HiAPI
블로그

사용 가이드

gpt-image-2 이미지 간 변환 프롬프트 레시피: 다중 참조 이미지 융합, 피사체 충실도 유지 및 4K 출력을 위한 복사-붙여넣기 프롬프트

gpt-image-2/image-to-image@ext를 사용해 이미지 간 변환 워크플로를 구축하는 개발자를 위한 실용 레시피 가이드

Nov 9, 2026
gpt-image-2 이미지-투-이미지 프롬프트 가이드의 커버 아트: 겹쳐진 반투명 유리 패널들이 창백한 들판을 차가운 푸른 띠로 바꾸며, 매트하고 건축적인 느낌을 준다.
모델
gpt-image-2
이 페이지에서

프롬프트 구조가 길이보다 중요한 이유

대부분의 이미지 간 변환 실패는 프롬프트가 너무 짧아서가 아니라, 모든 것을 구분 없이 뒤섞은 형용사 덩어리로 만들어졌기 때문입니다. 한 문장 안에서 피사체, 세 장의 참조 이미지, 새로운 배경, 해상도 목표를 동시에 요구하면 모델은 어떤 단어가 작업의 어느 부분에 해당하는지 판단할 수 없습니다.

해결책은 절(分句) 기반 뼈대를 사용하는 것입니다. gpt-image-2/image-to-image@ext로 보내는 모든 프롬프트는 다섯 개의 슬롯으로 분해할 수 있습니다:

  • 피사체 — 출력이 무엇에 관한 것인지, 한 번만 진술하고 구체적인 명사를 사용합니다.
  • 참조 이미지 역할 — 각 입력 이미지가 무엇을 기여하는지 명확히 표시합니다.
  • 배경과 장면 — 환경, 광원 방향, 심도.
  • 출력 제약 — 구도, 비율, 질감, 가장자리 처리, 디테일 기대치.
  • 네거티브 — 짧고 우선순위가 정해진 금지 항목 목록.

재사용 가능한 뼈대는 다음과 같습니다:

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>

이 뼈대를 신뢰할 수 있게 유지하는 두 가지 규칙이 있습니다. 첫째, 하나의 절은 하나의 의도만 담당합니다 — 정체성 유지와 배경 교체를 같은 절에 넣지 마세요. 둘째, 순서가 우선순위를 반영합니다: 절대 틀리면 안 되는 것을 맨 앞에 두세요. 절이 충돌할 때 뒤의 절이 앞의 절을 부분적으로 덮어쓸 수 있기 때문입니다.

더 긴 프롬프트가 더 좋은 것은 아닙니다. 네 개의 절이 각각 명확한 소속을 가진 프롬프트는 형용사를 쌓아 올린 단락보다 항상 우수합니다. 아래 레시피는 모두 같은 뼈대의 변형이므로, 구조를 다시 배우지 않고도 원하는 것을 골라 내용만 교체할 수 있습니다.

네 개의 절 블록, 각각 하나의 유리 평면, 하나의 출력으로 수렴 — 효과를 내는 것은 구조이지 길이가 아닙니다.

레시피: 여러 참조 이미지 융합

다중 참조 이미지 융합은 예측 가능한 방식으로 실패합니다: 역할 레이블이 없으면 모델이 입력을 평균화합니다. 어느 누구의 얼굴도 아닌 얼굴과 이것도 저것도 아닌 스타일을 얻게 됩니다. 해결책은 각 입력 이미지에 이름을 붙이고 그 이미지에서 무엇을 가져올지 명시적으로 설명하는 것입니다.

복사-붙여넣기 패턴

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

역할 레이블이 중요한 이유

여기에는 세 가지 메커니즘이 작용합니다. 역할 동사(identity source, wardrobe source, lighting source)는 모델에게 각 이미지가 어느 차원을 관할하는지 알려주어 교차 오염을 방지합니다. 명시적 차원 — 얼굴 구조, 원단, 주광 방향 — 은 각 역할을 모호한 '스타일'이 아닌 관찰 가능한 속성으로 좁힙니다. 그리고 네거티브 항목 blended facial features는 가장 흔한 평균화 실패를 직접 상쇄합니다.

