HiAPI
Blog

Guide d'utilisation

Recettes de prompts gpt-image-2 image-à-image : prompts à copier-coller pour la fusion de références multiples, la fidélité du sujet et la sortie 4K

Un guide pratique de recettes pour les développeurs qui construisent des flux de travail image-à-image avec gpt-image-2/image-to-image@ext

Nov 9, 2026
Illustration de couverture pour un guide sur les prompts image-to-image de gpt-image-2 : des panneaux de verre translucides qui se chevauchent transforment un champ pâle en bandes bleu froid, aspect mat et architectural.
Modèle
gpt-image-2
Sur cette page

Pourquoi la structure du prompt compte plus que sa longueur

La plupart des échecs en image-à-image ne viennent pas d'un prompt trop court, mais d'un prompt qui mélange tout en un amas d'adjectifs indistincts. Quand vous demandez dans une même phrase un sujet, trois images de référence, un nouvel arrière-plan et une cible de résolution, le modèle ne peut pas déterminer quels mots correspondent à quelle partie de la tâche.

La solution consiste à adopter un squelette à clauses. Chaque prompt envoyé à gpt-image-2/image-to-image@ext peut se décomposer en cinq emplacements :

  • Sujet — ce dont parle la sortie, énoncé une seule fois, avec des noms concrets.
  • Rôle des images de référence — ce que chaque image d'entrée apporte, explicitement étiqueté.
  • Arrière-plan et scène — environnement, direction de la lumière et profondeur de champ.
  • Contraintes de sortie — cadrage, proportions, texture, traitement des bords et attentes de détail.
  • Négatif — une courte liste hiérarchisée de ce qu'il ne faut pas faire apparaître.

Un squelette réutilisable se présente ainsi :

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>

Deux règles rendent ce squelette fiable. Premièrement, une clause ne porte qu'une seule intention — ne mettez pas la préservation de l'identité et le remplacement de l'arrière-plan dans la même clause. Deuxièmement, l'ordre reflète la priorité : placez en premier ce qui ne doit absolument pas échouer, car en cas de conflit entre clauses, les clauses suivantes peuvent partiellement écraser les précédentes.

Un prompt plus long n'est pas meilleur. Un prompt de quatre clauses, chacune clairement attribuée, l'emportera toujours sur un paragraphe d'adjectifs empilés. Les recettes ci-dessous sont toutes des variantes du même squelette : vous pouvez donc en prendre une et remplacer le contenu sans avoir à réapprendre sa structure.

Quatre clauses, chacune une plaque de verre, convergeant vers une sortie unique — c'est la structure qui agit, pas la longueur.

Recette : fusionner plusieurs images de référence

La fusion multi-références échoue de façon prévisible : sans étiquettes de rôle, le modèle fait la moyenne des entrées. Vous obtenez un visage qui n'appartient à personne et un style qui n'est ni l'un ni l'autre. La solution consiste à nommer chaque image d'entrée et à préciser explicitement ce que l'on en tire.

Modèle à copier-coller

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

Pourquoi les étiquettes de rôle sont importantes

Trois mécanismes sont à l'œuvre ici. Les verbes de rôle (identity source, wardrobe source, lighting source) indiquent au modèle quelle dimension chaque image gouverne, ce qui empêche la contamination croisée. Les dimensions explicites — structure du visage, tissu, direction de la lumière principale — restreignent chaque rôle à des attributs observables plutôt qu'à un vague « style ». Et le terme négatif blended facial features contre directement l'échec de moyennage le plus courant.

Contraintes pratiques

  • Gardez peu de rôles. Trois images de référence pour trois rôles distincts est une valeur par défaut fiable ; chaque image de référence supplémentaire ajoute un visage à moyenner.
  • Si deux images de référence se chevauchent dans leur rôle (par exemple deux sources de vêtements), précisez la priorité : prefer <reference_2> for silhouette, <reference_3> for color.
  • Pour fusionner des références de style, attribuez le style à une image et le contenu à une autre. La fusion style + style produit souvent un flou indistinct.
  • Si après fusion le résultat ressemble encore à une moyenne, le coupable habituel est une image d'entrée sans rôle — une image non étiquetée est absorbée dans la moyenne.

