OpenAI 親授如何精準寫出 GPT Image 2.5 圖片提示詞，寫法技巧大公開

如果你玩過 AI 圖片生成工具，一定有過這種經驗：明明腦中畫面很清楚，打出去的提示詞卻讓 AI 猜錯方向，不是文字亂碼、就是人物走位跑掉。OpenAI 最近推出的 GPT Image 2.5，連同它一起釋出了一份官方提示詞教學文件，把「怎麼跟 AI 溝通」這件事講得非常具體，從單純生成一張照片，到修改既有圖片、甚至讓角色在不同畫面裡維持一致，都給出了明確的寫法。這篇文章就把這份文件的重點整理給你，讓你不用自己啃英文文件，也能寫出 AI 聽得懂的提示詞。

GPT Image 2.5 是 OpenAI 最新一代的圖片生成模型，分成 Flare 與 Sunburst 兩個版本。根據官網的介紹，Flare 是主打速度的小模型，畫質表現接近前一代 GPT Image 2；Sunburst 則是主打品質的基礎模型，畫質比 GPT Image 2 更好。兩者都支援圖片生成、編輯，以及透明背景輸出，在精準編輯與人物細節保留上都比舊版有進步。如果你原本的工作流程用 GPT Image 2 就已經滿足需求，可以先試試 Flare，看看能不能在維持品質的前提下換來更快的速度；如果原本的畫質一直不夠用，則建議直接從 Sunburst 開始測試。

官方也提醒，同樣的 quality 設定在兩個模型之間不代表相同的畫質或速度，測試時最好保持提示詞、參考圖片、輸出尺寸不變，只換模型做對照，這樣才能看出真正的差異。

提示詞要怎麼寫，AI 才聽得懂？

官方把提示詞寫作拆成八個步驟，從定義結果到反覆修改，一步步引導使用者把腦中的畫面轉成 AI 讀得懂的文字。首先要先明確講出你要的結果是什麼，例如是一張產品照、一張廣告圖還是一張圖解，並且講清楚構圖、長寬比跟重要的位置限制；如果需求比較複雜，可以把提示詞拆成場景、主體、細節、限制條件幾個區塊來寫，會比一整段文字更容易維護。

接下來，描述畫面時要講出材質、燈光、色彩這些看得到的細節，想要照片感就明講「photorealistic」或「real photograph」；如果畫面裡有人，要描述姿勢、視線方向，以及跟物件的互動方式，例如「雙腳都入鏡」「低頭看著攤開的書」這種具體描述，AI 才不會亂猜動作。文字呈現的部分則要把要出現的文字放進引號裡，並說明字體風格與位置，遇到不常見的字或品牌名稱，最好用拼字方式逐字拆開講清楚。

如果是要修改既有圖片，官方特別強調要把「要改的」跟「要保留的」分開講清楚，例如「只改 X，其他不動」，並列出要保留的身分、幾何形狀、版面、燈光、標籤等細節；同時也要講出不想要的東西，像是不要出現的浮水印或標誌。如果同時丟入多張參考圖，也要幫每一張圖標上編號和用途，例如哪一張是主體、哪一張是風格參考、哪一張是服裝參考。最後一步是反覆修改，每次只改一件事，把上一次的輸出當作這一次的輸入，並且重複講出要保留的條件，才不會改著改著把原本想保留的東西也改掉了。

想要照片級真實感的圖片，提示詞該怎麼下？

要讓 AI 生成的照片看起來像真的拍出來的，關鍵在於用攝影語言描述細節，而不是只丟一個模糊的形容詞。官方範例示範了一張老水手在漁船上的照片，提示詞裡明確寫出皮膚的皺紋與毛孔紋理、35mm 底片質感、50mm 鏡頭、柔和的海岸光線、淺景深，甚至特別註明「不要過度修飾」，才能避免 AI 把畫面修得太過光滑失真。這種寫法的重點是，把「照片感」拆成鏡頭、光線、質感這幾個具體元素分別描述，而不是只寫一句「拍得真實一點」。

資訊圖表、知識圖解怎麼用提示詞做出來？

做圖解或資訊圖表時，提示詞要像在寫一份設計需求書，把要溝通的知識點、標籤和關係都交代清楚。官方以咖啡機運作流程與細胞呼吸作用圖解為例，示範了如何指定要出現的元件、箭頭連接方式，以及每個部位的標籤名稱。如果精準度很重要，像是科學圖解或教材素材，建議把 quality 設定拉到 high，才能確保密集文字跟圖示都夠清晰；同時也要在提示詞裡講清楚不要出現什麼，例如過小的文字或多餘的裝飾，避免圖解看起來雜亂。

做簡報投影片或圖表時也是類似邏輯，官方建議把真正要用的數字和文字直接寫進提示詞裡，而不是叫 AI 自己編，畫布尺寸建議用橫式，適合做成簡報風格的輸出。

圖片裡的文字要精準呈現，該注意什麼？

要讓 AI 生成的圖片裡文字正確又清晰，最有效的方式是把文字整段放進引號裡，並且明講「一字不差」。官方在廣告文案與看板範例中都用了「EXACT, verbatim, no extra characters」這樣的寫法，並且要求文字只出現一次、字體風格清楚。生成之後也要記得檢查拼字跟可讀性，如果文字比較小或資訊比較密集，可以拉高 quality 設定來提升清晰度。