실용적 제약

  • 역할 수를 적게 유지하세요. 참조 이미지 세 장에 서로 다른 역할 세 개가 신뢰할 수 있는 기본값입니다; 참조 이미지가 하나 추가될 때마다 평균화될 면이 하나 더 생깁니다.
  • 두 참조 이미지가 역할에서 겹친다면(예: 두 개의 의상 소스) 우선순위를 명시하세요: prefer <reference_2> for silhouette, <reference_3> for color.
  • 스타일 참조를 융합할 때는 한 이미지에 스타일을, 다른 이미지에 내용을 할당하세요. 스타일+스타일 융합은 흐릿한 덩어리를 만들어내는 경향이 있습니다.
  • 융합 후에도 평균화된 것처럼 보인다면, 보통의 원인은 특정 입력 이미지에 역할이 빠진 것입니다 — 레이블이 없는 이미지는 평균값에 흡수됩니다.

gpt-image-2/image-to-image@ext에서 같은 레시피를 역할 레이블이 없는 버전과 비교해 실행해 보세요; 차이는 보통 얼굴 구조에서 가장 먼저 나타납니다.

각 참조 이미지는 자기 각도와 자기 역할로 들어옵니다; 융합 지점은 그 광선이 의도적으로 겹쳐지는 곳입니다.

레시피: 피사체 충실도 유지

정체성 드리프트는 요청한 변환이 제공한 앵커보다 강할 때 발생합니다. 패턴은 작은 특징 집합을 명시적으로 고정하고 나머지 모든 것은 유연하게 변할 수 있다고 선언하는 것입니다.

복사-붙여넣기 패턴

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

이것이 작동하는 이유

프롬프트가 경계를 긋습니다. Locked는 모델이 반드시 보존해야 할 특징을 명명합니다; Flexible는 다른 모든 것의 변경을 명시적으로 허용하여 모델이 원본 장면을 과도하게 유지하는 것을 방지합니다. Flexible 절이 없으면 모델은 종종 얼굴과 함께 원본 포즈와 배경까지 유지합니다 — 기술적으로는 충실하지만 요청한 변환이 아닙니다.

도움이 되는 표현

  • 추상적인 정체성 단어보다 관찰 가능한 기하학적 특징을 우선하세요. eye spacing과 nose profile은 검사 가능하지만 same person은 그렇지 않습니다.
  • 변환을 주체 변화가 아닌 장면 변화로 표현하세요: the same person, now in <scene>가 transform this person보다 신뢰할 수 있습니다.
  • 포즈가 크게 변할 때는 고정 항목을 반복하세요. 긴 프롬프트는 드리프트합니다; 끝부분 근처에 가장 중요한 세 앵커를 짧게 다시 진술하는 것은 저비용 보험입니다.
  • 전신 작업에는 비율 앵커를 추가하세요: head-to-body ratio unchanged.

피해야 할 것

충실도 프롬프트에 많은 스타일 형용사를 쌓지 마세요 — 강한 양식화는 얼굴 변경 요구로 해석됩니다. 양식화된 출력이 필요하면 정체성 절은 그대로 두고 스타일 설명을 Output 절로 옮겨 두 의도가 분리되도록 하세요.

고정된 앵커는 정체성을 고정합니다; 점선 영역은 요청된 변환을 위해 자유롭게 유지됩니다.

레시피: 피사체를 손상시키지 않고 배경 교체

배경 교체는 경계에서 문제가 생깁니다: 후광, 오려낸 가장자리, 새 장면과 맞지 않는 조명. 해결책은 변화를 자체 절에 격리하고 가장자리와 조명 처리를 명시적으로 설명하는 것입니다.

복사-붙여넣기 패턴

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

작동하는 세 가지 절

replace entirely는 모델이 원본 장면의 파편을 남기는 구멍을 막습니다. Lighting match는 합성을 실제처럼 보이게 하는 핵심입니다 — 완벽하게 오려낸 주체라도 잘못된 주광 아래 있으면 여전히 붙여 넣은 것처럼 보입니다. Edge treatment는 후광을 직접 다루며, fine hair detail을 지목하면 모델이 가장자리를 지워서 문제를 해결하는 것을 방지합니다.

장면에 맞게 조정

  • 야외에서 실내로: shadow direction consistent with the new light source를 추가하여 주체가 야외 그림자를 유지하지 않게 하세요.
  • 스튜디오에서 환경으로: depth of field separation을 추가하여 주체가 배경과 같은 초점면에 떠 있는 것처럼 보이지 않게 하세요.
  • 어두운 배경: 납작한 실루엣을 피하기 위해 rim light consistent with background glow를 추가하세요.

경계 디버깅

후광이 보인다면 보통 가장자리 절이 너무 모호하기 때문입니다. clean edges를 구체적인 조합으로 교체하세요: no halo, preserve fine hair detail at the boundary. 주체가 붙여 넣은 것처럼 보인다면 조명 절에 방향이 빠진 것입니다 — match lighting에 의존하지 말고 key light direction을 명시적으로 추가하세요.

레시피: 4K 출력에서 디테일 제어

고해상도 출력이 자동으로 고품질 디테일을 의미하지는 않습니다. 해상도 키워드만으로는 과도하게 날카로워진 가장자리와 합성 질감이 생기기 쉽습니다. 품질을 실제로 제어하는 것은 질감, 가장자리 선명도, 예상 노이즈를 어떻게 설명하는지입니다.

