返回博客

GPT Image 2.5 提示词完全指南:文字排版、留白控制与 high / xhigh / max 档位选择

E2X Team··13 分钟阅读
gpt-image-2.5gpt-image-2.5-sunburstgpt-image-2.5-flareopenaiprompt-engineeringimage-generationimage-editingtext-to-image

发送给 GPT Image 2.5 text-to-image 的大多数失败提示词,翻车原因如出一辙:它们是按 2022 年扩散模型的套路写的,而不是针对 2026 年的语言条件控制架构设计的。当你把逗号分隔的画质堆砌词("coffee dripper, 8k, hyperrealistic, octane render, studio lighting, award winning")喂给一个支持 32,000 字符自然语言的端点时,你实际上把画面中 90% 的空间构图决策交给了随机概率。

GPT Image 2.5 不需要画质形容词。它需要的是一份用完整陈述句写成的清晰空间简报,并配合正确的 Schema 参数设置(aspect_ratio、resolution,以及 quality:high、xhigh 或 max)。而当你从 /models/openai/gpt-image-2.5-sunburst/text-to-image 切换到 /models/openai/gpt-image-2.5-sunburst/edit-image 时,规则则会反转:在编辑调用中重新描述整个场景会导致画面出现非预期的漂移,而紧凑的增量(Delta)提示词才能将参考图稳稳锁定。

下文将详细介绍我们在 E2X 生产流水线中广泛采用的四段式提示词结构,包含修改前后的对比重写、文字排版格式规则、负空间(留白)预留技巧,以及当全部五个质量档位在 1K 下同为 $0.0525 时,如何在 high、xhigh 和 max 之间做出最佳选择的实用指南。

摆放着黄铜比例规、潘通色卡和几何墨线图的建筑师绘图桌

GPT Image 2.5 最严格遵循的“四段式句子结构”

既然 GPT Image 2.5 text-to-image 支持 32,000 字符上限,GPT Image 2.5 edit-image 更是支持高达 50,000 字符,你就完全没有必要把指令压缩成零碎的短语片段。请按照你希望画布构建的先后顺序写出完整的句子:前面的分句用于锚定相机几何视角与核心主体;后面的分句用于细化光线、文字排版与留白边缘。

请遵循以下四段式顺序:

  1. 主体 + 材质 + 位置:点明媒介形式与核心物体、触觉表面质感,以及它在画面中的具体位置("Matte ceramic pour-over coffee dripper centered on a brushed steel digital scale on a pale ash wood counter")。
  2. 物理光源 + 方向:说明发光体是什么、光线从哪个角度射入,以及阴影如何投射("afternoon sunlight from camera left casting sharp shadows across the brackets")。
  3. 带引号的精确文字 + 字体/表面工艺:当画面包含招牌、标签或 UI 元素时,务必将精确字符放在双引号内,并描述字形风格与基底材质("crisp white sans-serif lettering reading \"PLATFORM 4 — EXPRESS TO GENEVA\" on deep Prussian blue enamel")。
  4. 显式预留负空间(留白):明确告诉模型画布的哪三分之一或哪一半必须保持干净留空,以便设计团队后续叠加 HTML 或 Figma 文案("Keep the right third of the frame an uncluttered warm plaster wall for headline copy")。

修改前后对比:关键词浓汤 vs 陈述式空间简报

让我们对比一下在三个常见的商业任务中,用四段式句子结构替换笼统标签列表后会发生什么变化。

任务 1:预留文案空间的电商首屏横幅(Hero Banner)

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.

为什么重写后有效:在逗号列表中写一句 "copy space on right",很少能阻止图像模型在那个角落挂上搁板、绿植或窗框。而直接点明留白区域的具体物理材质("an uncluttered warm plaster wall",即干净无杂物的暖色石膏墙),则给模型提供了一个明确的表面去填充画布右侧三分之一的区域。

任务 2:带有内嵌文字的建筑标识牌

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.

