Blog

Guida all'uso

Ricette di prompt per image-to-image di gpt-image-2.6-flare per sviluppatori

Strutture di prompt pronte da copiare, formulazioni per la coerenza ed elenchi negativi per la modifica di immagini di riferimento

Nov 17, 2026
Copertina: campi di colore malva pallido e nero inchiostro divisi da un unico bordo diagonale netto con una sottile cucitura viola.
In questa pagina

In cosa differiscono i prompt image-to-image

I prompt text-to-image sono generativi: descrivi una scena e il modello inventa tutto ciò che il prompt non fissa. I prompt image-to-image invece sottraggono. L'immagine di riferimento decide già composizione, identità, tonalità e illuminazione; ogni parola che scrivi è un'istruzione che chiede di cambiare il meno possibile al di fuori di questo.

Questa inversione cambia l'aspetto di un "buon prompt". Nel text-to-image, più lungo e dettagliato di solito aiuta. Nell'image-to-image, le parole descrittive extra vengono interpretate come permesso di ridisegnare. Se mentre modifichi una foto profilo scrivi "una donna con una giacca rossa in piedi in un parco, luce morbida, atmosfera cinematografica", stai invitando il modello a ricostruire il parco, l'illuminazione e forse anche il volto.

La conseguenza pratica: un buon prompt di modifica è composto principalmente da vincoli, non da descrizioni. Dichiari prima l'unica modifica desiderata, poi delimiti esplicitamente tutto ciò che deve restare intatto: volto, posa, inquadratura, sfondo, colore. Puoi anche spendere qualche token in ancore che riportano l'output verso l'immagine sorgente — "mantieni l'angolo di ripresa originale", "stessa trama del tessuto dell'input" — il che costa molto meno che ridiscrivere ciò che è già visibile.

Infine, il comportamento image-to-image dipende dall'immagine sorgente. Lo stesso prompt su un rendering di prodotto piatto e su una foto lifestyle affollata deriva in direzioni diverse, perché la quantità di dettaglio che il modello deve preservare è diversa. Tratta i prompt come ricette legate al tipo di asset, non come formule magiche universali — torneremo su questo punto nella sezione test.

Il modello mentale da tenere a mente

Pensa al prompt come a un ordine di modifica con tre compiti: dichiarare cos'è l'immagine, dire cosa cambiare e giurare su cosa non cambiare. Tutto il resto è rifinitura opzionale.

Il text-to-image fluisce da un singolo prompt; l'image-to-image intreccia immagine di riferimento e prompt per ottenere una modifica.

Lo scheletro del prompt in quattro blocchi

Una frase improvvisata produce risultati improvvisati. Uno scheletro ripetibile rende la tua richiesta di modifica prevedibile, verificabile e facile da confrontare blocco per blocco nei test A/B. Usa quattro blocchi impilati in questo ordine:

1. Blocco del soggetto

Una frase che indica cosa c'è nell'immagine di riferimento e che va preservato.

Usa l'immagine di riferimento fornita come immagine sorgente.
Mantieni lo stesso soggetto, identità, posa e inquadratura.

2. Istruzione di modifica

Una modifica concreta e singola, espressa come azione. La regola pratica è una sola modifica per richiesta; concatenare tre modifiche moltiplica la deriva.

Cambia lo sfondo in un fondale da studio grigio chiaro uniforme.

3. Ancora di stile

Riferimenti brevi che ancorano l'aspetto all'immagine di input, non alla tua immaginazione. Ancora all'immagine, non agli aggettivi.

Riproduci la direzione della luce, il contrasto e la temperatura colore dell'immagine di input.
Mantieni la trama originale dei materiali e la morbidezza dei bordi.

4. Vincoli negativi

Un elenco compatto di ciò che non deve comparire o non deve cambiare.

Non modificare il volto, i capelli o l'abbigliamento.
Non aggiungere oggetti di scena, testo o filigrane.
Non toccare lo sfondo se non per la sostituzione richiesta.

Una volta assemblata, la richiesta si legge dall'inizio alla fine come un ordine di modifica coerente, e qualsiasi revisore può capire la tua intenzione. Mantieni l'ordine fisso dei blocchi in tutti i modelli: quando un risultato peggiora, puoi fare una ricerca binaria blocco per blocco invece di indovinare quale frase l'ha causato.

Perché l'ordine conta

Il blocco del soggetto messo per primo impedisce al modello di trattare la modifica come una generazione da zero. I vincoli negativi messi per ultimi fanno sì che si leggano come barriere finali, non come parte della descrizione della scena. Le ancore di stile stanno nel mezzo e legano il nuovo contenuto all'aspetto precedente.