복사-붙여넣기 패턴

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

해상도 단어보다 질감 단어가 나은 이유

해상도 키워드는 모델에게 캔버스가 얼마나 큰지 알려줍니다. 질감 절은 그 캔버스를 무엇으로 채울지 알려줍니다. 고해상도에서는 설명이 부족한 모든 영역이 눈에 띄게 됩니다 — 부드러운 그라디언트는 밴딩을 보이고, 샤프닝 아티팩트가 도드라집니다. natural grain과 no banding in gradients를 지목하면 이러한 실패를 미리 방지할 수 있습니다.

가장자리와 노이즈 제어

  • 가장자리 선명도는 초점과 묶여야 합니다: crisp where focus is sharp는 모델이 다른 곳을 부드럽게 처리하도록 허용하여 전체적으로 딱딱해 보이는 인상을 피합니다.
  • 노이즈 기대치는 모델이 때때로 과도하게 정리하기 때문에 명시할 가치가 있습니다. Fine natural grain은 고해상도 출력이 렌더 이미지처럼 보이지 않게 합니다.
  • 그라디언트 밴딩은 큰 평평한 영역에서 가장 흔한 고해상도 아티팩트입니다. 하나의 네거티브 항목으로 대부분의 문제를 잡을 수 있습니다.
  • 샤프닝 단어를 겹치지 마세요. Ultra sharp, hyper detailed, 8K를 함께 쌓으면 보통 후광이 생깁니다; 하나의 선명도 서술을 선택하고 나머지는 질감 표현이 담당하게 하세요.

같은 절을 사용해 동일한 내용을 표준 해상도와 고해상도로 테스트하세요. 고해상도 버전이 더 나빠 보인다면 질감 절에 노이즈나 그라디언트 제약이 빠진 것입니다.

실제로 효과 있는 네거티브 목록 작성

네거티브 항목은 우선순위 목록이지 소원 목록이 아닙니다. 긍정 프롬프트와 모순되는 장황한 네거티브 목록은 아예 없는 것보다 나쁩니다 — 모델은 충돌하는 지시를 받고 예측 불가능한 방식으로 해결합니다.

우선순위 기반 패턴

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

대부분의 레시피에서 세 개에서 다섯 개가 실용적 상한입니다. 각 항목이 결과를 얼마나 망칠 수 있는지에 따라 정렬하세요.

자기모순을 피하는 방법

모든 네거티브 항목은 이미 진술된 긍정 항목의 반대여야 합니다. 긍정 항목이 natural skin texture라면 대응하는 네거티브 항목은 synthetic smoothing입니다 — 긍정 항목과 모순되는 smooth skin이 아닙니다. 테스트는 간단합니다: 각 네거티브 항목에 대해 그것이 어떤 긍정 절을 보호하는지 물어보세요. 답이 없으면 삭제하세요.

다루어야 할 흔한 범주

  • 정체성 실패: changed facial proportions, blended features.
  • 경계 실패: halo, cut-out edge, original background remnants.
  • 질감 실패: plastic texture, over-sharpened edges, banding in gradients.
  • 장면 실패: mismatched light direction, floating subject.

생략할 것

bad quality나 ugly 같은 범용 품질 네거티브 항목은 피하세요 — 실행 가능한 정보를 담지 않으며 구체적 실패에 써야 할 주의를 소모합니다. 상상할 수 있는 모든 아티팩트를 나열하지 마세요; 모델은 구분되지 않은 목록을 노이즈로 취급합니다.

출력에서 새로운 실패가 나타나면 오직 그것이 어떤 긍정 절을 보호하는지 지목할 수 있을 때만 네거티브 항목으로 추가하세요. 그렇지 않다면 긍정 프롬프트를 수정해야 합니다.

흔한 프롬프트 실패 문제 해결

대부분의 실패는 뼈대의 특정 절 하나에 대응합니다. 증상을 이용해 그 절을 찾은 다음, 전체 프롬프트를 다시 쓰지 말고 그 절만 조정하세요.

정체성 드리프트

증상: 출력마다 얼굴이 달라지거나 주체가 비슷하게 생긴 낯선 사람처럼 보입니다. 조정할 절: 충실도 레시피의 Locked 목록. 관찰 가능한 기하학적 앵커 두세 개(눈 간격, 코 모양, 머리-몸 비율)를 추가하세요. 드리프트가 계속되면 스타일 절이 정체성 절과 경쟁하는지 확인하고 스타일을 Output으로 옮기세요.

