ब्लॉग पर वापस जाएं

GPT Image 2.5 के लिए प्रॉम्प्ट कैसे लिखें: टाइपोग्राफी, नेगेटिव स्पेस, और high, xhigh, या max का चुनाव

E2X Team··16 मिनट पढ़ें
gpt-image-2.5gpt-image-2.5-sunburstgpt-image-2.5-flareopenaiprompt-engineeringimage-generationimage-editingtext-to-image

GPT Image 2.5 text-to-image को भेजे जाने वाले अधिकांश खराब प्रॉम्प्ट एक ही कारण से विफल होते हैं: वे 2026 के लैंग्वेज-कंडीशन्ड आर्किटेक्चर के बजाय 2022 के डिफ्यूज़न मॉडलों के लिए लिखे गए होते हैं। जब आप एक ऐसे एंडपॉइंट में अल्पविराम से अलग किए गए बज़वर्ड्स ("coffee dripper, 8k, hyperrealistic, octane render, studio lighting, award winning") डालते हैं जो 32,000 कैरेक्टर्स की स्वाभाविक अंग्रेज़ी स्वीकार करता है, तो आप फ्रेम के 90% स्थानिक निर्णयों (spatial decisions) को सांख्यिकीय संयोग पर छोड़ देते हैं।

GPT Image 2.5 को क्वालिटी विशेषणों की आवश्यकता नहीं है। इसे पूर्ण घोषणात्मक वाक्यों (declarative sentences) में लिखे गए एक स्पष्ट स्थानिक ब्रीफ की आवश्यकता होती है, जिसे सही स्कीमा सेटिंग्स (aspect_ratio, resolution, और quality: high, xhigh, या max) के साथ जोड़ा गया हो। और जब आप /models/openai/gpt-image-2.5-sunburst/text-to-image से /models/openai/gpt-image-2.5-sunburst/edit-image पर स्विच करते हैं, तो नियम उलट जाते हैं: एडिट कॉल में पूरे दृश्य का फिर से वर्णन करने से अवांछित बदलाव (drift) आते हैं, जबकि एक सटीक डेल्टा प्रॉम्प्ट आपकी रेफरेंस इमेज को अपनी जगह पर लॉक कर देता है।

नीचे वह सटीक चार-भाग वाली प्रॉम्प्ट संरचना दी गई है जिसका उपयोग हम E2X पर प्रोडक्शन पाइपलाइनों में करते हैं, जिसमें पहले-और-बाद के रीराइट्स, टाइपोग्राफी फ़ॉर्मेटिंग नियम, नेगेटिव-स्पेस आरक्षण, और high, xhigh, तथा max के बीच चयन करने के लिए एक व्यावहारिक गाइड शामिल है, जब सभी पांच क्वालिटी टियर की लागत 1K पर समान $0.0525 होती है।

पीतल के आनुपातिक डिवाइडर, पैंटोन स्वैच और ज्यामितीय स्याही ड्राइंग के साथ आर्किटेक्ट की ड्राफ्टिंग टेबल

4-भाग वाली वाक्य संरचना जिसका GPT Image 2.5 सबसे अच्छी तरह पालन करता है

GPT Image 2.5 text-to-image पर 32,000-कैरेक्टर की सीमा और GPT Image 2.5 edit-image पर 50,000 कैरेक्टर्स के साथ, आपको कभी भी अपने निर्देशों को अधूरे टुकड़ों में लिखने की आवश्यकता नहीं होती है। जिस सटीक क्रम में आप कैनवास का निर्माण चाहते हैं, उसी क्रम में पूर्ण वाक्य लिखें। शुरुआती वाक्य कैमरा ज्यामिति और प्राथमिक वस्तु को स्थिर करते हैं; बाद के वाक्य लाइटिंग, टाइपोग्राफी और खाली मार्जिन को निखारते हैं।

इस चार-भाग वाले क्रम का पालन करें:

  1. विषय + सामग्री + स्थिति: माध्यम और प्राथमिक वस्तु, उसकी स्पर्शनीय सतह की फिनिश, और फ्रेम में वह कहां स्थित है, इसका नाम बताएं ("Matte ceramic pour-over coffee dripper centered on a brushed steel digital scale on a pale ash wood counter")।
  2. भौतिक प्रकाश स्रोत + दिशा: बताएं कि प्रकाश किस चीज़ से आ रहा है, वह किस कोण से आता है, और छाया कैसे पड़ती है ("afternoon sunlight from camera left casting sharp shadows across the brackets")।
  3. उद्धरण चिह्नों में टेक्स्ट + फ़ॉन्ट/सतह का उपचार: जब फ्रेम में साइनेज, लेबल, या UI तत्व शामिल हों, तो सटीक अक्षरों को डबल कोट्स (उद्धरण चिह्नों) के अंदर रखें और लेटरफॉर्म शैली तथा भौतिक सतह का वर्णन करें ("crisp white sans-serif lettering reading \"PLATFORM 4 — EXPRESS TO GENEVA\" on deep Prussian blue enamel")।
  4. स्पष्ट नेगेटिव स्पेस आरक्षण: मॉडल को बताएं कि कैनवास का कौन सा तिहाई या आधा हिस्सा खाली रहना चाहिए ताकि आपकी डिज़ाइन टीम बाद में HTML या Figma कॉपी ओवरले कर सके ("Keep the right third of the frame an uncluttered warm plaster wall for headline copy")।

पहले और बाद में: कीवर्ड सूप बनाम घोषणात्मक स्थानिक ब्रीफ

तुलना करें कि जब आप तीन सामान्य व्यावसायिक कार्यों में एक सामान्य टैग सूची को चार-भाग वाली वाक्य संरचना से बदलते हैं तो क्या होता है।

कार्य 1: कॉपी स्पेस के साथ ई-कॉमर्स हीरो बैनर

Weak prompt (keyword soup):
pour-over coffee maker, digital scale, minimalist kitchen, copy space on right,
product photography, 8k, photorealistic, soft lighting, clean background
Strong prompt (declarative brief):
Matte ceramic pour-over coffee dripper centered on a brushed steel digital scale on a pale ash wood counter. Keep the right third of the frame an uncluttered warm plaster wall for headline copy.

यह बदलाव क्यों काम करता है: अल्पविराम वाली सूची में "copy space on right" लिखना शायद ही कभी किसी इमेज मॉडल को उस कोने में शेल्फ, पौधा, या खिड़की का फ्रेम लटकाने से रोक पाता है। खाली क्षेत्र की सटीक सामग्री ("an uncluttered warm plaster wall") का नाम देने से मॉडल को कैनवास के दाहिने तीसरे हिस्से में रेंडर करने के लिए एक ठोस सतह मिल जाती है।

कार्य 2: एम्बेडेड टेक्स्ट के साथ वास्तुशिल्प साइनेज

Weak prompt (unquoted text and vague style):
vintage blue train station sign that says platform 4 express to geneva,
retro typography, brass brackets, sunny day, ultra detailed
Strong prompt (exact quotes and surface physics):
Vintage enamel railway station platform sign in deep Prussian blue with crisp white sans-serif lettering reading "PLATFORM 4 — EXPRESS TO GENEVA", weathered brass mounting brackets, afternoon sunlight.

यह बदलाव क्यों काम करता है: लक्षित शब्दों को लोअरकेस और बिना उद्धरण चिह्नों के छोड़ना (says platform 4 express to geneva) मॉडल को शब्दों को बदलने, विराम चिह्नों को छोड़ने, या अतिरिक्त स्टेशन नाम गढ़ने के लिए आमंत्रित करता है। "PLATFORM 4 — EXPRESS TO GENEVA" को डबल कोट्स में लपेटने और "crisp white sans-serif lettering" निर्दिष्ट करने से केसिंग और ग्लिफ़ ज्यामिति दोनों लॉक हो जाते हैं।

कार्य 3: मल्टी-ऑब्जेक्ट टेबलटॉप लेआउट

Weak prompt (flat inventory list):
desk flatlay with anodized keyboard, walnut desk, orange escape key,
notebook, brass pen, daylight, sharp legends
Strong prompt (spatial hierarchy):
Overhead editorial photograph of an anodized aluminum mechanical keyboard centered on a dark walnut desk. Keycaps in matte charcoal with a single signal-orange Esc key at the top left corner of the board. Closed cream linen notebook resting parallel to the right edge of the keyboard, brass fountain pen centered on the cover. Soft north-window daylight from the upper left, crisp key legends, no other props.