Quattro componenti impilati del prompt confluiscono in un'unica richiesta di modifica combinata.

Ricette pronte da copiare per le modifiche comuni

I modelli seguenti presuppongono lo scheletro in quattro blocchi. Sostituisci gli slot tra parentesi quadre; mantieni invariata la formulazione circostante finché non hai motivo di cambiarla.

Sostituzione dello sfondo

Usa l'immagine di riferimento fornita come immagine sorgente.
Mantieni lo stesso soggetto, identità, posa e inquadratura.
Sostituisci lo sfondo con [un fondale da studio bianco sporco uniforme].
Riproduci la direzione della luce e la morbidezza delle ombre dell'immagine di input, così che il soggetto
appaia ancora illuminato dalla luce originale.
Preserva i dettagli di capelli e bordi nel punto di contatto tra soggetto e nuovo sfondo.
Non modificare il volto, l'abbigliamento o la corporatura del soggetto.
Non aggiungere oggetti di scena, testo, filigrane o bordi di scontorno visibili.

Cambio di illuminazione e atmosfera

Usa l'immagine di riferimento fornita come immagine sorgente.
Mantieni lo stesso soggetto, posa e composizione.
Rilumina la scena con [una calda luce pomeridiana proveniente da sinistra].
Mantieni gli stessi materiali e texture; cambia solo la luce e le sue ombre.
Non spostare né rimodellare lo stile del soggetto.
Non modificare la geometria dello sfondo.
Non applicare altre correzioni di colore oltre al cambio di illuminazione richiesto.

Sostituzione di oggetti

Usa l'immagine di riferimento fornita come immagine sorgente.
Mantieni tutto invariato tranne [l'oggetto] in [l'area].
Sostituiscilo con [una tazza in ceramica opaca di dimensioni all'incirca uguali].
Riproduci la prospettiva, le proporzioni e il contatto con l'ombra dell'oggetto originale.
Mantieni identiche le superfici circostanti e lo sfondo.
Non ridisegnare lo stile del resto della scena.
Non aggiungere ulteriori oggetti né testo.

Pulizia e rimozione

Usa l'immagine di riferimento fornita come immagine sorgente.
Mantieni soggetto e composizione perfettamente identici.
Rimuovi [l'adesivo con logo] da [la superficie] e ricostruisci la superficie sottostante
usando la texture circostante.
Preserva la grana, l'illuminazione e i colori dell'immagine originale.
Non modificare nulla al di fuori di quell'area.
Non sfumare, non sfocare, non inventare dettagli.

Cambio di abbigliamento o colore

Usa l'immagine di riferimento fornita come immagine sorgente.
Mantieni la stessa persona, il volto, la posa e l'inquadratura.
Ricolora [la giacca] in [blu navy scuro], conservando la trama originale del tessuto,
il motivo delle pieghe e la risposta alla luce.
Mantieni invariati il tono della pelle, i capelli e lo sfondo.
Non modificare la forma o la vestibilità del capo.
Non aggiungere accessori né testo.

Ogni ricetta è progettata intenzionalmente come "una modifica più barriere". Se ti serve una sostituzione dello sfondo e una nuova illuminazione, esegui due passaggi invece di scrivere un prompt gigantesco — il secondo passaggio usa l'output del primo come immagine di riferimento. Puoi accedere al flusso in due passaggi attraverso lo stesso endpoint image-to-image di gpt-image-2.6-flare, senza modificare il codice client.

Ogni categoria di modifica ha la propria scheda di ricetta pronta da copiare.

Formulazioni che preservano la fedeltà

La fedeltà non si compra a parole, si compra dichiarando esplicitamente cosa non deve essere toccato. I modelli sono bravi a seguire divieti puntuali, e meno bravi a dedurre la tua intenzione da descrizioni positive prolisse.

Nomina gli invarianti

Trasforma ogni "ovviamente dovrebbe restare uguale" in una frase. Un elenco utile per la maggior parte delle modifiche:

  • Identità: volto, capelli, pelle, tratti distintivi.
  • Geometria: posa, angolo di ripresa, ritaglio, prospettiva, proporzioni degli oggetti.
  • Superfici: trama del tessuto, grana, lucentezza, texture dei materiali.
  • Scena: disposizione dello sfondo, oggetti circostanti, linea dell'orizzonte.