융합이 흐릿해짐

증상: 융합 출력이 평균화된 것처럼 보입니다 — 어느 누구의 얼굴도 아닙니다. 조정할 절: 참조 이미지 역할. 각 입력 이미지에는 명확한 역할 레이블이 필요합니다. 역할이 겹치면 정렬 진술을 추가하여 한 참조 이미지가 실루엣에서 이기고 다른 이미지가 색상에서 이기게 하세요.

후광과 오려낸 가장자리

증상: 주체와 배경 사이에 보이는 후광이나 딱딱한 경계가 생깁니다. 조정할 절: 가장자리 처리 절. 일반적인 clean edges를 no halo, preserve fine hair detail at the boundary로 교체하고 후광 항목을 네거티브에 추가하세요.

주체가 붙여 넣은 것처럼 보임

증상: 주체가 장면에서 촬영된 것이 아니라 장면에 합성된 것처럼 보입니다. 조정할 절: 조명 매칭. 주광 방향과 색온도를 명시하고 shadow direction consistent with the new light source를 추가하세요.

질감이 평평하거나 플라스틱 같음

증상: 표면이 렌더링된 것처럼 보이고, 피부가 매끈하게 밀린 것처럼 보이며, 그라디언트에 계단이 생깁니다. 조정할 절: 질감 절. natural grain, no synthetic smoothing, no banding in gradients를 네거티브에 추가하세요.

고해상도 출력의 과도한 샤프닝

증상: 고해상도에서 모든 가장자리가 날카롭고 후광이 있습니다. 조정할 절: 가장자리 선명도. 선명도를 초점과 묶고(crisp where focus is sharp), 겹쳐 놓은 샤프닝 형용사를 제거하세요.

두 증상이 동시에 나타나면 우선순위가 더 높은 절 — 보통 정체성 — 을 먼저 고치세요. 주체가 불안정하면 하위 수정도 유지되지 않기 때문입니다.

레시피를 워크플로에 통합

이 레시피는 조합 가능하도록 설계되었습니다. 실용적인 파이프라인은 이들을 순서대로 배치하여 각 단계가 하나의 작업만 담당하고 하나의 프롬프트만 디버깅하면 되게 합니다.

권장 순서

  1. 정체성을 먼저 처리하세요. 충실도 레시피를 단독으로 실행해 주체를 고정한 다음 장면 변경을 추가하세요. 불안정한 정체성은 이후의 모든 비교를 무효로 만듭니다.
  2. 참조 이미지를 추가하세요. 의상과 조명 참조 이미지를 명확한 역할 레이블과 함께 한 번에 하나씩 도입하여 모든 변화를 특정 입력에 귀속시킬 수 있게 하세요.
  3. 장면을 변경하세요. 주체가 안정된 후 배경 레시피를 조명 매칭과 가장자리 처리 절과 함께 적용하세요.
  4. 디테일을 마지막에 조정하세요. 내용이 올바른 후에만 질감, 가장자리, 노이즈 제약을 추가하세요 — 디테일 절은 반복 비용이 낮고 과도하게 적용하기 쉽습니다.
  5. 네거티브 항목을 최종 확정하세요. 1–4단계에서 실제로 관찰된 실패를 바탕으로 네거티브 목록을 구성하고 범용 템플릿을 사용하지 마세요.

프롬프트 버전 관리

프롬프트를 소스 코드처럼 다루세요. 각 레시피 변형을 참조 이미지 집합을 포함해 사용한 파라미터와 함께 이름이 붙은 커밋된 텍스트 블록으로 저장하세요. 변경 후 출력 품질이 달라지면 버전이 있는 프롬프트로 절 차이를 비교할 수 있지 추측하지 않아도 됩니다. 두 가지 습관이 보상을 줍니다: 버전 간에 뼈대 구조를 완전히 동일하게 유지하여 차이를 읽기 쉽게 하고, 커밋 메시지에 어느 절을 왜 변경했는지 기록하는 것입니다.

재현성에 관한 참고

동일한 프롬프트라도 이미지 간 변환 출력은 변합니다. 동일한 참조 이미지 집합과 동일한 내용으로 변형을 비교하고, 단일 샘플이 아닌 실패 범주로 판단하세요 — 우연히 좋아 보인 한 번의 실행은 후광을 세 번 모두 안정적으로 피한 실행보다 정보량이 적습니다.

뼈대에서 시작하고, 현재 단계에 맞는 레시피를 선택하며, gpt-image-2/image-to-image@ext를 통해 한 번에 하나의 절씩 반복하세요.

영구 AI 아티팩트로 빌드 시작하기

API 키를 받아 태스크 기반의 하나의 API로 이미지, 비디오, 오디오 모델을 호출하세요.

API 문서 보기