यह बदलाव क्यों काम करता है: प्रत्येक द्वितीयक वस्तु को प्राथमिक विषय के सापेक्ष स्थिर किया गया है ("at the top left corner of the board", "parallel to the right edge"), जिससे वस्तुओं के एक-दूसरे के ऊपर आने (overlapping geometry) की समस्या रुकती है।

हेडलाइंस और UI ओवरले के लिए नेगेटिव स्पेस आरक्षित करना

स्वचालित विज्ञापन और लैंडिंग-पेज पाइपलाइनों में सबसे महंगी गलतियों में से एक 16:9 पर एक केंद्रित वर्गाकार कम्पोज़िशन जनरेट करना और यह उम्मीद करना है कि फ्रंटएंड डेवलपर बाएं या दाएं मार्जिन के ऊपर सफेद टेक्स्ट फ्लोट कर सकता है। जब तक आप अपने प्रॉम्प्ट में खाली जगह का दावा नहीं करते, तब तक GPT Image 2.5 फ्रेम की पूरी चौड़ाई को सेकेंडरी प्रॉप्स, डेप्थ-ऑफ़-फ़ील्ड क्लटर, या नाटकीय छाया ग्रेडिएंट्स से भर देगा जो टेक्स्ट कंट्रास्ट को खराब कर देते हैं।

यहां GPT Image 2.5 पर रेंडर किया गया पोर-ओवर कॉफी ड्रिपर प्रॉम्प्ट दिया गया है, जो दर्शाता है कि जब आप फ्रेम के दाहिने तीसरे हिस्से में स्पष्ट रूप से दीवार की सतह निर्दिष्ट करते हैं तो मॉडल कैसे प्रतिक्रिया देता है:

Matte ceramic pour-over coffee dripper centered on a brushed steel digital scale on a pale ash wood counter. Keep the right third of the frame an uncluttered warm plaster wall for headline copy.

दाईं ओर आरक्षित नेगेटिव स्पेस के साथ ब्रश्ड स्टील स्केल पर मैट सिरेमिक पोर-ओवर कॉफी ड्रिपर

देखें कि क्षैतिज अक्ष (horizontal axis) पर दृश्य कैसे विभाजित होता है:

  • ड्रिपर की मैट सिरेमिक पसलियां और ब्रश्ड स्टील तौल प्लेटफॉर्म फ्रेम के किनारे पर कटे बिना बाएं और मध्य-बाएं ज़ोन को घेरते हैं।
  • हल्के ऐश वुड का काउंटर दाहिनी सीमा तक साफ-सुथरे ढंग से जारी रहता है, जो दृश्य को आधार देता है ताकि यह अलग से चिपकाया गया स्प्लिट-स्क्रीन कोलाज न लगे।
  • ऊपरी-दायां ज़ोन कोमल टोनल फ़ॉलऑफ़ के साथ एक समान गर्म प्लास्टर की सतह बना रहता है, जो शब्दों के पीछे अर्ध-पारदर्शी गहरे बॉक्स की आवश्यकता के बिना गहरे सेरिफ़ या सैंस-सेरिफ़ HTML टाइपोग्राफी को स्वीकार करने के लिए तैयार है।

जब आप नेगेटिव-स्पेस निर्देश लिखते हैं, तो हमेशा स्थानिक हिस्से ("the right third", "the upper quarter", "the left half") को उस विशिष्ट बैकग्राउंड सामग्री के साथ जोड़ें जो उसे भरनी चाहिए ("uncluttered warm plaster wall", "clear pale overcast sky", "seamless slate-gray studio sweep")। मॉडल को केवल "leave empty space" कहने की तुलना में यह बताना कि खाली जगह में क्या है, कहीं अधिक विश्वसनीय रूप से काम करता है।

