HiAPI
Blog

Benutzerhandbuch

gpt-image-2 Bild-zu-Bild-Prompt-Rezepte: Copy-and-paste-Prompts für Multi-Referenz-Fusion, Subjekttreue und 4K-Ausgabe

Ein praktischer Rezeptleitfaden für Entwickler, die mit gpt-image-2/image-to-image@ext Bild-zu-Bild-Workflows bauen

Nov 9, 2026
Titelbild für einen Leitfaden zu gpt-image-2 Image-to-Image-Prompts: überlappende, durchscheinende Glastafeln, die ein blasses Feld in kühle blaue Bänder verwandeln, matt und architektonisch.
Modell
gpt-image-2
Auf dieser Seite

Warum die Struktur eines Prompts wichtiger ist als seine Länge

Die meisten Bild-zu-Bild-Fehler entstehen nicht, weil der Prompt zu kurz ist, sondern weil der Prompt alles zu einem unterschiedslosen Klumpen von Adjektiven vermischt. Wenn du in einem Satz gleichzeitig ein Subjekt, drei Referenzbilder, einen neuen Hintergrund und ein Auflösungsziel verlangst, kann das Modell nicht erkennen, welche Wörter zu welchem Teil der Aufgabe gehören.

Die Lösung ist ein auf Teilsätzen basierendes Gerüst. Jeder Prompt, den du an gpt-image-2/image-to-image@ext sendest, lässt sich in fünf Slots zerlegen:

  • Subjekt – worum es in der Ausgabe geht, nur einmal genannt, mit konkreten Substantiven.
  • Rollen der Referenzbilder – was jedes Eingabebild beisteuert, klar gekennzeichnet.
  • Hintergrund und Szene – Umgebung, Lichtrichtung und Schärfentiefe.
  • Ausgabevorgaben – Bildausschnitt, Verhältnis, Textur, Kantenbehandlung und Detailerwartungen.
  • Negativ – eine kurze, nach Priorität geordnete Liste unerwünschter Inhalte.

Ein wiederverwendbares Gerüst sieht wie folgt aus:

Subject: <one sentence, concrete nouns>
References: <image tag> = <role>; <image tag> = <role>
Scene: <background, light direction, depth>
Output: <framing, texture, edge treatment, detail constraint>
Avoid: <priority 1>, <priority 2>, <priority 3>

Zwei Regeln halten dieses Gerüst zuverlässig. Erstens: Ein Teilsatz trägt nur eine Absicht – packe Identitätsbewahrung und Hintergrundaustausch nicht in denselben Teilsatz. Zweitens: Die Reihenfolge spiegelt die Priorität wider: Stelle das, was auf keinen Fall falsch sein darf, an den Anfang, denn bei Konflikten zwischen Teilsätzen können spätere Teilsätze frühere teilweise überschreiben.

Längere Prompts sind nicht besser. Ein Prompt mit vier Teilsätzen, von denen jeder eine klare Zuständigkeit hat, ist stets besser als ein Absatz voller gestapelter Adjektive. Die folgenden Rezepte sind Varianten desselben Gerüsts, sodass du jedes davon übernehmen und den Inhalt austauschen kannst, ohne die Struktur neu lernen zu müssen.

Vier Teilsatz-Blöcke, jeder eine Glasplatte, die sich zu einer einzigen Ausgabe vereinen – es zählt die Struktur, nicht die Länge.

Rezept: Mehrere Referenzbilder fusionieren

Multi-Referenz-Fusion scheitert auf vorhersehbare Weise: Ohne Rollenzuweisungen mittelt das Modell die Eingaben. Du erhältst ein Gesicht, das niemandem gehört, und einen Stil, der weder das eine noch das andere ist. Die Lösung besteht darin, jedes Eingabebild zu benennen und ausdrücklich anzugeben, was von ihm übernommen wird.

