HiAPI
Blog

Guida all'uso

Ricette di prompt gpt-image-2 image-to-image: prompt copiabili e incollabili per la fusione di più immagini di riferimento, la fedeltà del soggetto e l'output 4K

Una guida pratica alle ricette per sviluppatori che costruiscono flussi di lavoro image-to-image con gpt-image-2/image-to-image@ext

Nov 9, 2026
Copertina per una guida ai prompt image-to-image di gpt-image-2: pannelli di vetro traslucidi sovrapposti che trasformano un campo pallido in fasce blu freddo, dall'aspetto opaco e architettonico.
Modello
gpt-image-2
In questa pagina

Perché la struttura del prompt conta più della lunghezza

La maggior parte dei fallimenti di image-to-image non avviene perché il prompt è troppo corto, ma perché il prompt mescola tutto in un unico grumo indistinto di aggettivi. Quando in un'unica frase chiedi contemporaneamente un soggetto, tre immagini di riferimento, un nuovo sfondo e un obiettivo di risoluzione, il modello non riesce a capire quali parole corrispondono a quale parte del compito.

La soluzione è adottare uno scheletro basato su clausole. Ogni prompt che invii a gpt-image-2/image-to-image@ext può essere scomposto in cinque slot:

  • Soggetto: di cosa parla l'output, dichiarato una sola volta, con nomi concreti.
  • Ruolo delle immagini di riferimento: cosa contribuisce ciascuna immagine di input, etichettato esplicitamente.
  • Sfondo e scena: ambiente, direzione della luce e profondità di campo.
  • Vincoli di output: inquadratura, proporzioni, texture, trattamento dei bordi e aspettative sui dettagli.
  • Negativo: un elenco breve e ordinato per priorità di ciò che non deve comparire.

Uno scheletro riutilizzabile è il seguente:

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>

Due regole mantengono affidabile questo scheletro. Primo, una clausola porta un solo intento: non infilare il mantenimento dell'identità e la sostituzione dello sfondo nella stessa clausola. Secondo, l'ordine riflette la priorità: metti per primo ciò che non deve assolutamente sbagliare, perché quando le clausole entrano in conflitto quelle successive possono sovrascrivere parzialmente quelle precedenti.

I prompt più lunghi non sono migliori. Un prompt con quattro clausole, ciascuna con un'assegnazione chiara, sarà sempre superiore a un paragrafo di aggettivi impilati. Le ricette seguenti sono tutte varianti dello stesso scheletro, quindi puoi prendere una qualsiasi e sostituire il contenuto senza doverne reimparare la struttura.

Quattro blocchi di clausole, ciascuno una lastra di vetro, che convergono in un unico output: ciò che funziona è la struttura, non la lunghezza.

Ricetta: fondere più immagini di riferimento

La fusione di più riferimenti fallisce in modo prevedibile: senza etichette di ruolo, il modello media gli input. Otterrai un volto che non appartiene a nessuno e uno stile che non è né l'uno né l'altro. La soluzione è dare un nome a ciascuna immagine di input e dichiarare esplicitamente cosa prendere da essa.

Modello copiabile e incollabile

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

Perché le etichette di ruolo contano

Qui entrano in gioco tre meccanismi. I verbi di ruolo (identity source, wardrobe source, lighting source) dicono al modello quale dimensione governa ciascuna immagine, impedendo la contaminazione incrociata. Le dimensioni esplicite (struttura del viso, tessuto, direzione della luce principale) restringono ogni ruolo ad attributi osservabili anziché a un vago "stile". E il negativo blended facial features contrasta direttamente il fallimento più comune, la media.

Vincoli pratici

  • Mantieni pochi ruoli. Tre immagini di riferimento con tre ruoli distinti è un default affidabile; ogni immagine di riferimento in più aggiunge una superficie di media.
  • Se due immagini di riferimento si sovrappongono nel ruolo (ad esempio due fonti di abbigliamento), dichiara la priorità: prefer <reference_2> for silhouette, <reference_3> for color.
  • Quando fondi riferimenti di stile, assegna lo stile a un'immagine e il contenuto a un'altra. La fusione stile più stile tende a produrre una massa sfocata.
  • Se dopo la fusione sembra ancora una media, il colpevole abituale è un'immagine di input senza ruolo: le immagini non etichettate vengono assorbite nella media.