Exécutez la même recette sur gpt-image-2/image-to-image@ext et comparez avec la version sans étiquettes de rôle ; la différence se manifeste généralement d'abord sur la structure du visage.

Chaque image de référence entre avec son propre angle et son propre rôle ; la fusion est l'endroit où leurs bandes lumineuses se chevauchent délibérément.

Recette : préserver la fidélité du sujet

La dérive d'identité se produit lorsque la transformation demandée est plus forte que l'ancrage fourni. Le modèle consiste à verrouiller explicitement un petit ensemble de traits et à déclarer le reste flexible.

Modèle à copier-coller

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

Pourquoi cela fonctionne

Le prompt trace une frontière. Locked nomme les traits que le modèle doit préserver ; Flexible autorise explicitement à changer tout le reste, ce qui empêche le modèle de trop conserver la scène d'origine. Sans la clause Flexible, le modèle conserve souvent la pose et l'arrière-plan d'origine en même temps que le visage — fidèle techniquement, mais pas la transformation demandée.

Formulations utiles

  • Privilégiez les caractéristiques géométriques observables plutôt que les termes abstraits d'identité. eye spacing et nose profile sont vérifiables ; same person ne l'est pas.
  • Formulez la transformation comme un changement de scène, pas comme un changement de sujet : the same person, now in <scene> est plus fiable que transform this person.
  • Répétez les éléments verrouillés lorsque la pose change fortement. Les prompts longs dérivent ; rappeler brièvement les trois ancres les plus importantes vers la fin est une assurance peu coûteuse.
  • Pour les travaux en pied, ajoutez des ancres de proportion : head-to-body ratio unchanged.

Ce qu'il faut éviter

N'empilez pas de nombreux adjectifs de style sur un prompt de fidélité — une stylisation forte sera interprétée comme une demande de modification du visage. Si vous avez besoin d'une sortie stylisée, laissez la clause d'identité inchangée et déplacez la description du style dans la clause Output, afin que les deux intentions restent séparées.

Les ancres verrouillées fixent l'identité ; les zones en pointillés restent libres pour la transformation demandée.

Recette : remplacer l'arrière-plan sans abîmer le sujet

Le remplacement d'arrière-plan pose problème aux frontières : halos, bords de détourage et éclairage incompatible avec la nouvelle scène. La solution consiste à isoler le changement dans sa propre clause et à préciser explicitement le traitement des bords et de l'éclairage.

Modèle à copier-coller

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

Trois clauses qui font le travail

replace entirely ferme la faille par laquelle le modèle conserve des fragments de la scène d'origine. Lighting match est ce qui rend la composition crédible — un sujet parfaitement détouré mais placé sous une mauvaise lumière principale aura toujours l'air collé. Edge treatment traite directement le halo, et nommer fine hair detail empêche le modèle de résoudre le problème en effaçant le bord.

Adapter à la scène

  • Extérieur vers intérieur : ajoutez shadow direction consistent with the new light source, pour que le sujet ne conserve pas d'ombre d'extérieur.
  • Studio vers environnement : ajoutez depth of field separation, pour que le sujet ne semble pas flotter sur le même plan focal que l'arrière-plan.
  • Fond sombre : ajoutez rim light consistent with background glow, pour éviter une silhouette plate.

Déboguer les frontières

Si vous voyez un halo, la clause de bord est généralement trop vague. Remplacez clean edges par une combinaison concrète : no halo, preserve fine hair detail at the boundary. Si le sujet semble collé, la clause d'éclairage manque de direction — ajoutez explicitement key light direction au lieu de compter sur match lighting.

Recette : contrôler le détail en sortie 4K

Une sortie haute résolution ne signifie pas automatiquement un détail de haute qualité. Les mots-clés de résolution seuls produisent souvent des bords sur-accentués et une texture synthétique. Ce qui contrôle réellement la qualité, c'est la façon dont vous décrivez la texture, la netteté des bords et le bruit attendu.

