GPT Image 2 提示词怎么写:结构、示例和实测出图
八条提示词、九张真跑的图:GPT Image 2 哪里做得准、多加了什么、怎么修。

本页内容
写 GPT Image 2 的提示词,按 OpenAI 的顺序来:用途、场景、主体、细节、风格,最后写限制条件。要进画面的字放进引号,并说清放在哪;改图则说清改什么、留什么。我们 2026 年 10 月 27 日跑了八条提示词,引号里的字和物体数量都对,改图却会重画小细节。
GPT Image 2 的提示词结构
OpenAI 的提示词指南从你要的那张图出发,再写主体、构图、风格和限制条件,复杂需求按场景、主体、细节、限制条件的顺序分块写。它的 cookbook 顺序在最前面加了一项用途,因为先说清这张图做什么用,出来的精致度就不一样。不需要任何特殊语法,一句话、一段话、类似 JSON 的结构都能用。
| 部分 | 写什么 | 我们提示词里的例子 |
|---|---|---|
| 用途 | 这张图给谁、用在哪 | "a poster for a community event, printed at A3" |
| 场景 | 地点、光线、背景 | "a seamless pale stone backdrop, soft morning window light" |
| 主体 | 主体是什么、摆在哪个位置 | "a matte black stainless-steel water bottle … slightly left of centre" |
| 细节 | 文字、材质、小物件 | "Line 2, below it, smaller: …" |
| 风格或摄影 | 媒介、镜头、配色 | "screen-printed poster, three colours" |
| 限制条件 | 不该出现什么 | "no other text, no logos, no watermark" |
这六项之外,还有几条要点。
- 精确文字:原话放进引号,写清位置和字体,难拼的词一个字母一个字母给它,再要求画面上没有别的字,最后自己逐个核对。OpenAI 建议文字多的时候用
medium或high,我们那条low的信息图每个标签也都对。 - 改图:写“只改 X”,再列出要留住的东西,每一轮都重复这份清单。某块区域必须一模一样时,把改好的图贴回原图上。
- 参考图:每张输入图只给一个任务,比如配色、质感或媒介,新主体另外描述。
- 摄影:要“photorealistic”,同时写清取景和质感。
50mm lens这类镜头词只是给模型一个感觉,不是真的参数。 - 设置:
quality有 low、medium、high 和 auto 四个值。OpenAI 推荐 1024×1024、1536×1024 和 1024×1536 三个尺寸,也支持 2K、4K 和自定义尺寸。它没有公布提示词长度上限,我们这八条是 248 到 607 个字符。
我们的提示词都用英文写;要在图里放的文字,照原样写进引号里。
OpenAI 提示词指南里配的示例图是 GPT Image 2.5 出的,不是 GPT Image 2。下面每张图都是我们自己用 gpt-image-2 跑的。
我们怎么跑的
- 模型
gpt-image-2,2026 年 10 月 27 日(北京时间)通过 OmniaKey 的异步媒体接口跑,一次一张,只用 OpenAI 推荐的三个尺寸。 - 海报、应用界面和其中一张信息图用 high,另一张信息图用 low,其余用 medium。背景、格式、压缩和审核参数我们一个都没传。
- 第 1 到 4 条、第 7、8 条是生成;第 5、6 条是改图。输入图是我们自己之前的出图,缩成长边 1024 像素的 JPEG 后内联发送,压在 1 MiB 以内。
- 用时从 23.1 秒到 96.6 秒,两次改图是 43.0 秒和 78.9 秒。第一次风格迁移报了临时的“unavailable”,跑了 131 秒、没有扣费,你看到的这张是重试的结果。
- 检查方法:每张图放大到原尺寸看,逐个字母核对图里的字,数清物体数量。改图按区域和原图比,用的是 SSIM,1 表示完全一样。
- OmniaKey 在卖 GPT Image 2 的接口,这些图就是通过它跑的。文中的价格都是 OpenAI 的官方价,不是我们的价格。
- 来源:OpenAI 的图片生成指南、图片提示词指南、cookbook 提示词指南(现在标为 archived)和 API 价格页,2026 年 10 月 27 日核对。
Wan 3.0 那条图生视频,第一帧也是用 GPT Image 2 出的,见我们的 Wan 3.0 提示词指南。每条提示词只跑了一次,每张图都只是一个样本。
八个配方和实测出图
1. 标题要一字不差的海报
这条把三行精确文字各放到一个位置,字体也不一样。
Intended use: a poster for a community event, printed at A3.
Scene: a warm autumn evening in a small-town square, string lights overhead.
Subject: a vintage bicycle with a wicker basket full of apples, centered in the lower half.
Text (exact, render each line once):
Line 1, top, large bold serif: "HARVEST NIGHT MARKET"
Line 2, below it, smaller: "Saturday, November 8 · 5–10 pm"
Line 3, bottom, small caps: "Old Mill Square"
Style: screen-printed poster, three colours (deep red, mustard, cream), visible paper grain.
Constraints: no other text, no logos, no watermark.
意思是:一张 A3 社区活动海报,三行文字各给位置和字体,主体是下半幅装满苹果的自行车,丝网印三色。