Logo、產品去背這類設計需求怎麼處理？

設計類的需求要把品牌調性、造型語言講清楚，並搭配 API 參數才能拿到真正可用的透明背景檔案。官方示範用「Field & Flour」麵包店做 Logo，提示詞裡講出簡單、溫暖、耐看的調性，並要求扁平化設計、乾淨的負空間，同時在 API 參數設定 background 為 transparent、輸出格式用 PNG。要注意的是，畫面裡「畫出來的棋盤格」不算真正的透明背景，一定要在參數裡明確指定透明，並檢查輸出檔案的 alpha 色版，包括頭髮、玻璃、陰影這些細節邊緣是否乾淨。

產品去背的邏輯也一樣，提示詞裡要講清楚保留產品的幾何形狀與標籤文字，只做輕微修飾，不要加上背景、陰影或棋盤格，這樣才能拿到乾淨可用的去背素材。

修改既有圖片要注意什麼？換裝、合成、去除物件全都適用

編輯既有圖片時，最容易出錯的地方就是明明只想改一小部分，結果 AI 把整張圖都改掉了，解法是把「要改的」跟「要保留的」寫得非常具體。官方示範了幫照片中的女性換上不同服裝的案例，提示詞裡明講不要改變臉部特徵、膚色、身形、姿勢與身分，只替換服裝，並且要求光線與陰影要跟原圖一致，這樣換裝之後才不會看起來像貼上去的。類似的邏輯也適用在把圖片裡的物件移除，例如把手上的花移除時，只要明講「其他都不要改變」，AI 就會盡量把改動限縮在那個區域裡。

想讓角色在不同畫面中維持一致，該怎麼做？

要讓同一個角色出現在多張圖片裡還保持長相一致，關鍵是先建立一張角色設定圖，之後每次都重複描述這些特徵。官方用一本童書的插畫為例，第一步先生成角色的完整外觀，包括服裝、表情、配件與畫風；接下來每次要畫新場景時，就把角色的定裝圖當作輸入圖片，並在提示詞裡重複寫出「相同的綠色連帽長袍」「相同的臉部特徵、比例與色調」，同時明講「不要重新設計角色」，這樣角色才不會畫著畫著就走樣。這個做法特別適合需要多張連續插畫的內容，例如童書、漫畫分鏡或角色明信片。

Flare 跟 Sunburst 該選哪一個？

簡單來說，Flare 適合追求速度、對畫質要求沒那麼嚴苛的場合，Sunburst 則適合精細度要求高、願意多花一點時間等待的場合。下表整理了兩者的模型參數設定方式，方便你在串接 API 時快速對照。

官方建議先依照工作流程選好模型，再去調整 quality，不要一開始就把設定拉到最高。如果 xhigh 或 max 沒有明顯改善畫質，其實沒有必要硬用，反而會拖慢生成速度。

常見問題

GPT Image 2.5 跟之前的 GPT Image 2 差在哪裡？

GPT Image 2.5 分成 Flare 與 Sunburst 兩個版本，畫質都比 GPT Image 2 好，而且在精準編輯與人物細節保留上都有進步，官方建議先用相同提示詞跟參考圖做對照測試，再決定要不要換模型。

Flare 跟 Sunburst 哪一個比較貴？

官方文件沒有直接列出兩者的價格差異，只提醒使用前要以官網最新公告的價格為準，不要假設速度快的模型一定比較便宜。

透明背景要怎麼確定真的有做出來？

要在 API 參數裡明確指定 background 為 transparent，並且輸出格式選 PNG 或 WebP，拿到檔案後要檢查 alpha 色版，尤其是頭髮、玻璃、陰影這些邊緣容易出現雜邊的地方，畫面上看起來像棋盤格的效果不代表真的有透明背景。

提示詞要用英文寫嗎？

官方文件裡所有範例都是用英文撰寫，如果你習慣用中文下提示詞，也可以嘗試，但目前沒有針對中文提示詞效果做特別說明，建議先用英文測試，確認效果符合預期後再視需求調整。

舊版 GPT Image 1 跟 1.5 還能用嗎？

可以用，但官方已經公告了停用時程，GPT Image 1.5 預計在 2026 年 12 月 1 日終止服務，GPT Image 1 則是 2026 年 10 月 23 日，官方建議現有工作流程盡快改用 GPT Image 2 或 2.5 系列做驗證。

寫提示詞有什麼萬用公式嗎？

沒有真正萬用的公式，但官方文件裡反覆出現的邏輯是：先講清楚要的結果，再描述細節，接著講明「要改的」跟「要保留的」，最後一次只改一件事並持續檢查結果，把這個順序內化成習慣，會比套用固定句型更有效。

提示詞寫得好不好，最後拚的不是誰用的形容詞比較華麗，而是誰把「要什麼」跟「不要什麼」講得最清楚。官方這份文件與其說是一份操作手冊，不如說是在教大家怎麼用文字精準溝通，這件事其實跟寫文案、下需求給設計師是同一種能力。