功能
GPT Image 2.5 实战指南
作者:Ofrai Editorial(Use Case Research)
GPT Image 2.5 属于 GPT Image 家族里偏「照字面执行」的一支:画面内的文字、你说清的版式,以及尊重原稿的改图。在 Ofrai,它与 nano-banana-pro、flux-2 同在图片工作室,共用一套积分。这个引擎要的提示词风格和本页其他模型不同——它需要编号式约束、直接引用的文案,以及明确写出「哪些必须清晰」——这篇指南讲的就是这套写法,以及它特有的翻车点。
GPT Image 家族到底调优了什么
三项能力定义了这个分支,每一项都对应一类活儿。第一,画面内文字:标签、包装、招牌、界面样机、图表,以及任何观众要读字的版式。第二,指令遵循:当提示词把约束列成清单,这个家族会照字面执行,而不是当成气氛词来理解,所以带验收条件的 brief 交给它最稳。第三,改图保真度:给它参考图并描述要改的地方,它通常只动你说的那部分,其余画面保持原样。
它较弱的地方是极致的照片质感、强烈风格化和大批量低成本迭代——这也正是本页另外两个模型一直被并列列出的原因。
这个引擎想要的提示词结构
写编号式约束,而不是散文段落。一个好用的结构是:'主体:……',然后 '构图:……',然后 '文字,原文引用:"……"',最后 '约束:画面无其他文字、无水印、手部不入镜'。明确的否定句在这里很有用,因为照字面执行意味着一句写出来的排除比在那些把词当味道的引擎上更常被兑现。把要用的原文引用放在靠前位置,并重复说明拼写必须正确、清晰可读。每个编号项只放一个决定。
两处指令冲突时,删掉一处——这个引擎会字面处理冲突,结果很可能是满足了错误的那条。
怎么让画面里的字真正清晰
文字质量更多取决于提示词的纪律,而不是分辨率。可用的规则是:引用确切字符串,包括大小写,因为大小写本身就是设计的一部分;写明位置(「上方三分之一处大字」);写明风格(「窄体无衬线,高对比度,黑底白字」);把可读性写成要求(「所有字母必须正确且可读」)。字符串要短。五个词的招牌很稳,十五个词的虚构段落不稳。
需要密集文字时,正确做法是生成一块留有干净文字区域的构图,然后自己排版——这种混合做法是行业标准,效果比任何提示词技巧都好。界面样机同理:先要版式和占位块,再叠真实界面文字。
用参考图做精确改稿
这里的工作流更像一轮修稿,而不是找灵感。上传你要改的画面,然后只写增量:改什么,其余必须不变。把「保持不变」明确写出来——'机位、光线方向和背景完全保持原样'——因为这个引擎有个习惯,会悄悄「顺手改进」你没要求改进的地方。每次生成只改一处。需要同时改三处,就分三遍;合并会提高未被要求区域发生漂移的概率。
做风格迁移时,把目标风格描述成材质和行为('哑光油漆质感,能看见笔触,柔和的北向自然光'),而不是点名艺术家。
它在哪里翻车,以及怎么修
有四种可预期的失败。一,你没要求的地方冒出了文字——加 '画面中任何其他位置不得出现文字'。二,版式无视你的指令——把这条约束提到最前面,并写成编号项。三,改图时没被要求的部分发生漂移——重述保持条款,并把改动拆成一次一处。
四,手和小物件画得变形——重新安排取景,把它们排除在画面外,或者明确写为虚焦,因为这个引擎优先保证被你描述的区域,而不是顺带细节。第五种比较隐蔽:过度字面导致画面发僵。修法是在末尾补一句气质描述,而不是把约束本身放松。
本页三个模型之间怎么选
把这个选择当成「每个交付物只做一次的路由决策」,而不是每次渲染都重选。构图还在找、活儿有三十张以上、或者风格偏照片而文字只是顺带出现,就发给 flux-2。需要跨图保持人物身份或产品一致、面孔必须对得上、或者你想要更自然的摄影质感,就用 nano-banana-pro。
文字必须清晰、brief 是一串硬约束、或者你要改的是一张已有画面而不是凭空创造,就走 GPT Image 这支。实际收益来自「每个活儿只路由一次」,而不是在几次昂贵的重试之后才发现送错了引擎。
在高价引擎上的成本纪律
因为这里终稿的单帧成本高于草稿级渲染,顺序就很关键。先在 flux-2 上按交付画幅试构图,把锁定的画面提升到这个引擎跑一次,验证文字和版式,最后才按最终分辨率出变体。做五张海报变体时,这一次验证只花一帧,却可能省下四张都带着拼写错误的终稿。
记下哪张画面是在哪个分辨率上通过的,因为在任何平台上,按全分辨率重复生成都是最常见也最可避免的浪费。
用这个引擎喜欢的结构写一段完整提示词