Esegui la stessa ricetta su gpt-image-2/image-to-image@ext e confrontala con una versione senza etichette di ruolo; la differenza di solito emerge prima nella struttura del viso.

Ogni immagine di riferimento entra con il proprio angolo e il proprio ruolo; la fusione è il punto in cui le loro fasce luminose si sovrappongono intenzionalmente.

Ricetta: mantenere la fedeltà del soggetto

La deriva dell'identità avviene quando la trasformazione che chiedi è più forte dell'ancora che fornisci. Il modello consiste nel bloccare esplicitamente un piccolo insieme di caratteristiche e dichiarare tutto il resto liberamente variabile.

Modello copiabile e incollabile

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

Perché funziona

Il prompt traccia un confine. Locked nomina le caratteristiche che il modello deve conservare; Flexible permette esplicitamente di cambiare tutto il resto, il che impedisce al modello di conservare eccessivamente la scena originale. Senza la clausola Flexible, il modello spesso conserva la posa e lo sfondo di partenza insieme al volto: tecnicamente fedele, ma non la trasformazione che avevi chiesto.

Formulazioni utili

  • Preferisci caratteristiche geometriche osservabili a parole astratte sull'identità. eye spacing e nose profile sono verificabili; same person no.
  • Formula la trasformazione come cambio di scena, non di soggetto: the same person, now in <scene> è più affidabile di transform this person.
  • Quando la posa cambia molto, ripeti gli elementi bloccati. I prompt lunghi derivano; ripetere brevemente le tre ancore più importanti verso la fine è un'assicurazione a basso costo.
  • Per i lavori a figura intera, aggiungi un'ancora di proporzioni: head-to-body ratio unchanged.

Cosa evitare

Non impilare molti aggettivi di stile su un prompt di fedeltà: una forte stilizzazione viene interpretata come una richiesta di cambiare il volto. Se ti serve un output stilizzato, mantieni invariata la clausola dell'identità e sposta la descrizione dello stile nella clausola Output, così i due intenti restano separati.

Le ancore bloccate fissano l'identità; le aree tratteggiate restano libere per la trasformazione richiesta.

Ricetta: sostituire lo sfondo senza danneggiare il soggetto

La sostituzione dello sfondo fallisce al confine: aloni, bordi di ritaglio e illuminazione che non corrisponde alla nuova scena. La soluzione è isolare il cambiamento in una clausola propria e dichiarare esplicitamente il trattamento dei bordi e dell'illuminazione.

Modello copiabile e incollabile

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

Le tre clausole che funzionano

replace entirely chiude la scappatoia in cui il modello conserva frammenti della scena originale. Lighting match è la chiave per far sembrare reale la composizione: un soggetto ritagliato perfettamente ma sotto una luce principale sbagliata sembrerà comunque incollato. Edge treatment affronta direttamente gli aloni, e nominare fine hair detail impedisce al modello di risolvere il problema cancellando i bordi.

Adattamento per scena

  • Da esterno a interno: aggiungi shadow direction consistent with the new light source, così il soggetto non conserva le ombre da esterno.
  • Da studio ad ambiente: aggiungi depth of field separation, così il soggetto non sembra appiattito sullo stesso piano focale dello sfondo.
  • Sfondo scuro: aggiungi rim light consistent with background glow per evitare silhouette piatte.

Debug del confine

Se vedi un alone, di solito la clausola sui bordi è troppo vaga. Sostituisci clean edges con la combinazione specifica: no halo, preserve fine hair detail at the boundary. Se il soggetto sembra incollato, la clausola sull'illuminazione manca di direzione: aggiungi esplicitamente key light direction invece di affidarti a match lighting.