Copy-and-paste-Muster

Subject: a standing portrait of the person in <reference_1>
References:
  <reference_1> = identity source — face structure, hair, skin tone, body proportions
  <reference_2> = wardrobe source — jacket cut, fabric, color
  <reference_3> = lighting and grade source — key light direction, contrast, color temperature
Scene: neutral studio, soft shadow to camera left, shallow depth
Output: three-quarter framing, natural skin texture, clean edge separation from background
Avoid: blended facial features, plastic skin, mixed lighting directions

Warum Rollenzuweisungen wichtig sind

Hier wirken drei Mechanismen. Rollenverben (identity source, wardrobe source, lighting source) sagen dem Modell, welche Dimension jedes Bild steuert, und verhindern so Kreuzkontamination. Explizite Dimensionen – Gesichtsstruktur, Stoff, Hauptlichtrichtung – verengen jede Rolle auf beobachtbare Eigenschaften statt auf ein vages „Style“. Und der Negativpunkt blended facial features wirkt direkt dem häufigsten Mittelungsfehler entgegen.

Praktische Einschränkungen

  • Halte die Zahl der Rollen gering. Drei Referenzbilder für drei verschiedene Rollen sind ein zuverlässiger Standard; jedes weitere Referenzbild fügt eine weitere Fläche für Mittelung hinzu.
  • Wenn zwei Referenzbilder sich in ihrer Rolle überschneiden (z. B. zwei Kleidungsquellen), gib die Priorität an: prefer <reference_2> for silhouette, <reference_3> for color.
  • Bei der Fusion von Stilreferenzen weise einer Bildquelle den Stil und einer anderen den Inhalt zu. Stil-plus-Stil-Fusionen erzeugen oft einen undifferenzierten Brei.
  • Wenn die Fusion weiterhin wie Mittelung aussieht, ist meist ein Eingabebild ohne Rolle die Ursache – nicht gekennzeichnete Bilder fließen in den Durchschnitt ein.

Führe dasselbe Rezept auf gpt-image-2/image-to-image@ext aus und vergleiche es mit einer Version ohne Rollenzuweisungen; der Unterschied zeigt sich in der Regel zuerst in der Gesichtsstruktur.

Jedes Referenzbild kommt mit seinem eigenen Winkel und seiner eigenen Rolle herein; an der Fusionsstelle überlappen sich ihre Lichtbänder bewusst.

Rezept: Subjekttreue bewahren

Identitätsdrift entsteht, wenn die von dir geforderte Transformation stärker ist als der von dir gelieferte Anker. Das Muster besteht darin, eine kleine Gruppe von Merkmalen ausdrücklich festzuzurren und alles andere für veränderbar zu erklären.

Copy-and-paste-Muster

Subject: the person in <reference_1>, preserving identity
Locked: face shape, eye spacing, nose profile, hairline, skin tone
Flexible: pose, head angle, expression, wardrobe, background
Scene: <new scene description>
Output: natural proportions, realistic skin texture, consistent lighting on face
Avoid: changed facial proportions, smoothed features, mismatched skin tone

Warum das funktioniert

Der Prompt zieht eine Grenze. Locked benennt die Merkmale, die das Modell bewahren muss; Flexible erlaubt ausdrücklich, alles andere zu verändern, was verhindert, dass das Modell die ursprüngliche Szene übermäßig beibehält. Ohne den Flexible-Teilsatz behält das Modell oft die Quellpose und den Hintergrund zusammen mit dem Gesicht bei – technisch treu, aber nicht die von dir geforderte Transformation.

Hilfreiche Formulierungen

  • Bevorzuge beobachtbare geometrische Merkmale statt abstrakter Identitätsbegriffe. eye spacing und nose profile sind überprüfbar; same person ist es nicht.
  • Formuliere die Transformation als Szenenwechsel, nicht als Subjektwechsel: the same person, now in <scene> ist zuverlässiger als transform this person.
  • Wiederhole bei großen Posenänderungen die Locked-Punkte. Lange Prompts driften; eine kurze Wiederholung der drei wichtigsten Ankerpunkte gegen Ende ist eine günstige Versicherung.
  • Füge bei Ganzkörperarbeiten Proportionsanker hinzu: head-to-body ratio unchanged.

Was du vermeiden solltest

Stapel nicht viele Stiladjektive auf einen Treue-Prompt – starke Stilisierung wird als Aufforderung zur Gesichtsveränderung verstanden. Wenn du eine stilisierte Ausgabe brauchst, lass den Identitäts-Teilsatz unverändert und verschiebe die Stilbeschreibung in den Output-Teilsatz, damit beide Absichten getrennt bleiben.