सटीक टेक्स्ट को कोट करना और सतह की टाइपोग्राफी को नियंत्रित करना

बहु-शब्द साइनेज, पैकेजिंग लेबल, बुक कवर और UI कार्ड रेंडर करने के लिए E2X कैटलॉग में GPT Image 2.5 सबसे मजबूत मॉडल है। पहले ही प्रयास में साफ अक्षर पाने के लिए, जब भी आपके प्रॉम्प्ट में टेक्स्ट हो तो चार यांत्रिक नियमों का पालन करें:

  1. सटीक अक्षरों को हमेशा डबल कोट्स में रखें: "PLATFORM 4 — EXPRESS TO GENEVA" को ठीक उसी अपरकेस या मिक्स्ड-केस रूप में लिखें जैसा आप रेंडर करवाना चाहते हैं।
  2. प्रोप्रायटरी फ़ॉन्ट फ़ाइलों के बजाय दृश्य परिवार और वज़न (weight) द्वारा टाइपफ़ेस का वर्णन करें: "condensed bold grotesque sans-serif", "high-contrast editorial Didone serif", या "hand-painted gold leaf sign-painter capitals" जैसे विवरणों का उपयोग करें।
  3. निर्दिष्ट करें कि टेक्स्ट भौतिक सामग्री से कैसे जुड़ता है: बताएं कि क्या अक्षर "screen-printed in matte black ink", "stamped in recessed gold foil", "enameled white on Prussian blue steel", या "backlit acrylic channel letters" हैं।
  4. अवांछित बैकग्राउंड अस्पष्ट शब्दों को रोकें: यदि आपके दृश्य में बैकग्राउंड स्टोरफ्रंट, जार, या किताबें शामिल हैं जिन पर कोई भी मनगढ़ंत शब्द नहीं होने चाहिए, तो अपने प्रॉम्प्ट को "no other text or logos in the frame" के साथ समाप्त करें।

यहां उन सटीक नियमों का उपयोग करके GPT Image 2.5 पर जनरेट किया गया रेलवे साइन प्रॉम्प्ट दिया गया है:

Vintage enamel railway station platform sign in deep Prussian blue with crisp white sans-serif lettering reading "PLATFORM 4 — EXPRESS TO GENEVA", weathered brass mounting brackets, afternoon sunlight.

GPT Image 2.5 के साथ जनरेट किया गया प्रशियन ब्लू रंग का विंटेज इनेमल रेलवे स्टेशन साइन

उस आउटपुट में, मॉडल PLATFORM 4 और EXPRESS TO GENEVA के बीच विराम चिह्न के चारों ओर के स्थान को सुरक्षित रखता है, पूरे क्षैतिज पट्टिका पर सफेद सैंस-सेरिफ़ स्ट्रोक की चौड़ाई को एक समान रखता है, और नीले इनेमल ग्लेज़ तथा सफेद पेंट किए गए अक्षरों दोनों पर दोपहर की सूक्ष्म चमक रेंडर करता है। इस बीच, कोनों पर मौसम से प्रभावित पीतल के माउंटिंग ब्रैकेट साइन की आंतरिक सीमा में अतिक्रमण किए बिना ऑक्सीकरण और बोल्ट का विवरण दिखाते हैं।

E2X पर high, xhigh, और max क्वालिटी के बीच चुनाव करना

/models/openai/gpt-image-2.5-sunburst/text-to-image और /models/openai/gpt-image-2.5-sunburst/edit-image पर, quality पैरामीटर पांच मान स्वीकार करता है: low, medium, high (छोड़े जाने पर स्कीमा डिफ़ॉल्ट), xhigh, और max। E2X पर, GPT Image 2.5 दो वेरिएंट में उपलब्ध है: GPT Image 2.5 Sunburst (openai/gpt-image-2.5-sunburst, जो 1K/2K/4K रेज़ोल्यूशन और low, medium, high, xhigh, max क्वालिटी टियर का समर्थन करता है) और GPT Image 2.5 Flare (openai/gpt-image-2.5-flare, जो 1K/2K/4K रेज़ोल्यूशन और low, medium, high क्वालिटी टियर के साथ /models/openai/gpt-image-2.5-flare/text-to-image और /models/openai/gpt-image-2.5-flare/edit-image का समर्थन करता है)।