Ricetta: controllare i dettagli con output 4K

Un output ad alta risoluzione non significa automaticamente dettagli di alta qualità. Le sole parole chiave sulla risoluzione producono spesso bordi sovraccentrici e texture sintetiche. Ciò che controlla davvero la qualità è come descrivi texture, nitidezza dei bordi e rumore atteso.

Modello copiabile e incollabile

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

Perché le parole sulla texture battono quelle sulla risoluzione

Le parole chiave sulla risoluzione dicono al modello quanto è grande la tela. La clausola sulla texture dice al modello con cosa riempirla. Ad alta risoluzione ogni area sottodescritta diventa visibile: i gradienti uniformi mostrano bande, gli artefatti di nitidezza diventano evidenti. Nominare natural grain e no banding in gradients previene questi fallimenti.

Controllo di bordi e rumore

  • La nitidezza dei bordi va legata al fuoco: crisp where focus is sharp permette al modello di ammorbidire altrove, evitando l'aspetto complessivamente fragile.
  • Il rumore atteso va dichiarato, perché il modello a volte pulisce troppo. Fine natural grain impedisce che l'output ad alta risoluzione sembri un render.
  • Il banding nei gradienti è l'artefatto ad alta risoluzione più comune sulle grandi aree piatte. Un solo negativo cattura la maggior parte del problema.
  • Non impilare parole di nitidezza. Mettere insieme Ultra sharp, hyper detailed, 8K di solito produce aloni; scegli una sola dichiarazione di nitidezza e lascia che le parole sulla texture facciano il resto.

Testa lo stesso contenuto con le stesse clausole a risoluzione standard e alta. Se la versione ad alta risoluzione sembra peggiore, la clausola sulla texture manca di vincoli su rumore o gradienti.

Scrivere elenchi negativi che funzionano davvero

I negativi sono elenchi di priorità, non liste dei desideri. Un elenco negativo prolisso che contraddice il prompt positivo è peggio di nessun negativo: il modello riceve istruzioni in conflitto e le risolve in modo imprevedibile.

Modello ordinato per priorità

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

Per la maggior parte delle ricette, da tre a cinque voci è il limite pratico. Ordinale in base a quanto ciascuna rovina il risultato.

Come evitare l'autocontraddizione

Ogni negativo dovrebbe essere l'inverso di un positivo già dichiarato. Se il positivo dice natural skin texture, il negativo corrispondente è synthetic smoothing, non smooth skin, che contraddirebbe il positivo. Il test è semplice: per ogni negativo, chiediti quale clausola positiva protegge. Se non hai risposta, cancellalo.

Categorie comuni da coprire

  • Fallimenti di identità: changed facial proportions, blended features.
  • Fallimenti di confine: halo, cut-out edge, original background remnants.
  • Fallimenti di texture: plastic texture, over-sharpened edges, banding in gradients.
  • Fallimenti di scena: mismatched light direction, floating subject.

Cosa omettere

Evita negativi generici sulla qualità come bad quality o ugly: non portano informazioni operative e consumano l'attenzione che dovrebbe andare ai fallimenti specifici. Evita di elencare ogni artefatto immaginabile; il modello tratta un elenco indistinto come rumore.

Quando compare un nuovo fallimento nell'output, aggiungilo come negativo solo se riesci a indicare quale clausola positiva protegge. Altrimenti, correggi il prompt positivo.

Risolvere i fallimenti comuni dei prompt

La maggior parte dei fallimenti corrisponde a una singola clausola dello scheletro. Usa il sintomo per trovare quella clausola e poi modificala, invece di riscrivere l'intero prompt.

Deriva dell'identità

Sintomo: il volto cambia tra output diversi, o il soggetto sembra uno sconosciuto che assomiglia alla persona. Clausola da modificare: l'elenco Locked nella ricetta di fedeltà. Aggiungi due o tre ancore geometriche osservabili (distanza degli occhi, forma del naso, rapporto testa-corpo). Se la deriva persiste, verifica se una clausola di stile è in competizione con quella dell'identità e sposta lo stile in Output.