Modèle à copier-coller

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

Pourquoi les mots de texture priment sur les mots de résolution

Les mots-clés de résolution indiquent au modèle la taille de la toile. La clause de texture lui indique avec quoi remplir cette toile. En haute résolution, chaque zone sous-décrite devient visible — les dégradés lisses montrent du banding, les artefacts de netteté ressortent. Nommer natural grain et no banding in gradients prévient ces échecs.

Contrôle des bords et du bruit

  • La netteté des bords doit être liée à la mise au point : crisp where focus is sharp permet au modèle d'adoucir ailleurs, évitant ainsi un rendu globalement cassant.
  • Les attentes en matière de bruit méritent d'être précisées, car le modèle nettoie parfois à l'excès. Fine natural grain empêche une sortie haute résolution de ressembler à un rendu.
  • Le banding des dégradés est l'artefact haute résolution le plus courant sur les grandes surfaces plates. Une seule entrée négative suffit à en régler l'essentiel.
  • N'empilez pas les mots de netteté. Empiler Ultra sharp, hyper detailed, 8K provoque généralement des halos ; choisissez une seule formulation de netteté et laissez la formulation de texture faire le reste.

Testez le même contenu avec les mêmes clauses en résolution standard et en haute résolution. Si la version haute résolution est moins bonne, la clause de texture manque de contraintes sur le bruit ou les dégradés.

Rédiger des listes négatives réellement efficaces

Les entrées négatives sont une liste de priorités, pas une liste de souhaits. Une longue liste négative qui contredit le prompt positif est pire que pas de liste négative du tout — le modèle reçoit des instructions contradictoires et les résout de façon imprévisible.

Modèle hiérarchisé

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

Pour la plupart des recettes, trois à cinq entrées constituent une limite pratique. Classez-les selon le degré de dégât de chacune sur le résultat.

Comment éviter les contradictions

Chaque entrée négative doit être l'inverse d'une entrée positive énoncée. Si le positif dit natural skin texture, l'entrée négative correspondante est synthetic smoothing — et non smooth skin, qui contredirait le positif. Le test est simple : pour chaque entrée négative, demandez-vous quelle clause positive elle protège. S'il n'y a pas de réponse, supprimez-la.

Catégories courantes à couvrir

  • Échecs d'identité : changed facial proportions, blended features.
  • Échecs de frontière : halo, cut-out edge, original background remnants.
  • Échecs de texture : plastic texture, over-sharpened edges, banding in gradients.
  • Échecs de scène : mismatched light direction, floating subject.

Ce qu'il faut omettre

Évitez les négatifs génériques de qualité comme bad quality ou ugly — ils ne portent aucune information exploitable et consomment l'attention qui devrait être réservée aux échecs concrets. Évitez de lister tous les artefacts imaginables ; le modèle traite une liste indifférenciée comme du bruit.

Quand un nouvel échec apparaît dans la sortie, ne l'ajoutez comme négatif que si vous pouvez indiquer quelle clause positive il protège. Sinon, corrigez le prompt positif.

Diagnostiquer les échecs de prompt courants

La plupart des échecs correspondent à une clause du squelette. Utilisez le symptôme pour identifier la clause, puis ajustez cette clause plutôt que de réécrire tout le prompt.

Dérive d'identité

Symptôme : le visage change d'une sortie à l'autre, ou le sujet ressemble à un inconnu qui lui ressemble. Clause à ajuster : la liste Locked de la recette de fidélité. Ajoutez deux ou trois ancres géométriques observables (écartement des yeux, forme du nez, ratio tête-corps). Si la dérive persiste, vérifiez si une clause de style entre en concurrence avec la clause d'identité, et déplacez le style dans Output.