Feste Anker halten die Identität; die gestrichelten Bereiche bleiben frei für die geforderte Transformation.

Rezept: Hintergrund ersetzen, ohne das Subjekt zu beschädigen

Hintergrundaustausch geht an der Kante schief: Lichthöfe, Freistellungskanten und eine Beleuchtung, die nicht zur neuen Szene passt. Die Lösung besteht darin, die Änderung in ihrem eigenen Teilsatz zu isolieren und Kanten- sowie Lichtbehandlung ausdrücklich anzugeben.

Copy-and-paste-Muster

Subject: the person in <reference_1>, unchanged
Background: replace entirely with <new scene description>
Lighting match: match key light direction and color temperature of the new background onto the subject
Edge treatment: clean separation, no halo, preserve fine hair detail at the boundary
Output: consistent depth of field between subject and background
Avoid: original background remnants, visible cut-out edge, mismatched light direction

Die drei Teilsätze, die den Unterschied machen

replace entirely schließt die Lücke, durch die das Modell Fragmente der ursprünglichen Szene behalten könnte. Lighting match ist der Schlüssel dazu, dass die Komposition echt wirkt – ein perfekt freigestelltes Subjekt unter falschem Hauptlicht wirkt trotzdem wie hineingeklebt. Edge treatment adressiert Lichthöfe direkt, und die Nennung von fine hair detail verhindert, dass das Modell das Problem durch Wegradieren der Kante löst.

Anpassung je nach Szene

  • Außen zu innen: Ergänze shadow direction consistent with the new light source, damit das Subjekt keine Außenbeleuchtungsschatten behält.
  • Studio zu Umgebung: Ergänze depth of field separation, damit das Subjekt nicht auf derselben Schärfeebene wie der Hintergrund zu schweben scheint.
  • Dunkler Hintergrund: Ergänze rim light consistent with background glow, um flache Silhouetten zu vermeiden.

Kanten debuggen

Wenn du einen Lichthof siehst, ist der Kanten-Teilsatz meist zu vage. Ersetze clean edges durch die konkrete Kombination: no halo, preserve fine hair detail at the boundary. Wenn das Subjekt hineingeklebt wirkt, fehlt dem Licht-Teilsatz die Richtung – ergänze ausdrücklich key light direction, statt dich auf match lighting zu verlassen.

Rezept: Details bei 4K-Ausgabe steuern

Hochauflösende Ausgabe bedeutet nicht automatisch hochwertige Details. Auflösungs-Keywords allein erzeugen oft überschärfte Kanten und synthetische Texturen. Was die Qualität wirklich steuert, ist, wie du Textur, Kantenschärfe und erwartetes Rauschen beschreibst.

Copy-and-paste-Muster

Output: high-resolution render
Texture: natural skin pores, fabric weave visible, no synthetic smoothing
Edges: crisp where focus is sharp, soft falloff in out-of-focus regions
Noise: fine natural grain, no banding in gradients
Avoid: over-sharpened edges, plastic texture, halos around high-contrast edges

Warum Texturwörter besser sind als Auflösungswörter

Auflösungs-Keywords sagen dem Modell, wie groß die Leinwand ist. Ein Textur-Teilsatz sagt dem Modell, womit diese Leinwand gefüllt werden soll. Bei hoher Auflösung wird jeder zu wenig beschriebene Bereich sichtbar – glatte Verläufe zeigen Banding, Schärfungsartefakte treten hervor. Die Nennung von natural grain und no banding in gradients beugt diesen Fehlern vor.

Kanten- und Rauschkontrolle

  • Kantenschärfe sollte an den Fokus gebunden sein: crisp where focus is sharp erlaubt dem Modell, anderswo weichzuzeichnen, und vermeidet so einen insgesamt knusprigen Look.
  • Rauscherwartungen lohnt es sich anzugeben, weil das Modell manchmal übermäßig glättet. Fine natural grain verhindert, dass hochauflösende Ausgaben wie Renderings aussehen.
  • Verlaufs-Banding ist das häufigste Hochauflösungs-Artefakt auf großen flachen Flächen. Ein Negativpunkt fängt die meisten Fälle ab.
  • Stapel keine Schärfewörter. Ultra sharp, hyper detailed, 8K zusammen erzeugt oft Lichthöfe; wähle eine Schärfeaussage und überlasse den Rest der Texturformulierung.