设置:generate,1024x1536,high,50.3 秒。
结果:三行字都对,多了两处小添加。
- “HARVEST NIGHT MARKET”用大号粗衬线排在顶部,折成两行,两边各一片橡树叶;下面那行日期一字不差,间隔号和短横线都在。
- 底部是字距拉开的小号大写“OLD MILL SQUARE”,广场、尖顶教堂和红色自行车都在,没有别的字,也多了没要的叶子和月亮。
怎么调:
- 标题必须排成一行,就写明“title on a single line”。
- 想拦住这些小添加,把它们列进限制条件,试“no leaves, no moon”。
2. 按结构一项项写的产品图
这条把结构的每一格都填上,只拍一个水壶。
Intended use: the hero image on an online shop's product page.
Scene: a seamless pale stone backdrop, soft morning window light from the left, a gentle shadow falling to the right.
Subject: a matte black stainless-steel water bottle with a bamboo cap, standing upright, slightly left of centre.
Details: small water droplets on the bottle, a sprig of fresh mint lying beside it, visible wood grain on the cap.
Photography: photorealistic product photo, 100mm macro lens look, sharp focus on the bottle, background softly out of focus.
Constraints: no text, no logo, no label on the bottle, no other objects.
意思是:网店详情页的主图,磨砂黑不锈钢水壶配竹盖,浅色石面背景,左侧晨光,带水珠和薄荷。

设置:generate,1536x1024,medium,96.6 秒。
结果:提示词里有的都在,没要的一样也没出现。
- 磨砂黑水壶带着竹盖立在中间偏左的位置,满身水珠,右下角一株薄荷,窗框的影子从左侧斜过石墙。
- 背景保持虚化,没有文字、标志、标签或别的东西。
怎么调:
- 想要纯白底,就把“seamless pure white background”写进场景。OmniaKey 的接口返回的都是不透明 PNG。
3. 同一张信息图,高质量和低质量各一次
一条提示词跑两次,只改质量设置。
Intended use: a one-page explainer for a coffee shop's blog.
Create a clean infographic titled "HOW POUR-OVER COFFEE WORKS".
Layout: four numbered steps in one vertical column; each step has a simple flat illustration on the left and a short label on the right.
Step labels (exact text):
1. "Grind 15 g of beans"
2. "Heat water to 94 °C"
3. "Bloom for 30 seconds"
4. "Pour slowly for 3 minutes"
Style: flat vector illustration, cream background, dark brown and teal accents, plenty of white space.
Constraints: no other text, no logos, every label spelled exactly as written.
意思是:咖啡店博客用的一页信息图,四个编号步骤竖排,左边配扁平插画,右边是精确标签。

设置:generate,1024x1536,跑两次:high 73.9 秒,low 50.6 秒。
结果:两张的标签都拼对了,高质量那张多了字。
- 两张标题都拼对,磨豆机、手冲壶、滤杯和注水壶都在,四个标签一字不差,“94 °C”也对。
- high 那张在壶旁边多画了一支温度计和第二个“94 °C”,每个标签还落在编号圆圈的下面一点。
- low 每行标签都和编号齐平,也没多字。
怎么调:
- 先用
low试,往上比之前别急着改提示词。 - 对齐重要就写“labels level with the step numbers”。
4. 人像:摄影词加真实肤质
这条要点照片质感,还要毛孔和皱纹。
Create a photorealistic candid portrait of a fictional woman in her fifties, a potter, sitting at her wheel in a small studio.
Framing: medium close-up at eye level, like a 35mm film photograph taken with a 50mm lens, shallow depth of field.
Details: real skin texture (pores, fine lines, freckles), grey hair tied back, a denim apron with clay stains, wet clay on her hands, shelves of unglazed bowls blurred behind her.
Lighting: soft daylight from a window on the left.
Constraints: no text, no watermark, natural colours, no heavy retouching.
意思是:一位五十多岁的陶艺师坐在拉坯机前的写实抓拍,中近景,真实肤质,左侧自然光。