这个引擎奖励分条编号的约束,而不是流畅的散文。一份写得合格的包装效果图应该是这样的:「1. 主体:一只哑光白色化妆品罐,50 毫升,圆形,无品牌。2. 环境:浅沙色无缝背景,哑光台面。3. 光线:左前方 45 度大柔光箱,右后方一盏较小的补光,强度为主光的一半,罐盖上不要出现高光点。4. 相机:70mm,罐体居中,占画面高度 60%,机位略高于罐盖。
5. 文字,精确内容:正面标签上『HYDRATE』,字距拉开的大写无衬线;下方小一号写『50 ml』;画面其他位置不要出现任何文字。6. 约束:标签文字必须拼写正确并水平居中;罐体比例不得改变。」编号不是装饰。它能让约束在提示词变长时不互相混淆,而这恰恰是散文式提示词丢掉指令的地方。
这个引擎上各参数的实际行为
画幅在这里是构图指令而不是裁切:这个引擎会按 16:9 和按 1:1 分别摆放主体,而不是先生成宽图再裁。按交付物定好画幅,之后就别再动了。分辨率抬高的是细节上限——可读的文字、小号说明、发丝——而不是把一张本来就平的图锐化,所以草稿阶段用低分辨率,只在画面含文字时才上高分辨率。
真正有效的改稿循环
把它当成改稿循环,而不是抽奖。上传你想改的那一帧,只描述差量,其余一概不写。改标签就写「把标签文字改成『HYDRATE』,罐体、背景、光线、相机和取景保持完全一致」。想换整个场景,那是重新生成而不是改稿,而把这两件事混在一起正是挫败感最大的来源。
这套循环有三条实用纪律:每一遍只改一处,因为同时改两处会得到两种失败模式而且无法归因;把每一张审过的帧原文件留好,随时能退回;当一次编辑把你原本满意的部分弄坏了,就用同样的编辑再跑一遍,而不是追加修正语句——修正语句会层层叠加,第二个版本通常比第一个更糟。
在旗舰引擎上积分是怎么花的
这一支的成本主要随分辨率和候选数量增长,几乎不随提示词长度增长,所以真正值得控制的有两件事:你要几张候选,以及在还没决定之前你用什么分辨率渲染。草稿阶段用低分辨率、单张候选来测结构——分条编号的约束让这一步很便宜,因为你读的是版式和指令遵循度,而不是完成度。
只有构图真的没把握时,才在低分辨率下要四张候选。构图批准之后,才用一到两张高分辨率。每次生成前都会显示消耗的积分。最该避免的一种花法是:把一张高分辨率帧渲出来之后才发现文字不可读——这既付了全价,又还是要重跑。
谁该把任务路由到这里,谁不该
出现以下情况就路由到这里:交付物里含有文字、界面、图示、无法纯用文字描述的版式,或者需要修改一张已经存在的图——这些正是这一支真正被调优的能力,也没有更便宜的引擎能好好替代。
反过来,以下情况请路由到别处:还在探索构图、要快速出一堆情绪稿、或者只是纯氛围图,因为拿旗舰引擎做探索等于在还不知道自己要什么之前就先付了钱。还有一个时间维度值得权衡:如果一张图六个月后还在用、并且可能要按不同尺寸重新渲染,那就优先选一个能便宜复现输出的引擎,因为品牌决策的寿命往往比做出它的那个会话长得多。
常见问题
- GPT Image 2.5 在 Ofrai 上最适合做什么?
- 适合三类活儿:画面内文字必须清晰可读、brief 是一串编号约束、或者你要改的是一张已有画面而不是凭空创作。它照字面执行指令,所以在包装、招牌、图表和界面版式这类工作上最可靠,改图时也倾向于不动你没提到的区域。
- 怎么让生成的文字正确又清晰?
- 引用确切字符串并带上大小写,写明它在画面中的位置和字体风格,明确要求字母正确且可读。字符串控制在五个词以内。需要密集文案时,先生成一块干净的文字区再自己排版,这比任何提示词技巧都可靠。
- 我该改用 Nano Banana Pro 或 Flux 2 吗?
- 构图探索、大批量出图、以及文字只是顺带出现的纯摄影类活儿,用 flux-2。需要跨图保持面孔、产品外形或身份一致,或者想要更自然的摄影质感,用 nano-banana-pro。只有在文字必须可读、约束很多、或者需要精确改图时,才路由到 GPT Image 这一支。
- 怎么改图而不把其他部分也改掉?
- 上传画面后只描述增量,并重述必须保持不变的部分——机位、光线方向、背景。每次生成只改一处,多处改动拆成多遍。保持不变不是自动发生的,真正起作用的是那句告诉它「别动哪里」的话。
- 为什么出现了我没要求的文字?
- 模型为了填补视觉空间,会主动虚构招牌或标签文案,在画面元素复杂的构图中尤其明显。加一句明确排除,比如 '画面中任何其他位置不得出现文字',并写清真实文案应该出现在哪个位置,给引擎一个明确的文字区。
- 终稿单帧更贵,怎么控制成本?
- 先在便宜的引擎上按交付画幅试构图,把锁定的画面提升一次做最终分辨率的验证,确认文字和版式无误后再批量出变体。另外记录每张画面是在哪个分辨率上通过的,能避免无谓的全分辨率重渲。