为什么重写后有效:如果把目标文字写成全小写且不加引号(says platform 4 express to geneva),模型很容易擅自改写措辞、漏掉标点符号,甚至凭空捏造额外的车站名。用双引号将 "PLATFORM 4 — EXPRESS TO GENEVA" 括起来,并指定 "crisp white sans-serif lettering",就能同时锁定字母大小写与字形几何结构。

任务 3:多物体桌面平铺俯拍(Flatlay)构图

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.

为什么重写后有效:每一个次要物体都相对于核心主体进行了位置锚定("at the top left corner of the board"、"parallel to the right edge"),从而彻底避免了物体相互穿插重叠的几何错误。

为标题与 UI 叠加层预留负空间(留白)

在自动化广告和落地页流水线中,代价最高昂的错误之一就是以 16:9 生成一张居中构图的画面,然后指望前端开发者能直接把白色文字浮在左侧或右侧边缘上。除非你在提示词中主动声明留白空间,否则 GPT Image 2.5 会用次要道具、景深虚化杂物或极具戏剧性的阴影渐变填满整个画面宽度,彻底毁掉文字对比度。

以下是手冲咖啡滤杯提示词在 GPT Image 2.5 上的实际渲染效果,展示了当你将画面右侧三分之一显式指定为一面墙体表面时模型的响应表现:

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.

放置在拉丝钢电子秤上的哑光陶瓷手冲咖啡滤杯,画面右侧预留了干净的留白空间

观察一下画面沿水平轴是如何划分的:

  • 滤杯的哑光陶瓷肋骨纹路与拉丝钢称重台稳稳占据画面左侧与中左区域,且在画框边缘没有任何裁切。
  • 浅色白蜡木台面干净利落地向右延伸至画面边缘,为整个场景提供了稳固的视觉基底,使其看起来浑然一体,而不像生硬拼接的分屏拼贴画。
  • 右上区域保持为均匀的暖色石膏墙面,带有柔和的影调过渡,随时可以直接排入深色衬线体或无衬线体 HTML 文字,完全不需要在文字背后额外垫一层半透明深色遮罩框。

在编写留白指令时,请务必将空间比例("the right third"、"the upper quarter"、"the left half")与应当占据该区域的具体背景材质("uncluttered warm plaster wall"、"clear pale overcast sky"、"seamless slate-gray studio sweep")配对使用。告诉模型空白区域里有什么材质,远比单纯说一句 "leave empty space" 可靠得多。

用引号锁定精确文本并控制表面文字排版

在渲染多词招牌、包装标签、书籍封面和 UI 卡片方面,GPT Image 2.5 是 E2X 目录中最强大的模型。为了在第一次生成时就获得干净准确的文字,只要提示词中包含文本,请严格遵循以下四条机械规则:

  1. 始终用双引号包裹精确字符:严格按照你希望渲染出的全大写或大小写混合形式编写,例如 "PLATFORM 4 — EXPRESS TO GENEVA"。
  2. 用视觉字族和字重描述字体,而非私有字体文件名:使用诸如 "condensed bold grotesque sans-serif"、"high-contrast editorial Didone serif" 或 "hand-painted gold leaf sign-painter capitals" 这样的描述词。
  3. 指明文字如何附着在物理材质上:说明文字究竟是 "screen-printed in matte black ink"(哑光黑墨丝网印刷)、"stamped in recessed gold foil"(凹陷烫金)、"enameled white on Prussian blue steel"(普鲁士蓝钢板上的白色珐琅字),还是 "backlit acrylic channel letters"(背光亚克力发光字)。
  4. 防止背景出现随机乱码文字:如果场景中包含背景店面、瓶罐或书籍,且你不希望上面出现随机捏造的假单词,请在提示词末尾加上 "no other text or logos in the frame"。

以下是严格遵循上述规则在 GPT Image 2.5 上生成的火车站站台招牌提示词:

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.