设置:generate,1024x1536,medium,83.1 秒。
结果:肤质像真照片,但成了摆拍,取景也更宽。
- 灰白头发扎在脑后,有几缕散下来,雀斑和细纹都在,围裙上带着泥痕,双手沾泥在捏碗,身后一排素坯,光从左边来。
- 她直视镜头还带着笑,看起来是摆拍;取景从头顶一直到拉坯机,比中近景宽。
怎么调:
- 想更自然,就写明她的目光,试“looking down at the clay, not at the camera”。
- 取景也用大白话补一句,比如“from the shoulders up”。
5. 风格迁移:给输入图一个任务
这是一次改图,输入图是第 1 条那张海报,只借它的风格。
Use the input image only as a style reference: copy its screen-printed look, its three-colour palette (deep red, mustard, cream) and its paper grain.
New subject: a lighthouse on a rocky headland at dusk, with a small sailboat on the sea below it.
Layout: the lighthouse centered, generous empty sky at the top.
Constraints: no text of any kind, no bicycle, no apples, no logos.
意思是:把输入图只当风格参考,借它的丝网印质感、三色配色和纸纹,主体换成黄昏的灯塔和一条小帆船。

设置:edit,输入图是第 1 条的海报,1024x1536,medium。重试那次 43.0 秒,第一次报临时错误,没有扣费。
结果:配色和纸纹都借过来了,多了一栋房子。
- 岩石海角上的灯塔,海面有落日,下方一条小帆船,用的是海报那三色和同样的印刷颗粒,顶部留白有云。
- 没有文字、自行车和苹果,但旁边多了一间守塔人的小屋。
怎么调:
- 别的东西一概不要,就把它们列出来,试“no buildings except the lighthouse”。
6. 只改一处,其余全留
改第 2 条那张产品图,一处改动,八项保留清单。
Change only the colour of the bottle, from matte black to matte sage green.
Keep everything else exactly the same: the bamboo cap, the mint sprig, the water droplets, the lighting, the shadow, the camera angle, the framing and the stone background.
意思是:只把水壶从磨砂黑改成磨砂鼠尾草绿,竹盖、薄荷、水珠、光线、阴影、机位、构图和石面背景全部保留。

设置:edit,输入图是第 2 条的产品图,1536x1024,medium,78.9 秒。
结果:颜色改对了,小细节被重画了。
- 同一位置上的磨砂鼠尾草绿水壶,竹盖、薄荷、水珠、光线和石面背景乍看都没变。
- 放大以后,薄荷叶的位置变了,水珠挪了地方,竹盖的木纹也重画了。和原图的相似度(SSIM,1 表示一样):石墙 0.985,桌面 0.93,薄荷 0.78,竹盖 0.65,壶身 0.33。
怎么调:
- 哪块必须一模一样,就把改好的图贴回原图,别只靠提示词。
- 每改一轮都重复一遍保留清单。
7. 精确数量
OpenAI 没有专门讲怎么控制物体数量,所以这条是我们自己的测试。
Intended use: a test of exact object counts.
A top-down photo of a light wooden table with exactly seven red apples and exactly three green pears, arranged in one loose row, nothing else on the table.
Photography: photorealistic, soft even daylight, straight top-down view.
Constraints: exactly 7 apples and exactly 3 pears, no other fruit, no text.
意思是:浅色木桌的俯拍,七个红苹果、三个绿梨摆成松散的一排,桌上没有别的东西。

设置:generate,1024x1024,medium,23.1 秒。
结果:七个和三个都对,队形却排得笔直。
- 正好七个红苹果、三个绿梨,桌上没有别的东西,梨是侧躺着的。
- 这一排笔直、间距均匀,“松散”这点没照做。
怎么调:
- 摆法用大白话写清楚,比如“scattered in a loose, uneven line”。
- 数字在描述和限制条件里各写一遍,我们就是这么写的。
8. 界面文字要准的应用稿
一屏六处界面文字,放在手机框里。
Intended use: a design mockup for a pitch deck.
Create a realistic mobile app screen for a fictional plant-watering app called "Sprout", shown inside a plain modern phone frame on a light grey background.
Screen content (exact text):
Header: "Good morning, Maya"
Card 1: "Monstera — water today"
Card 2: "Fiddle-leaf fig — in 2 days"
Card 3: "Snake plant — in 6 days"
Bottom button: "Log watering"
Style: clean rounded cards, soft green accents, readable sans-serif text, generous spacing.
Constraints: no other text, no real brand logos, all text spelled exactly as written.
意思是:提案用的界面稿,虚构的浇水应用 Sprout 一屏,顶部问候、三张卡片、底部按钮的文字都给了原话。