यह तय करने से पहले कि कौन सी सेटिंग पास करनी है, यह समझें कि E2X इस पैरामीटर का बिल कैसे बनाता है। प्रत्येक कॉल $0.03 के लिस्ट बेस रेट से शुरू होती है, जिसे हमारी स्थायी 75% छूट घटाकर $0.0075 कर देती है। वहां से:

  • प्रत्येक quality सेटिंग (low, medium, high, xhigh, और max) बिल्कुल एक समान ×7 मल्टीप्लायर लागू करती है।
  • resolution 1K पर ×1 मल्टीप्लायर ($0.0525), 2K पर ×2 ($0.1050), और 4K पर ×3 ($0.1575) लागू करता है।

कीमतें और उत्पाद की शर्तें बदल सकती हैं। खरीदारी का निर्णय लेने से पहले प्रत्येक प्रदाता की वर्तमान कीमतों की जांच करें। Google Batch या Flex प्राइसिंग सीधे तौर पर मानक ऑन-डिमांड API अनुरोध के बराबर नहीं है क्योंकि शेड्यूलिंग, उपलब्धता और प्रोसेसिंग की शर्तें भिन्न होती हैं; इसलिए इसे इस तुलना से बाहर रखा गया है। यह एक सीमित दायरे वाली तुलना है, न कि यह दावा कि E2X हर कॉन्फ़िगरेशन में दुनिया का सबसे सस्ता विकल्प है।

चूंकि low, high, xhigh, और max सभी की लागत 1K पर समान $0.0525 (2K पर $0.105, 4K पर $0.1575) होती है, इसलिए low या medium भेजने का कोई वित्तीय कारण नहीं है। high, xhigh, और max के बीच आपका वास्तविक इंजीनियरिंग ट्रेडऑफ़ इन्फरेंस लेटेंसी (प्रतीक्षा समय) बनाम बारीक-विवरण रिफाइनमेंट है:

क्वालिटी सेटिंगE2X 1K कीमतE2X 4K कीमतसर्वोत्तम उपयोग मामला
high (डिफ़ॉल्ट)$0.0525$0.1575तेज़ इंटरैक्टिव प्रीव्यू, एकल-विषय प्रोडक्ट शॉट्स, साफ नेगेटिव-स्पेस बैकग्राउंड
xhigh$0.0525$0.1575स्टोरफ्रंट साइनेज, कॉस्मेटिक बोतल लेबल, मल्टी-ऑब्जेक्ट टेबलटॉप कम्पोज़िशन, बारीक त्वचा/कपड़े की बुनाई वाले पोर्ट्रेट
max$0.0525$0.1575घने मल्टी-लाइन पोस्टर, विस्तृत यांत्रिक/वास्तुशिल्प क्रॉस-सेक्शन, अंतिम 2K/4K मास्टर रेंडर

व्यवहार में, जब कोई उपयोगकर्ता UI कैनवास पर इंटरैक्टिव रूप से प्रतीक्षा कर रहा हो और आपके प्रॉम्प्ट में कोई छोटा-पॉइंट टेक्स्ट न हो, तो resolution: "1K" के साथ quality: "high" का उपयोग करें। जब भी आपके प्रॉम्प्ट में उद्धरण चिह्नों में टाइपोग्राफी या कई परस्पर क्रिया करने वाली वस्तुएं शामिल हों, तो 1K ($0.0525) पर quality: "xhigh" का उपयोग करें। बैकग्राउंड वर्कर क्यू में अंतिम प्रोडक्शन मास्टर रेंडर करते समय 2K ($0.105) या 4K ($0.1575) पर quality: "max" पर स्विच करें।

edit-image के लिए डेल्टा प्रॉम्प्टिंग बनाम text-to-image के लिए पूर्ण-दृश्य प्रॉम्प्टिंग

GPT Image 2.5 edit-image के लिए प्रॉम्प्ट लिखने में text-to-image की तुलना में एक अलग मानसिक मॉडल की आवश्यकता होती है। जब आप image_urls में एक या अधिक सोर्स इमेज पास करते हैं, तो दृश्य पहले से ही मौजूद होता है। यदि आपका प्रॉम्प्ट पूरे कमरे, लाइटिंग और कैमरा लेंस का शुरू से फिर से वर्णन करता है, तो मॉडल उन वाक्यों को उन क्षेत्रों को फिर से जनरेट करने के निर्देश के रूप में लेता है, जिससे चेहरों, टेक्सचर या परिप्रेक्ष्य में सूक्ष्म बदलाव आ जाते हैं।

edit-image प्रॉम्प्ट को तीन घटकों के साथ एक सख्त डेल्टा के रूप में लिखें:

  1. सोर्स इमेज को स्पष्ट रूप से इंडेक्स करें: image_urls में कई URL पास करते समय, उन्हें "image 1", "image 2", और "image 3" के रूप में संदर्भित करें।
  2. सटीक बदलाव बताएं: केवल उस तत्व का वर्णन करें जो बदलता है, जिसमें साइन या लेबल अपडेट करने की स्थिति में उद्धरण चिह्नों में बदला जाने वाला टेक्स्ट शामिल हो।
  3. बाकी सब कुछ लॉक करें: स्पष्ट रूप से उन आसपास के तत्वों को सूचीबद्ध करें जिन्हें अछूता रहना चाहिए।

एक पूर्ण-दृश्य text-to-image प्रॉम्प्ट की तुलना उसके संबंधित edit-image डेल्टा प्रॉम्प्ट से करें:

Full-scene prompt (for openai/gpt-image-2.5-sunburst/text-to-image):
Vintage enamel railway station platform sign in deep Prussian blue with crisp white sans-serif lettering reading "PLATFORM 4 — EXPRESS TO GENEVA", weathered brass mounting brackets, afternoon sunlight.
Delta edit prompt (for openai/gpt-image-2.5-sunburst/edit-image):
In image 1, change the white sans-serif lettering on the Prussian blue enamel sign to read "PLATFORM 9 — NIGHT TRAIN TO MILAN" in the exact same font weight, kerning, and enamel surface gloss. Keep the weathered brass mounting brackets, afternoon sunlight angle, and background masonry completely unchanged.

aspect_ratio: "auto" रखते हुए POST https://api.e2x.ai/v1/jobs/submit के माध्यम से उस डेल्टा एडिट कॉल को सबमिट करें ताकि आउटपुट आपकी इनपुट इमेज के आयामों से मेल खाए:

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer $E2X_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-image-2.5-sunburst/edit-image",
    "input": {
      "prompt": "In image 1, change the white sans-serif lettering on the Prussian blue enamel sign to read \"PLATFORM 9 — NIGHT TRAIN TO MILAN\" in the exact same font weight, kerning, and enamel surface gloss. Keep the weathered brass mounting brackets, afternoon sunlight angle, and background masonry completely unchanged.",
      "image_urls": [
        "https://assets.e2x.ai/assets/posts/gpt-image-2-5-prompting-guide/example-2.jpg"
      ],
      "aspect_ratio": "auto",
      "resolution": "2K",
      "quality": "max"
    }
  }'

E2X पर जनरेशन और एडिटिंग के बीच स्विच करते समय दो स्कीमा नियम याद रखें:

  • openai/gpt-image-2.5-sunburst/edit-image 50,000 कैरेक्टर्स तक के प्रॉम्प्ट स्वीकार करता है (text-to-image पर 32,000 की तुलना में), इसलिए स्वचालित लोकलाइज़ेशन स्क्रिप्ट बिना काटे संपूर्ण लेआउट नियम पास कर सकती हैं।
  • किसी भी GPT Image 2.5 एंडपॉइंट में background: "transparent" शामिल नहीं है। यदि किसी कटआउट पैकशॉट को एकल API कॉल में अल्फा चैनल की आवश्यकता है, तो उस जॉब को समान $0.0525 (1K) कीमत पर GPT Image 2 text-to-image या GPT Image 2 edit-image पर रूट करें।

सीधे मॉडल बेंचमार्क के लिए, हमारी GPT Image 2.5 बनाम Nano Banana 2.1 और GPT Image 2.5 बनाम FLUX.2 Pro और Max की तुलना पढ़ें, या हमारी Nano Banana प्रॉम्प्टिंग गाइड देखें। आप text-to-image llms.txt स्पेक और edit-image llms.txt स्पेक में रॉ पैरामीटर स्कीमा का निरीक्षण भी कर सकते हैं, या E2X कैटलॉग में सभी मॉडल ब्राउज़ कर सकते हैं।

अक्सर पूछे जाने वाले प्रश्न (FAQ)

GPT Image 2.5 प्रॉम्प्ट के लिए सबसे अच्छा वाक्य क्रम क्या है?