使用 GPT Image 2.5 生成的普鲁士蓝复古珐琅火车站台标识牌

在这张输出图中,模型精准保留了 PLATFORM 4 与 EXPRESS TO GENEVA 之间破折号两侧的间距,使白色无衬线字体的笔画粗细在整块水平标牌上保持高度一致,并在蓝色珐琅釉面和白色油漆字母上同时渲染出微妙的午后高光反射。与此同时,四角风化的黄铜安装支架展现出自然的氧化痕迹与螺栓细节,且丝毫没有侵占标牌的内框边界。

在 E2X 上如何选择 high、xhigh 与 max 质量档位

在 /models/openai/gpt-image-2.5-sunburst/text-to-image 和 /models/openai/gpt-image-2.5-sunburst/edit-image 上,quality 参数支持五个值:low、medium、high(省略时的 Schema 默认值)、xhigh 和 max。 在 E2X 上,GPT Image 2.5 提供两个变体版本:GPT Image 2.5 Sunburst(openai/gpt-image-2.5-sunburst,支持 1K/2K/4K 分辨率以及 low、medium、high、xhigh、max 画质档位)和 GPT Image 2.5 Flare(openai/gpt-image-2.5-flare,通过 /models/openai/gpt-image-2.5-flare/text-to-image 与 /models/openai/gpt-image-2.5-flare/edit-image 支持 1K/2K/4K 分辨率以及 low、medium、high 画质档位)。

在决定传入哪个设置之前,请先了解 E2X 对该参数的计费逻辑。每次调用均从 $0.03 的目录基础费率起步,经过我们的常驻 75% 折扣后降至 $0.0075。在此基础上:

  • 每一个 quality 设置(low、medium、high、xhigh 和 max)均应用完全相同的 ×7 乘数。
  • resolution 在 1K 下应用 ×1 乘数($0.0525),2K 下为 ×2($0.1050),4K 下为 ×3($0.1575)。

价格和产品条款可能会有所变动。在做出购买决定前,请核实各供应商的当前定价。由于调度、可用性和处理条件不同,Google Batch 或 Flex 定价无法直接等同于标准按需 API 请求,因此未纳入本次对比。本文为特定范围内的对比,并非声称 E2X 在任何配置下都是全球最便宜的选择。

既然 low、high、xhigh 和 max 在 1K 下全都只需完全相同的 $0.0525(2K $0.105,4K $0.1575),从成本角度来看,你没有任何理由去发送 low 或 medium。在 high、xhigh 和 max 之间真正的工程权衡在于推理延迟(耗时)与细节精修程度:

质量设置(Quality)E2X 1K 价格E2X 4K 价格最佳适用场景
high(默认)$0.0525$0.1575快速交互式预览、单主体商品摄影、干净的留白背景图
xhigh$0.0525$0.1575店面招牌、化妆品瓶身标签、多物体桌面构图、带有精细皮肤/织物纹理的人像
max$0.0525$0.1575密集的多行文字海报、精细的机械/建筑剖面图、最终的 2K/4K 生产级母版渲染

在实际工程中,当用户在前端 UI 画布上进行交互式等待且提示词不包含小字号文字时,请搭配 resolution: "1K" 使用 quality: "high"。只要提示词包含带引号的文字排版或多个交互物体,请一律在 1K($0.0525)下使用 quality: "xhigh"。而当你在后台 Worker 队列中渲染最终的生产母版时,则在 2K($0.105)或 4K($0.1575)下切换至 quality: "max"。

edit-image 的增量(Delta)提示词 vs text-to-image 的全场景提示词

为 GPT Image 2.5 edit-image 编写提示词,需要采用与 text-to-image 截然不同的思维模型。当你在 image_urls 中传入一张或多张源图像时,视觉场景已经存在了。如果你的提示词从头把整个房间、布光和相机镜头重新描述一遍,模型就会把这些句子当作重新生成这些区域的指令,从而在人脸、材质或透视关系上引入微妙的漂移。

请将 edit-image 提示词编写为包含以下三个要素的严格增量(Delta)指令:

  1. 显式按索引引用源图像:当在 image_urls 中传入多个 URL 时,在文中用 "image 1"、"image 2" 和 "image 3" 指代它们。
  2. 仅陈述精确的修改内容:只描述发生变化的元素,如果你要更新招牌或标签,请附上带双引号的替换文字。
  3. 锁定其余所有内容:显式列出周围必须保持原样、不可触碰的元素。

对比一下全场景 text-to-image 提示词与其对应的 edit-image 增量提示词:

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.

