成分段结构。
Q:指令用中文写可以吗?
A:可以。官方示例是英文,但模型按自然语言理解意图,中文同样有效;图内文字单独标出来会更稳。
Q:为什么图里的字总是写错?
A:把文字放进引号或全大写,写清字体、字号、颜色与位置,生僻词逐字母拼;小字与密信息场景把质量调到中档以上。
Q:免费账号能生图吗?
A:能。官方写明 ChatGPT Images 在全部档位可用,只有带思考的 Images with thinking 限 Plus、Pro 与 Business。
Q:现在还能用 DALL·E 生图吗?
A:ChatGPT 里的 DALL·E GPT 官方已下架,改用 ChatGPT Images。
Q:一次要改很多地方,指令该怎么写?
A:拆成多轮,每轮只改一个元素,并在每轮重复要保留的清单;某个区域要求像素级一致时,把确认过的编辑合成回原图。
Q:写"8K、超细节、震撼"这类词有帮助吗?
A:帮助有限。官方建议写材质、光线方向、色调与媒介;相机参数只当观感线索,不做物理模拟。
Q:API 里该选 Flare 还是 Sunburst?
A:先看是否需要更高的编辑精度。Flare 是默认选择、延迟更低,Sunburst 精度更高但更慢;两者单价相同,单张成本仍要按实际 token 用量测。
Q:想让多张参考图各管一部分,指令怎么写?
A:按序号给每张图指定用途,例如图 1 是主体、图 2 是风格参考,再说明怎么合成、哪些元素搬到哪里。
把顺序固定成场景、主体、细节、约束,再补一句用途,多数 GPT生图指令 都能一次跑出可用结果,剩下的就是逐项自检和一次只改一个元素。想跟进 ChatGPT Images 的版本变化与官方提示指南更新,可以关注本站的 AI 工具栏目,有新版本我们会同步更新。