प्राथमिक विषय, उसकी सामग्री फिनिश और फ्रेम में उसकी स्थिति से शुरुआत करें। इसके बाद भौतिक प्रकाश स्रोत और छाया की दिशा बताएं, फिर डबल कोट्स के अंदर किसी भी सटीक इन-इमेज टेक्स्ट को उसके फ़ॉन्ट और सतह के उपचार के साथ निर्दिष्ट करें, और स्पष्ट नेगेटिव स्पेस आरक्षित करके समाप्त करें (फ्रेम क्षेत्र और साफ बैकग्राउंड सतह दोनों का नाम बताते हुए)।

जब मैं उद्धरण चिह्नों (quotation marks) का उपयोग नहीं करता, तो GPT Image 2.5 शब्दों की स्पेलिंग गलत क्यों कर देता है?

जब लक्षित शब्दों को उद्धरण चिह्नों के बिना इनलाइन लिखा जाता है, तो लैंग्वेज कंडीशनिंग लेयर उन्हें शाब्दिक कैरेक्टर स्ट्रिंग्स के बजाय विषयगत विवरण के रूप में मान सकती है। सटीक स्ट्रिंग को डबल कोट्स में लपेटने (reading "PLATFORM 4 — EXPRESS TO GENEVA"), फ़ॉन्ट शैली का नाम देने ("crisp white sans-serif lettering"), और quality को xhigh या max पर सेट करने से मॉडल को ठीक उन्हीं अक्षरों को रेंडर करने का निर्देश मिलता है।

क्या मुझे हमेशा GPT Image 2.5 पर max क्वालिटी का उपयोग करना चाहिए क्योंकि इसकी कीमत high के बराबर ही है?

E2X पर, low, medium, high, xhigh, और max सभी पर समान ×7 मल्टीप्लायर (1K पर $0.0525, 2K पर $0.105, 4K पर $0.1575) लागू होता है। जब भी आपके प्रॉम्प्ट में एम्बेडेड टाइपोग्राफी, बारीक त्वचा या कपड़े के टेक्सचर, या मल्टी-ऑब्जेक्ट स्थानिक बाधाएं हों, तो xhigh या max का उपयोग करें। जब आप सरल एकल-विषय ड्राफ्ट या साफ बैकग्राउंड प्लेट्स पर तेज़ परिणाम चाहते हैं, तो high का उपयोग करें।

मैं HTML टेक्स्ट ओवरले के लिए साफ कॉपी स्पेस कैसे आरक्षित करूं?

फ्रेम के हिस्से और उस खाली ज़ोन को भरने वाली सटीक भौतिक सतह दोनों को निर्दिष्ट करें, जैसे "Keep the right third of the frame an uncluttered warm plaster wall for headline copy" या "Keep the upper half a clear pale overcast sky with no clouds or objects"। सतह का नाम बताने से मॉडल उस स्थान को यादृच्छिक बैकग्राउंड प्रॉप्स से भरने से रुक जाता है।

edit-image प्रॉम्प्ट को text-to-image प्रॉम्प्ट से कैसे भिन्न होना चाहिए?

/models/openai/gpt-image-2.5-sunburst/text-to-image के लिए, पूरे दृश्य का शुरू से वर्णन करें (32,000 कैरेक्टर्स तक)। /models/openai/gpt-image-2.5-sunburst/edit-image (50,000 कैरेक्टर्स तक) के लिए, केवल डेल्टा लिखें: इनपुट फ़ाइल को संख्या से संदर्भित करें ("In image 1..."), बदलने वाले सटीक तत्व या उद्धरण चिह्नों वाले टेक्स्ट को बताएं, और स्पष्ट रूप से मॉडल को अन्य सभी वस्तुओं, लाइटिंग और कैमरा कोणों को अपरिवर्तित रखने का निर्देश दें।