lukasersil/gpt-images

Imágenes GPT

Entrada: una breve descripción en lenguaje natural, una frase es suficiente. Salida: un prompt en inglés listo para pegar, un bloque de configuración para la superficie elegida y dos o tres palancas que realmente cambian el resultado.

v1.0.0. Autónomo: este skill no depende de ningún otro skill instalado.

No generes nada por tu cuenta. La generación de imágenes tiene un costo económico para el operador. Produce el prompt y luego pregunta.

Los números concretos (IDs de modelo, tamaños, niveles de calidad, precios, límites) están en references/official-spec.md. Nunca los cites de memoria, lee el archivo.

Paso 0: elige la superficie

Siempre primero. Sin una superficie no hay bloque de configuración.

Superficie	Cuándo	Qué entregas
App de ChatGPT (por defecto si no se dice nada más)	trabajo manual, iteración, entrada de bocetos, plantillas integradas	el prompt en lenguaje natural, sin parámetros de API
API de OpenAI (v1/images/generations, /edits o la herramienta de la API Responses)	scripts, pipelines, fondos transparentes, tamaños exactos en píxeles	prompt más model, size, quality, background, output_format
Superficie de terceros alojada	una plataforma que revende modelos de GPT Image	prompt más lo que exponga el catálogo actual de esa plataforma. Revisa el catálogo, no asumas que coincide con la API

Paso 1: captura, cinco elementos

1. Propósito y canal. Esto decide el tamaño. Un post social, una portada de artículo y un póster impreso son tres trabajos diferentes.
2. Sujeto. Lo que realmente está en el encuadre. Si una persona o producto específico debe ser reconocible, necesitas una imagen de referencia.
3. Texto dentro de la imagen. Textual, entre comillas. No una paráfrasis.
4. Modo. Foto fotorrealista, diseño plano, ilustración, render 3D, maqueta de UI. Esto decide la mitad del prompt.
5. Exclusiones. Logos de terceros, marcas de agua, aspecto de foto de stock, texto adicional.

La falta de información no es motivo para detenerse. Complétala, márcala como [ASUMIDO] y continúa. Devolver un formulario vacío al operador es un fracaso.

Paso 2: modelo y calidad

• gpt-image-2.5-flare es el valor predeterminado. Más rápido, diseñado para trabajo diario y de alto volumen.
• gpt-image-2.5-sunburst cuando el trabajo es una campaña, una serie con un mismo estilo, o varias rondas de ediciones en una sola imagen.
• quality: low mientras se busca una dirección, high para cualquier cosa que contenga texto, xhigh o max para tipografía densa y paneles de información (solo 2.5).
• Por encima de 2560x1440 el comportamiento es variable. Para entregables en 4K, genera a 2K y escala con una herramienta dedicada.

Paso 3: anatomía del prompt, siete bloques

Escribe en inglés. El texto que debe aparecer dentro de la imagen se mantiene textual entre comillas, en el idioma que corresponda. Bloques cortos etiquetados, no un párrafo largo.

USO: <para qué sirve, una línea: "Portada de artículo de LinkedIn, 1920x1080">
SUJETO: <quién o qué, materiales, formas, texturas>
ESCENA: <entorno, fondo, atmósfera>
COMPOSICIÓN: <encuadre, ángulo, colocación de elementos, espacio negativo>
LUZ Y ESTILO: <iluminación, medio: fotorrealista / vectorial plano / render 3D / collage editorial>
TEXTO: "<texto literal>" - <ubicación, tamaño, tipo de estilo>
EVITAR: <lo que no debe aparecer>

Las reglas en las que se basa:

• El fotorrealismo se solicita, no se asume. Escribe fotorrealista y añade textura real: poros, líneas finas, desgaste de tejidos. Las palabras que implican una configuración de estudio pulida lo arruinan.
• El texto dentro de la imagen va entre comillas o en MAYÚSCULAS. Deletrea las palabras difíciles letra por letra y exige renderizado textual, sin caracteres adicionales.
• La ubicación se declara, no se implica. logotipo arriba a la derecha, sujeto centrado, espacio negativo en el tercio izquierdo.
• Palancas de calidad solo cuando sea necesario. grano de película, detalle macro, pinceladas texturizadas. No todas a la vez.
• Las cámaras y lentes específicas se interpretan de manera flexible. Úsalas para el aspecto general, no como simulación óptica.

Las plantillas por formato están en references/recipes.md. Los modos de fallo y sus soluciones están en references/prompt-anatomy.md.

Paso 4: referencias

Numera cada imagen de entrada y asígnale un rol:

Imagen 1: foto de producto - mantén exactamente la forma de la botella, la etiqueta y los colores.
Imagen 2: referencia de estilo - toma solo la iluminación y la gradación de color, ignora su sujeto.
Aplica el estilo de la Imagen 2 a la Imagen 1. No copies ningún objeto de la Imagen 2.

El endpoint de ediciones acepta hasta 16 imágenes de entrada de 50 MB cada una. Las superficies alojadas generalmente permiten menos, así que verifícalo antes de prometerlo.

Paso 5: editar una imagen existente

Una disciplina diferente a la generación. La regla: un cambio por ronda, más una lista de conservación que se repite en cada ronda.

Cambiar solo: <una cosa>
Mantener sin cambios: rostro, forma del cuerpo, pose, cabello, expresión, fondo, encuadre,
ángulo de cámara, iluminación, gradación de color, diseño, todo el texto existente.
No cambiar saturación ni contraste. Sin nuevos elementos. Sin marca de agua.

Cuando los resultados se desvían ronda tras ronda, no escribas un prompt más largo. Vuelve a una base limpia y continúa con ediciones pequeñas de un solo paso.

No uses la generación para trabajos que requieran conservación de píxeles. La nitidez, la extensión del lienzo, el retoque de una sola región y el recorte tienen herramientas dedicadas que mantienen el resto de la imagen intacto. Recurrir a una regeneración completa es cómo se pierde una buena imagen.

Paso 6: lo que entregas

Siempre en este orden:

1. El prompt en un bloque de código, completo, listo para copiar.
2. El bloque de configuración para la superficie elegida, solo valores válidos.
3. Tres palancas para cuando el primer resultado no acierta. Concretas, no "inténtalo de nuevo de otra manera".
4. Una oferta para generar. Nunca generes sin que te lo pidan.

Después de que la imagen exista:

• Revisa cualquier imagen que contenga texto. Léela banda por banda: errores tipográficos, diacríticos recortados, alineación rota, datos incorrectos. Los modelos renderizan texto que se ve bien a simple vista y está mal en la tercera palabra.
• Etiqueta el contenido generado por IA donde sea obligatorio. En la UE, el deber de transparencia de la Ley de IA para contenido sintético de imagen, audio y video se aplica a partir del 2 de agosto de 2026, y afecta más cuando la salida representa a una persona, lugar, producto o evento real. Verifica lo que aplica según la jurisdicción y el caso de uso del operador.

Límites

• La tipografía que debe ser exacta no pertenece al modelo. Las fuentes se aproximan y las formas de las letras se desvían. O describe la forma (sans-serif condensada geométrica y negrita, todo en mayúsculas) o genera las imágenes aquí y coloca el texto en una herramienta de maquetación real.
• Los modelos de video son un mundo diferente. Su sintaxis de referencia, estructura de planos y manejo de audio no se transfieren. No los mezcles en un prompt de imagen.
• Analizar una imagen existente es la dirección inversa: imagen de entrada, descripción de salida. Este skill va de descripción breve a prompt.