Preferisci verbi con perimetro

"Sostituisci lo sfondo" ha un perimetro. "Rendilo più professionale" non ce l'ha. Verbi come sostituisci, ricolora, rilumina, rimuovi, estendi dicono al modello dove fermarsi. Aggettivi come migliore, più pulito, premium invitano a una ridisegnatura globale.

Ancora all'immagine di input, non agli aggettivi

Debole: "Mantieni l'atmosfera cinematografica." Forte: "Mantieni il contrasto, la profondità delle ombre e la temperatura colore dell'immagine di input." La seconda formulazione punta ai pixel che il modello può vedere; la prima punta a un'emozione che deve indovinare.

Dichiara prima cosa resta uguale, poi cosa cambia

Ordina le frasi in modo che ciò che viene preservato compaia prima della modifica. "Mantieni lo stesso soggetto e la stessa inquadratura; cambia solo lo sfondo" produce risultati più compatti del contrario, perché i vincoli vengono letti prima che il modello inizi a pianificare la modifica.

Aggiungi un budget di modifica

Una breve proposizione che limita il perimetro funziona sorprendentemente bene:

Cambia solo l'area sopra indicata.
Mantieni tutti gli altri pixel il più possibile vicini all'immagine di input.

È la cosa più vicina a un'istruzione globale di "differenza minima", e si abbina bene a un breve elenco negativo.

Riutilizza l'immagine di input come riferimento di stile

Quando un progetto ha un aspetto consolidato, non ridiscriverlo. Puntalo: "Riproduci lo stile di rendering, la grana e la risposta cromatica dell'immagine di input." L'immagine di riferimento è la specifica di stile più precisa che possiedi.

Mantenere la coerenza stilistica su un intero set di immagini

Modificare un'immagine è un problema di prompt. Modificare un set di immagini è un problema di sistema: ti serve un'ancora condivisa perché la ventesima variante continui a somigliare alla prima.

Scegli un'immagine ancora

Scegli un output approvato come ancora di stile del progetto. Quando l'API lo supporta, usa due riferimenti per ogni modifica successiva: l'immagine del contenuto da modificare e l'ancora di stile. Distingui chiaramente i loro ruoli nel prompt:

Usa la prima immagine di riferimento come sorgente del contenuto.
Usa la seconda immagine di riferimento solo come ancora di stile.
Riprendine la palette, la curva di contrasto, la grana e le caratteristiche di illuminazione.
Non copiarne il soggetto, la composizione o lo sfondo.

Dichiarare i ruoli è essenziale — senza, il modello confonde i due riferimenti e prende in prestito la composizione dall'immagine di stile.

Scrivi l'ancora di stile come proprietà misurabili

Sostituisci le parole d'atmosfera con proprietà visive che sopravvivono da un'immagine all'altra:

  • Palette: colori dominanti e loro peso relativo
  • Contrasto: profondità delle ombre e roll-off delle alte luci
  • Illuminazione: direzione, morbidezza, temperatura colore
  • Texture: quantità di grana, nitidezza, trattamento dei bordi
  • Abitudini di inquadratura: proporzione del soggetto e spazio sopra la testa

Una frase di ancora condivisa come "Riproduci la palette, la profondità delle ombre e la grana dell'ancora" tiene insieme un set di immagini meglio di qualsiasi pila di aggettivi.

Mantieni un preambolo per ogni set

Memorizza una stringa di preambolo condivisa per ogni prompt del progetto, contenente il blocco del soggetto e il riferimento all'ancora. Solo l'istruzione di modifica e i vincoli negativi specifici variano da immagine a immagine. Questa pratica elimina la maggior parte del lavoro di debug del tipo "perché la nona immagine è diversa".

Congela e versiona

Quando un set di immagini viene approvato, congela ancora, preambolo ed elenco negativo insieme come bundle versionato. Le modifiche future partono dal bundle congelato, così le rifiniture successive non possono rimodellare silenziosamente lo stile dell'intero set.

Attenzione alla deriva cumulativa

Le modifiche a catena (l'output del primo passaggio alimenta il secondo) accumulano sottili scostamenti di colore e contrasto. Confronta ogni output con l'ancora originale, non solo con il passaggio precedente; se l'intero set inizia a deviare, riancoralo.

Costruire elenchi negativi davvero utili

I vincoli negativi sono barriere, non liste dei desideri. Un elenco breve mirato ai modelli di errore che hai realmente osservato batte una lunga serie di divieti generici, che diluisce l'attenzione e può persino sopprimere dettagli legittimi.

Parti dagli errori osservati

Esegui prima il prompt senza vincoli negativi. Annota cosa deriva: testo aggiunto, sfondo spostato, volti ammorbiditi, oggetti di scena extra, dominanti di colore. A ogni errore osservato corrisponde una riga negativa. Nient'altro deve entrare.