设置:generate,1024x1536,high,55.6 秒。
结果:每个词都拼对,版式有三处变化。
- 浅灰底上一台近年 iPhone 造型的手机,“Good morning, Maya”折成两行,三张卡片各带一张盆栽图,每个词都拼对。
- 底部是绿色“Log watering”按钮,同样一字不差。
- 每张卡片被拆成植物名和一个状态标签,破折号没了,“Sprout”这个名字一处也没出现。
- 顶部多了条状态栏,显示“9:41”。
怎么调:
- 每一行都按屏幕上的样子原样引用,应用名另外给位置。
- 把“no status bar”写进限制条件。
常见翻车和怎么修
OpenAI 说这个模型有三个弱项:文字位置和清晰度、同一角色或品牌在多张图之间的一致性、讲究版式时的精确排布。
| 问题 | 怎么改 | 来源 |
|---|---|---|
| 字拼错或多了字 | 放进引号,写明位置,要求没有别的字,再逐个核对 | OpenAI 指南;我们的第 1 条 |
| 难词总是拼错 | 一个字母一个字母给它 | OpenAI 指南 |
| 改一处却改了一大片 | 写“只改 X”,列出保留的东西,要动不了就贴回原图 | OpenAI 指南;我们的第 6 条 |
| 多轮改图后细节走样 | 每一轮都重复保留清单 | OpenAI 指南 |
| 版式差一点 | 写明位置,比较不同质量设置 | 我们的第 3 条 |
| 想要抓拍却出来摆拍 | 写明人物看哪里 | 我们的第 4 条 |
| 多出没要的东西 | 把它们列进限制条件 | 我们的第 1、5、8 条 |
| 同一角色或品牌换张图就变 | 每次重述关键细节 | OpenAI 指南 |
一张图多少钱
OpenAI 按 token 给 GPT Image 2 计价:图片输入每百万 token 8 美元,图片输出 30 美元,文本输入 5 美元,Batch 半价。它也按尺寸公布了单张出图的价格,下面只算输出,2026 年 10 月 27 日核对。
| 质量 | 1024×1024 | 1024×1536 | 1536×1024 |
|---|---|---|---|
| Low | $0.006 | $0.005 | $0.005 |
| Medium | $0.053 | $0.041 | $0.041 |
| High | $0.211 | $0.165 | $0.165 |
这些价格不含输入 token。改图每次都要按高保真读取输入图,带参考图的请求输入 token 会更多。
高质量不一定更划算:同一张信息图,high 是 low 的 33 倍,0.165 美元对 0.005 美元。多印了一个“94 °C”的恰恰是 high 那张。我们这九张图按这个价加起来约 0.72 美元,不含输入 token。OmniaKey 现在的价格见 GPT Image 2 模型页。
国内怎么用
OmniaKey 支持人民币直充,可以用支付宝和微信支付。一个 key 就能调用 GPT Image 2 和其他多家模型,不用单独去开 OpenAI 的账号。模型页在这里:GPT Image 2。
用接口跑这些提示词
OmniaKey 的媒体接口分三步:建任务、轮询同一个任务直到完成、下载结果。下面是我们发第 3 条(low 质量)时那个请求的精简版,去掉了重试和日志。
pip install requests
export OMNIAKEY_API_KEY="your-key"
import os
import time
import uuid
import requests
API = "https://api.omniakey.com/v1/media/tasks"
HEADERS = {"Authorization": f"Bearer {os.environ['OMNIAKEY_API_KEY']}"}
PROMPT = """Intended use: a one-page explainer for a coffee shop's blog.
Create a clean infographic titled "HOW POUR-OVER COFFEE WORKS".
Layout: four numbered steps in one vertical column; each step has a simple flat illustration on the left and a short label on the right.
Step labels (exact text):
1. "Grind 15 g of beans"
2. "Heat water to 94 °C"
3. "Bloom for 30 seconds"
4. "Pour slowly for 3 minutes"
Style: flat vector illustration, cream background, dark brown and teal accents, plenty of white space.
Constraints: no other text, no logos, every label spelled exactly as written."""
# 1. 建任务。只有重试同一个请求时才复用同一个 Idempotency-Key。
resp = requests.post(
API,
headers={**HEADERS, "Idempotency-Key": str(uuid.uuid4())},
json={
"model": "gpt-image-2",
"type": "image",