Teste denselben Inhalt mit denselben Teilsätzen in Standard- und hoher Auflösung. Wenn die hochauflösende Version schlechter aussieht, fehlen dem Textur-Teilsatz Rausch- oder Verlaufsvorgaben.

Negativlisten schreiben, die wirklich wirken

Negativpunkte sind Prioritätslisten, keine Wunschlisten. Eine lange Negativliste, die dem positiven Prompt widerspricht, ist schlimmer als gar keine Negativliste – das Modell erhält widersprüchliche Anweisungen und löst sie unvorhersehbar auf.

Nach Priorität geordnetes Muster

Avoid: <the one failure that ruins the output>, <second-most-likely failure>, <artifact class>

Für die meisten Rezepte sind drei bis fünf Einträge die praktische Obergrenze. Sortiere nach dem Schaden, den jeder einzelne am Ergebnis anrichtet.

So vermeidest du Selbstwidersprüche

Jeder Negativpunkt sollte die Umkehrung eines bereits genannten positiven Punkts sein. Wenn der positive Punkt natural skin texture lautet, ist der passende Negativpunkt synthetic smoothing – nicht smooth skin, was dem positiven Punkt widersprechen würde. Der Test ist einfach: Frage bei jedem Negativpunkt, welchen positiven Teilsatz er schützt. Gibt es keine Antwort, streiche ihn.

Kategorien, die sich zu abdecken lohnen

  • Identitätsfehler: changed facial proportions, blended features.
  • Kantenfehler: halo, cut-out edge, original background remnants.
  • Texturfehler: plastic texture, over-sharpened edges, banding in gradients.
  • Szenenfehler: mismatched light direction, floating subject.

Was du weglassen solltest

Vermeide allgemeine Qualitäts-Negativpunkte wie bad quality oder ugly – sie tragen keine umsetzbare Information und verbrauchen Aufmerksamkeit, die konkreten Fehlern vorbehalten sein sollte. Vermeide es, jedes vorstellbare Artefakt aufzulisten; das Modell behandelt eine undifferenzierte Liste als Rauschen.

Wenn in der Ausgabe ein neuer Fehler auftritt, füge ihn nur dann als Negativpunkt hinzu, wenn du angeben kannst, welchen positiven Teilsatz er schützt. Andernfalls korrigiere den positiven Prompt.

Häufige Prompt-Fehler beheben

Die meisten Fehler lassen sich einem bestimmten Teilsatz im Gerüst zuordnen. Nutze das Symptom, um den Teilsatz zu finden, und passe dann diesen Teilsatz an, statt den ganzen Prompt neu zu schreiben.

Identitätsdrift

Symptom: Das Gesicht ändert sich zwischen Ausgaben, oder das Subjekt sieht wie ein ähnlich aussehender Fremder aus. Anzupassender Teilsatz: Die Locked-Liste im Treue-Rezept. Füge zwei bis drei beobachtbare geometrische Anker hinzu (Augenabstand, Nasenform, Kopf-zu-Körper-Verhältnis). Wenn die Drift bleibt, prüfe, ob ein Stil-Teilsatz mit dem Identitäts-Teilsatz konkurriert, und verschiebe den Stil in Output.

Verschwommene Fusion

Symptom: Die Fusionsausgabe sieht wie eine Mittelung aus – ein Gesicht, das niemandem gehört. Anzupassender Teilsatz: Die Rollen der Referenzbilder. Jedes Eingabebild braucht eine klare Rollenzuweisung. Wenn Rollen überlappen, ergänze eine Rangfolge, damit ein Referenzbild bei der Silhouette und ein anderes bei der Farbe gewinnt.

Lichthöfe und Freistellungskanten

Symptom: Zwischen Subjekt und Hintergrund entsteht ein sichtbarer Lichthof oder eine harte Kante. Anzupassender Teilsatz: Der Teilsatz zur Kantenbehandlung. Ersetze das allgemeine clean edges durch no halo, preserve fine hair detail at the boundary und füge den Lichthof-Eintrag zur Negativliste hinzu.