Mantieni l'elenco breve e specifico

Un elenco efficace di solito ha solo poche voci, formulate in modo specifico:

Niente testo, loghi o filigrane.
Non aggiungere oggetti di scena o persone.
Non modificare il volto, i capelli o l'abbigliamento.
Non toccare lo sfondo se non per la sostituzione richiesta.
Nessun ritocco pesante, nessuna pelle di plastica, nessuna sfocatura.

Ogni riga corrisponde a un errore reale e ripetibile. Righe generiche come "niente bassa qualità" o "niente artefatti" sono rumore: non indicano nulla su cui il modello possa agire.

Separa i vincoli negativi globali da quelli per ricetta

Mantieni un piccolo elenco globale (testo, filigrane, persone indesiderate, deriva di stile) condiviso da tutte le ricette, e un elenco per ricetta specifico della modifica. La sostituzione dello sfondo richiede "nessun bordo di scontorno visibile"; la nuova illuminazione richiede "nessuna correzione di colore oltre al cambio di luce richiesto"; la sostituzione di oggetti richiede "nessun oggetto extra". Così i prompt restano brevi ma mirati.

Rivedi periodicamente i vincoli negativi

La deriva dei prompt va in due direzioni: un vincolo negativo che il mese scorso correggeva un errore potrebbe ora sopprimere dettagli che desideri. Rileggi l'elenco a ogni nuova versione congelata ed elimina le righe i cui errori non si presentano più.

Non usare i vincoli negativi per veicolare l'istruzione principale

I vincoli negativi sono scarsi nel creare qualcosa. "Niente sfondo affollato" è più debole di "Sostituisci lo sfondo con un fondale da studio grigio chiaro uniforme" più "non aggiungere oggetti di scena". Dichiara prima l'obiettivo positivo, poi proteggilo.

Testare e iterare le tue ricette

Le ricette di prompt sono codice: versionale, testale con input fissi e conserva quelle vincenti. Basta un ciclo leggero.

Fissa un piccolo set di valutazione

Scegli alcune immagini sorgente rappresentative per ogni tipo di asset — un'immagine di prodotto pulita, un ritratto, una scena affollata. La stessa ricetta si comporta diversamente su immagini diverse, quindi testa ogni variante sull'intero set, non solo sulla tua immagine preferita.

Cambia un solo blocco alla volta

Poiché il tuo prompt segue lo scheletro in quattro blocchi, puoi fare A/B su un singolo blocco: mantieni invariati blocco del soggetto, ancora di stile e vincoli negativi e cambia solo la formulazione dell'istruzione di modifica. Questo isola la causalità, cosa che una riscrittura dell'intero testo non permetterà mai.

Confronta con una rubrica, non a sensazione

Scrivi cosa significa "buono" per quel tipo di asset: identità preservata, sfondo pulito, illuminazione corrispondente, nessun artefatto testuale, bordi integri. Assegna un punteggio a ogni output per ciascun criterio. Il giudizio soggettivo crolla quando confronti venti varianti quasi identiche; una rubrica breve mantiene le decisioni coerenti e verificabili.

Mantieni il ciclo compatto

variante -> genera -> confronta con la rubrica -> mantieni o scarta -> congela la vincente

Quando una variante vince, promuovila nel bundle di ricette versionato: testo del prompt, elenco negativo, ancora e note di valutazione. Quando una variante fallisce, annota in una riga il perché. Altrimenti il te stesso futuro riproporrà la stessa idea fallimentare.

Versiona per tipo di asset

La ricetta di sostituzione dello sfondo ottimizzata su un rendering di prodotto non è la ricetta per un ritratto. Versiona per tipo di asset e instrada le richieste attraverso la stessa pagina del modello image-to-image, così cambiare ricetta non significa mai cambiare pipeline.

Aspettati che i problemi ritornino

Il comportamento del modello e le tue immagini sorgente cambiano nel tempo. Ogni volta che aggiorni il bundle di ricette o inserisci un nuovo lotto di input, riesegui il set di valutazione ed elimina i modelli che non vale più la pena mantenere.

Un buon lavoro image-to-image è soprattutto scrittura disciplinata di vincoli: uno scheletro stabile, invarianti espliciti, un breve elenco negativo e un ciclo versionato che conserva i vincitori.

Inizia a creare con artefatti IA persistenti

Ottieni la tua chiave API e chiama modelli di immagini, video e audio tramite un'unica API basata sui task.

Leggi la documentazione API