"operation": "generate",
"input": {"prompt": PROMPT},
"parameters": {"size": "1024x1536", "quality": "low"},
},
timeout=30,
)
resp.raise_for_status()
task = resp.json()
print("task:", task["id"], task["status"])
# 2. 轮询同一个任务直到完成。慢不等于失败,继续轮询这个 id。
while task["status"] in ("queued", "processing"):
time.sleep(4)
task = requests.get(f"{API}/{task['id']}", headers=HEADERS, timeout=30).json()
if task["status"] != "succeeded":
raise SystemExit(f"task ended {task['status']}: {task.get('error')}")
# 3. 立刻下载,签名链接大约一小时后失效。
asset = task["assets"][0]
with open("pour-over.png", "wb") as f:
f.write(requests.get(asset["url"], timeout=60).content)
print("saved pour-over.png", asset["mime_type"], asset["byte_size"], "bytes")
改图是同一个任务,只换 operation,把原图内联进去:
{
"model": "gpt-image-2",
"type": "image",
"operation": "edit",
"input": {
"prompt": "Change only the colour of the bottle, from matte black to matte sage green. Keep everything else exactly the same.",
"image": {"data": "<base64>", "mime_type": "image/jpeg"},
},
"parameters": {"size": "1536x1024", "quality": "medium"},
}
- 多张参考图放在
"images": [...]里,不用"image"。 - 整个请求限制在 1 MiB,原图先压小,我们就是这么做的。
- OmniaKey 的
size只认 1024x1024、1536x1024 和 1024x1536,n必须是 1。 - 背景、输出格式、压缩和审核参数在这里无效,结果是张不透明的 PNG。
- OmniaKey 的文档说一个任务通常 25 到 60 秒,我们跑了 23 到 97 秒。签名链接大约一小时有效,成功就马上下载。
OmniaKey 现在的价格见 GPT Image 2 模型页,接口细节见 图片接口文档。
常见问题
GPT Image 2 的提示词能写多长?
OpenAI 没有公布上限:图片生成指南、提示词指南、模型页和接口文档都没写字符或 token 上限。我们这八条是 248 到 607 个字符,42 到 100 个词。
怎么让图上别多出字和 logo?
把排除项写清楚:“no other text, no logos, no watermark”,出来再逐个字母核对。我们的海报很干净,高质量那张信息图却多了一个“94 °C”。
高质量值得多花钱吗?
同一张信息图里不值:low 标签全齐平、没多字,high 贵 33 倍还多印了一个“94 °C”。OpenAI 建议先用 low 起草,也说提高质量不保证结果更好。
GPT Image 2 能出透明背景吗?
能,目前是预览功能,格式要 PNG 或 WebP,JPEG 存不了透明。通过 OmniaKey 的接口拿到的都是不透明 PNG;想要干净的商品白底,就在场景里写一张无缝白底,像第 2 条那样。
选 GPT Image 2 还是 GPT Image 2.5?
GPT Image 2 在 2026 年 4 月 21 日发布,两个 2.5 模型在 9 月 8 日发布。OpenAI 的提示词指南说 2.5 Flare 质量和 GPT Image 2 接近但更快,2.5 Sunburst 质量更高。两代怎么选见GPT Image 2.5 和 GPT Image 2 的对比,和其它家的比较见GPT Image 2 和 Nano Banana 2 的对比。
更新记录
- 2026 年 10 月 28 日:首版,八条提示词在 10 月 27 日跑完。
文中提到的模型
相关文章
GPT-Image 2.5 对比 GPT-Image 2
GPT-Image 2 每张 1K / 2K / 4K 为 $0.02 / $0.03 / $0.05,2.5 为 $0.025 / $0.035 / $0.055,质量不影响价格。2.5 多出的质量档位并不生效,请求需写明确的宽x高。
Grok Imagine 2.0 提示词怎么写:结构、示例和实测出图
八个配方、八张实测图:Grok Imagine 2.0 照做了什么、自己加了什么、怎么调。
GPT Image 2 对比 Nano Banana 2:哪个好?
GPT Image 2 的请求合同更接近 OpenAI Images API;Nano Banana 2 更适合参考图、比例和多图输入。选型要看接口和最终合格图片成本。