Subjekt wirkt hineingeklebt

Symptom: Das Subjekt wirkt in die Szene komponiert, statt darin fotografiert. Anzupassender Teilsatz: Die Lichtanpassung. Gib Hauptlichtrichtung und Farbtemperatur ausdrücklich an und ergänze shadow direction consistent with the new light source.

Flache oder plastikartige Textur

Symptom: Oberflächen wirken gerendert, Haut wirkt weichgezeichnet, Verläufe zeigen Stufen. Anzupassender Teilsatz: Der Textur-Teilsatz. Ergänze natural grain, no synthetic smoothing und no banding in gradients in der Negativliste.

Überschärfte hochauflösende Ausgabe

Symptom: In hoher Auflösung ist jede Kante scharf und mit Lichthof. Anzupassender Teilsatz: Die Kantenschärfe. Binde die Schärfe an den Fokus (crisp where focus is sharp) und entferne gestapelte Schärfeadjektive.

Wenn zwei Symptome gleichzeitig auftreten, behebe zuerst den Teilsatz mit höherer Priorität – meist die Identität –, denn wenn das Subjekt instabil ist, können nachgelagerte Korrekturen nicht halten.

Rezepte in den Workflow integrieren

Diese Rezepte sind zur Kombination gedacht. Eine praktische Pipeline ordnet sie so, dass jeder Schritt nur eine Aufgabe trägt und nur ein Prompt debuggt werden muss.

Empfohlene Reihenfolge

  1. Zuerst die Identität. Führe das Treue-Rezept zuerst allein aus und fixiere das Subjekt, bevor du Szenenänderungen hinzufügst. Eine instabile Identität macht jeden weiteren Vergleich ungültig.
  2. Referenzbilder hinzufügen. Führe Kleidungs- und Lichtreferenzen einzeln mit klaren Rollenzuweisungen ein, damit du jede Änderung auf eine bestimmte Eingabe zurückführen kannst.
  3. Szene ändern. Nachdem das Subjekt stabil ist, wende das Hintergrund-Rezept mit Lichtanpassung und Kantenbehandlung an.
  4. Details zuletzt abstimmen. Füge Textur-, Kanten- und Rauschvorgaben erst hinzu, wenn der Inhalt stimmt – Detail-Teilsätze sind günstig zu iterieren und werden leicht überstrapaziert.
  5. Negativliste finalisieren. Baue die Negativliste aus den tatsächlich in den Schritten 1–4 beobachteten Fehlern auf, nicht aus einer allgemeinen Vorlage.

Prompts versionieren

Behandle Prompts wie Quellcode. Speichere jede Rezeptvariante als benannten, eingecheckten Textblock zusammen mit den verwendeten Parametern, einschließlich des Referenzbild-Sets. Wenn sich die Ausgabequalität nach einer Änderung verschiebt, kannst du mit versionierten Prompts Teilsatz-Differenzen vergleichen, statt zu raten. Zwei Gewohnheiten zahlen sich aus: die Gerüststruktur über Versionen hinweg exakt gleich halten, damit der Diff lesbar bleibt; und in der Commit-Nachricht festhalten, welchen Teilsatz du geändert hast und warum.

Hinweis zur Reproduzierbarkeit

Selbst bei identischem Prompt variieren Bild-zu-Bild-Ausgaben. Vergleiche Varianten mit demselben Referenzbild-Set und demselben Inhalt und beurteile nach Fehlerkategorien statt nach einem einzelnen Sample – ein Lauf, der zufällig gut aussieht, liefert weniger Information als drei Läufe, die zuverlässig Lichthöfe vermeiden.

Beginne mit dem Gerüst, wähle das Rezept, das zu deinem aktuellen Schritt passt, und iteriere über gpt-image-2/image-to-image@ext jeweils einen Teilsatz.

Ähnliche Artikel

Alle Artikel ansehen →

Starte mit persistenten KI-Artefakten

Hol dir deinen API-Key und rufe Bild-, Video- und Audiomodelle über eine einzige task-basierte API auf.

API-Dokumentation lesen