Fusion trouble

Symptôme : la sortie fusionnée ressemble à une moyenne — un visage qui n'appartient à personne. Clause à ajuster : les rôles des images de référence. Chaque image d'entrée a besoin d'une étiquette de rôle explicite. Si les rôles se chevauchent, ajoutez une déclaration d'ordre pour qu'une référence l'emporte sur la silhouette et une autre sur la couleur.

Halos et bords de détourage

Symptôme : un halo visible ou une frontière dure entre le sujet et l'arrière-plan. Clause à ajuster : la clause de traitement des bords. Remplacez le générique clean edges par no halo, preserve fine hair detail at the boundary, et ajoutez l'entrée de halo dans les négatifs.

Sujet qui semble collé

Symptôme : le sujet semble composé dans la scène plutôt que photographié dans celle-ci. Clause à ajuster : la correspondance d'éclairage. Précisez la direction de la lumière principale et la température de couleur, et ajoutez shadow direction consistent with the new light source.

Texture plate ou plastique

Symptôme : les surfaces semblent rendues, la peau semble lissée, les dégradés présentent des marches. Clause à ajuster : la clause de texture. Ajoutez natural grain, no synthetic smoothing et no banding in gradients aux négatifs.

Sortie haute résolution sur-accentuée

Symptôme : en haute résolution, chaque bord est net et auréolé. Clause à ajuster : la netteté des bords. Liez la netteté à la mise au point (crisp where focus is sharp) et retirez les adjectifs de netteté empilés.

Quand deux symptômes apparaissent en même temps, corrigez d'abord la clause la plus prioritaire — généralement l'identité — car si le sujet est instable, les corrections en aval ne tiendront pas.

Intégrer les recettes dans un flux de travail

Ces recettes sont conçues pour être combinables. Un pipeline efficace les ordonne de sorte que chaque étape ne porte qu'une seule tâche et qu'un seul prompt à déboguer.

Ordre recommandé

  1. Traitez d'abord l'identité. Exécutez d'abord la recette de fidélité seule pour verrouiller le sujet, puis ajoutez tout changement de scène. Une identité instable invalide chaque comparaison ultérieure.
  2. Ajoutez les références. Introduisez une référence de vêtement et une référence d'éclairage à la fois, avec des étiquettes de rôle explicites, afin de pouvoir attribuer tout changement à une entrée précise.
  3. Changez la scène. Une fois le sujet stable, appliquez la recette d'arrière-plan avec les clauses de correspondance d'éclairage et de traitement des bords.
  4. Ajustez les détails en dernier. N'ajoutez les contraintes de texture, de bord et de bruit qu'une fois le contenu correct — les clauses de détail sont peu coûteuses à itérer et faciles à sur-appliquer.
  5. Finalisez les négatifs. Construisez la liste négative à partir des échecs réellement observés aux étapes 1 à 4, plutôt qu'à partir d'un modèle générique.

Versionner les prompts

Traitez les prompts comme du code source. Enregistrez chaque variante de recette comme un bloc de texte nommé et versionné, accompagné des paramètres utilisés, y compris le jeu de références. Lorsque la qualité de sortie change après une modification, des prompts versionnés vous permettent de comparer les différences entre clauses plutôt que de deviner. Deux habitudes paient : garder la structure du squelette strictement identique d'une version à l'autre pour que les différences restent lisibles ; et consigner dans le message de commit quelle clause vous avez modifiée et pourquoi.

Note sur la reproductibilité

Même avec un prompt identique, les sorties image-à-image varient. Comparez les variantes avec le même jeu de références et le même contenu, et jugez par catégorie d'échec plutôt que sur un seul échantillon — une exécution qui a l'air bonne par hasard est moins informative que trois exécutions qui évitent systématiquement les halos.

Partez du squelette, choisissez la recette correspondant à votre étape actuelle, et itérez une clause à la fois via gpt-image-2/image-to-image@ext.

Articles similaires

Voir tous les articles →

Commencez avec des artefacts IA persistants

Obtenez votre clé API et appelez des modèles d'image, de vidéo et d'audio via une API unique basée sur les tasks.

Lire la documentation de l'API