通过 POST https://api.e2x.ai/v1/jobs/submit 提交该增量编辑调用,并保持 aspect_ratio: "auto",使输出图像严格匹配输入图像的尺寸比例:

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"
    }
  }'

在 E2X 上切换生成与编辑路由时,请牢记两条 Schema 规则:

  • openai/gpt-image-2.5-sunburst/edit-image 支持长达 50,000 字符的提示词(相比之下 text-to-image 为 32,000 字符),因此自动化多语言本地化脚本可以完整传入版式规则而不会被截断。
  • 两个 GPT Image 2.5 端点均不包含 background: "transparent" 参数。如果商品抠图需要在单次 API 调用中直接生成 Alpha 透明通道,请将该任务路由至同样为 $0.0525(1K)价格的 GPT Image 2 text-to-image 或 GPT Image 2 edit-image。

如需查看模型之间的横向评测对比,请阅读我们的 GPT Image 2.5 vs Nano Banana 2.1 与 GPT Image 2.5 vs FLUX.2 Pro 和 Max,或参考我们的 Nano Banana 提示词指南。你也可以在 text-to-image llms.txt 规范和 edit-image llms.txt 规范中查看原始参数 Schema,或浏览 E2X 目录中的全部模型。

常见问题解答(FAQ)

GPT Image 2.5 提示词的最佳句子顺序是什么?

先写核心主体、材质表面处理及其在画面中的位置;接着写物理光源与阴影方向;然后用双引号括出任何需要精确渲染的图内文字,并注明字体风格与表面附着工艺;最后通过显式预留负空间(同时点明画面区域与干净的背景表面材质)收尾。

为什么我不加引号时,GPT Image 2.5 会把单词拼错?

当目标文字不加引号直接写在句子里时,语言条件控制层可能会将它们视为主题氛围描述,而不是需要逐字渲染的字符串。将精确字符串放在双引号内(reading "PLATFORM 4 — EXPRESS TO GENEVA"),指明字体风格("crisp white sans-serif lettering"),并将 quality 设为 xhigh 或 max,就能明确指示模型精确绘制这些字形。

既然 GPT Image 2.5 的 max 质量与 high 价格相同,我应该总是使用 max 吗?

在 E2X 上,low、medium、high、xhigh 和 max 都采用相同的 ×7 乘数(1K $0.0525,2K $0.105,4K $0.1575)。只要提示词包含内嵌文字排版、精细的皮肤或织物肌理,或者多物体空间位置约束,请务必使用 xhigh 或 max。而当你在处理简单的单主体草稿或纯背景底板、追求更快的响应速度时,保持 high 即可。

如何为 HTML 文字叠加层预留干净的文案空间?

请同时指定画面比例区域以及应当填充该空白区域的具体物理表面,例如 "Keep the right third of the frame an uncluttered warm plaster wall for headline copy" 或 "Keep the upper half a clear pale overcast sky with no clouds or objects"。点明具体的物理表面能有效防止模型往空白处塞入随机的背景道具。

edit-image 提示词应该如何与 text-to-image 提示词区分开?

对于 /models/openai/gpt-image-2.5-sunburst/text-to-image,请从头描述整个场景(最长 32,000 字符)。而对于 /models/openai/gpt-image-2.5-sunburst/edit-image(最长 50,000 字符),请只编写增量修改(Delta):按编号引用输入图片("In image 1..."),指出需要修改的精确元素或带引号的替换文本,并明确指示模型保持所有其他物体、光线和相机视角完全不变。