Fusione torbida

Sintomo: l'output fuso sembra una media, un volto che non appartiene a nessuno. Clausola da modificare: i ruoli delle immagini di riferimento. Ogni immagine di input ha bisogno di un'etichetta di ruolo esplicita. Se i ruoli si sovrappongono, aggiungi una dichiarazione di ordinamento: un riferimento vince sulla silhouette, un altro sul colore.

Aloni e bordi di ritaglio

Sintomo: un alone visibile o un confine netto tra soggetto e sfondo. Clausola da modificare: la clausola sul trattamento dei bordi. Sostituisci il generico clean edges con no halo, preserve fine hair detail at the boundary e aggiungi la voce alone ai negativi.

Soggetto che sembra incollato

Sintomo: il soggetto sembra composto nella scena, non fotografato nella scena. Clausola da modificare: la corrispondenza dell'illuminazione. Dichiara esplicitamente la direzione della luce principale e la temperatura colore, e aggiungi shadow direction consistent with the new light source.

Texture piatta o plastica

Sintomo: le superfici sembrano renderizzate, la pelle sembra levigata, i gradienti mostrano scalini. Clausola da modificare: la clausola sulla texture. Aggiungi natural grain, no synthetic smoothing e no banding in gradients ai negativi.

Output ad alta risoluzione sovraccentrici

Sintomo: ad alta risoluzione ogni bordo è nitido e con aloni. Clausola da modificare: la nitidezza dei bordi. Lega la nitidezza al fuoco (crisp where focus is sharp) e rimuovi gli aggettivi di nitidezza impilati.

Quando compaiono due sintomi insieme, correggi prima la clausola con priorità più alta, di solito l'identità, perché se il soggetto non è stabile le correzioni successive non reggono.

Integrare le ricette nel flusso di lavoro

Queste ricette sono pensate per essere combinabili. Una pipeline pratica le ordina in modo che ogni passo porti un solo compito e richieda il debug di un solo prompt.

Ordine consigliato

  1. Prima l'identità. Esegui prima la ricetta di fedeltà da sola e blocca il soggetto, poi aggiungi qualsiasi cambio di scena. Un'identità instabile rende invalido ogni confronto successivo.
  2. Aggiungi i riferimenti. Introduci un riferimento di abbigliamento e uno di illuminazione alla volta, con etichette di ruolo esplicite, così puoi attribuire qualsiasi cambiamento a un input specifico.
  3. Cambia la scena. Con il soggetto stabile, applica la ricetta dello sfondo con corrispondenza dell'illuminazione e clausola sul trattamento dei bordi.
  4. Regola i dettagli per ultimi. Aggiungi i vincoli su texture, bordi e rumore solo dopo che il contenuto è corretto: le clausole sui dettagli sono economiche da iterare e facili da applicare eccessivamente.
  5. Finalizza i negativi. Costruisci l'elenco negativo in base ai fallimenti realmente osservati nei passi 1–4, non con un modello generico.

Versionare i prompt

Tratta i prompt come codice sorgente. Salva ogni variante della ricetta come blocco di testo nominato e versionato, con i parametri che hai usato, incluso l'insieme di immagini di riferimento. Quando la qualità dell'output cambia dopo una modifica, i prompt versionati ti permettono di confrontare le differenze tra clausole invece di tirare a indovinare. Due abitudini ripagano: mantenere esattamente la stessa struttura dello scheletro tra versioni, così i diff sono leggibili; e registrare nel messaggio di commit quale clausola hai cambiato e perché.

Nota sulla ripetibilità

Anche con lo stesso prompt, gli output di image-to-image variano. Confronta le varianti con lo stesso insieme di riferimenti e lo stesso contenuto, e giudica per categoria di fallimento anziché su un singolo campione: una singola esecuzione che sembra buona per caso è meno informativa di tre esecuzioni che evitano stabilmente gli aloni.

Parti dallo scheletro, scegli la ricetta che corrisponde al tuo passo attuale e itera una clausola alla volta tramite gpt-image-2/image-to-image@ext.

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