lukasersil/gpt-images

GPT Images

Entrada: uma breve descrição em linguagem natural, uma frase é suficiente. Saída: um prompt em inglês pronto para copiar e colar, um bloco de configurações para a superfície escolhida e duas ou três alavancas que realmente alteram o resultado.

v1.0.0. Autossuficiente: este skill não depende de nenhum outro skill instalado.

Não gere nada por conta própria. A geração de imagens custa dinheiro ao operador. Produza o prompt e, em seguida, pergunte.

Números concretos (IDs de modelos, tamanhos, níveis de qualidade, preços, limites) estão em references/official-spec.md. Nunca os cite de memória, leia o arquivo.

Etapa 0: escolha a superfície

Sempre primeiro. Sem uma superfície não há bloco de configurações.

Superfície	Quando	O que você entrega
App ChatGPT (padrão quando nada mais é dito)	trabalho manual, iteração, entrada de esboço, modelos integrados	o prompt em linguagem natural, sem parâmetros de API
API da OpenAI (v1/images/generations, /edits ou a ferramenta da API Responses)	scripts, pipelines, fundos transparentes, tamanhos de pixel exatos	prompt mais model, size, quality, background, output_format
Superfície hospedada por terceiros	uma plataforma que revende modelos GPT Image	prompt mais o que o catálogo ativo dessa plataforma expõe. Verifique o catálogo, não presuma que ele corresponde à API

Etapa 1: captura, cinco itens

1. Propósito e canal. Isso decide o tamanho. Uma postagem social, uma capa de artigo e um pôster impresso são três trabalhos diferentes.
2. Assunto. O que realmente está no quadro. Se uma pessoa ou produto específico deve ser reconhecível, você precisa de uma imagem de referência.
3. Texto dentro da imagem. Texto literal, entre aspas. Não uma paráfrase.
4. Modo. Foto fotorrealista, design plano, ilustração, render 3D, mockup de UI. Isso decide metade do prompt.
5. Exclusões. Logotipos de terceiros, marcas d'água, aparência de foto de banco de imagens, texto extra.

A falta de informações não é motivo para parar. Preencha-as, marque como [ASSUMIDO] e continue. Um formulário vazio devolvido ao operador é uma falha.

Etapa 2: modelo e qualidade

• gpt-image-2.5-flare é o padrão. Mais rápido, feito para trabalho diário e de alto volume.
• gpt-image-2.5-sunburst quando o trabalho é uma campanha, uma série em um estilo ou várias rodadas de edições em uma imagem.
• quality: low enquanto busca uma direção, high para qualquer coisa que contenha texto, xhigh ou max para tipografia densa e painéis de informação (2.5 apenas).
• Acima de 2560x1440 o comportamento torna-se variável. Para entregas em 4K, gere em 2K e aumente a escala com uma ferramenta dedicada.

Etapa 3: anatomia do prompt, sete blocos

Escreva em inglês. O texto que deve aparecer dentro da imagem permanece literalmente entre aspas, no idioma a que pertence. Blocos curtos e rotulados, não um parágrafo longo.

USE: <para que serve, uma linha: "Capa de artigo do LinkedIn, 1920x1080">
SUBJECT: <quem ou o quê, materiais, formas, texturas>
SCENE: <ambiente, fundo, atmosfera>
COMPOSITION: <enquadramento, ângulo, posicionamento dos elementos, espaço negativo>
LIGHT & STYLE: <iluminação, meio: fotorrealista / vetor plano / render 3D / colagem editorial>
TEXT: "<texto literal>" - <posicionamento, tamanho, estilo de tipo>
AVOID: <o que não deve aparecer>

As regras em que isso se baseia:

• O fotorrealismo é solicitado, não presumido. Escreva photorealistic e adicione textura real: poros, linhas finas, desgaste de tecido. Palavras que implicam uma configuração de estúdio polida o eliminam.
• O texto na imagem vai entre aspas ou em MAIÚSCULAS. Soletre palavras difíceis letra por letra e exija verbatim rendering, no extra characters.
• O posicionamento é declarado, não implícito. logo top-right, subject centered, negative space on the left third.
• Alavancas de qualidade apenas quando necessário. film grain, macro detail, textured brushstrokes. Não todas de uma vez.
• Câmeras e lentes específicas são interpretadas de forma flexível. Use-as para a aparência geral, não como simulação óptica.

Modelos por formato estão em references/recipes.md. Modos de falha e suas correções estão em references/prompt-anatomy.md.

Etapa 4: referências

Numere cada imagem de entrada e atribua a ela uma função:

Image 1: product photo - keep the bottle shape, label and colors exactly.
Image 2: style reference - take only lighting and color grading, ignore its subject.
Apply Image 2's style to Image 1. Do not copy any object from Image 2.

O endpoint de edições aceita até 16 imagens de entrada com 50 MB cada. Superfícies hospedadas geralmente permitem menos, então verifique antes de prometer.

Etapa 5: editar uma imagem existente

Uma disciplina diferente da geração. A regra: uma alteração por rodada, mais uma lista de preservação repetida a cada rodada.

Change only: <uma coisa>
Keep unchanged: face, body shape, pose, hair, expression, background, framing,
camera angle, lighting, color grading, layout, all existing text.
Do not change saturation or contrast. No new elements. No watermark.

Quando os resultados divergem rodada após rodada, não escreva um prompt mais longo. Volte a uma base limpa e continue com edições pequenas de uma única etapa.

Não use geração para trabalho de preservação de pixels. Nitidez, extensão de tela, retoque de região única e corte têm ferramentas dedicadas que mantêm o resto da imagem intocado. Recorrer a uma regeneração completa é como as pessoas perdem uma boa imagem.

Etapa 6: o que você entrega

Sempre nesta ordem:

1. O prompt em um bloco de código, completo, uma ação de cópia.
2. O bloco de configurações para a superfície escolhida, apenas valores válidos.
3. Três alavancas para quando o primeiro resultado falhar. Concretas, não "tente novamente de forma diferente".
4. Uma oferta para gerar. Nunca gere sem ser solicitado.

Após a imagem existir:

• Revise qualquer imagem que contenha texto. Leia faixa por faixa: erros de digitação, diacríticos cortados, alinhamento quebrado, fatos errados. Os modelos renderizam texto que parece correto à primeira vista, mas está errado na terceira palavra.
• Rotule o conteúdo gerado por IA onde a divulgação se aplica. Na UE, o dever de transparência da Lei de IA para conteúdo sintético de imagem, áudio e vídeo se aplica a partir de 2 de agosto de 2026, e é mais rigoroso quando a saída retrata uma pessoa, lugar, produto ou evento real. Verifique o que se aplica à jurisdição e ao caso de uso do operador.

Limitações

• Tipografia que deve ser exata não pertence ao modelo. As fontes são aproximadas e os glifos se desviam. Descreva a forma (bold condensed geometric sans, all caps) ou gere as imagens aqui e defina o tipo em uma ferramenta de layout real.
• Modelos de vídeo são um mundo diferente. Sua sintaxe de referência, estrutura de tomadas e manipulação de áudio não são transferíveis. Não os misture em um prompt de imagem.
• Analisar um visual existente é a direção inversa: imagem de entrada, descrição de saída. Este skill vai de descrição a prompt.