GPT Image 2 提示词指南：结构、案例与样式控制
GPT Image 2 提示词实操指南：六段式结构、多语种文字渲染、五条实测简报，以及它在 2026 年的定位。
当排版本身就是交付物的一部分时，GPT Image 2 是你应该伸手去拿的那款模型。原生 2K，可选 4K 升采样，在五种语种上 95%+ 的文字准确率，能对分层提示词进行推理，再加上一个允许你"用一句话描述改动"的自然语言编辑界面。这份指南是它的结构化操作手册 —— 六段式提示词模板、五条带原文的实测简报，以及对它仍然落后于其他模型之处的一份诚实清单。
GPT Image 2 是什么
GPT Image 2 与 Nano Banana Pro、Seedream 5.0 Lite 等其他图片模型一同位于 OmniArt 的图片工作区。它是 OpenAI 图像家族里最新的一员，也是创作者真正会拿来用的那一款 —— 当海报、招牌、幻灯片图、角色设定页和 UI 样稿都需要把排版做对的时候。
| 规格 | 数值 |
|---|---|
| 原生分辨率 | 2K（可升采样到 4K） |
| 文字渲染准确率 | 95%+ 多语种（拉丁、中文、日文、韩文、阿拉伯文） |
| 推理能力 | 是 —— 可以分层解读提示词 |
| 自然语言编辑 | 是 —— 描述改动，模型直接编辑 |
| 画幅范围 | 3:1 到 1:3 |
| 生成耗时 | 一般 30–60 秒 |
它在哪里领先，又在哪里落后
一份针对最贴近的同类模型的简短诚实记分卡。
| 能力 | GPT Image 2 | Nano Banana Pro | Midjourney V8 |
|---|---|---|---|
| 原生分辨率 | 2K（4K 升采样） | 4K | 2K（--hd 参数） |
| 文字准确率 | 95%+ 多语种 | 94–96% | 约 80%，仅拉丁文 |
| 提示词推理 | 是 | 有限 | 否 |
| 角色一致性 | 像素级、可序列化 | 强 | 中等 |
| 自然语言编辑 | 是 | 有限 | 否 |
| 写实度（皮肤、光线） | 强 | 更强 | 强 |
| 样式颗粒度 | 中等 | 中等 | 高（胶片、镜头规格） |
规律很清楚：当文字、推理或编辑是简报核心时，GPT Image 2 胜出；在纯写实画面上，Nano Banana Pro 略胜一筹；当工作高度依赖艺术指导（指名某种胶片、某支镜头）时，Midjourney 仍然是赢家。
六段式提示词结构
最干净的结构能稳定地落到 GPT Image 2 上。
[风格 / 媒介] + [主体] + [环境 / 场景] + [灯光] + [构图] + [技术规格]
读一条业内公认的好提示词作为示范。
"35mm film photography, warm natural window light. A young woman sitting in a vintage bookshop, reading a hardcover book. Soft afternoon sunlight filtering through dusty windows, casting warm golden light across the scene. Medium shot, slightly off-center composition with shallow depth of field. Aspect ratio 3:4."
这一条简报覆盖了全部六个槽位。模型的推理能力让你比同类模型在一条提示词里塞进更多内容 —— 但结构依然是把"我有个想法"变成"第一次生成就能交付"的纪律。
五个值得养成的习惯
- 像导演简报那样写描述。 关键词堆叠的表现一定不如完整句子。
- 把重要细节前置在前 50 词。 推理步骤会更看重靠前的 token。
- 明确写出否定约束。 "No text overlay, no watermark, no border" 比指望模型自己理解更可靠。
- 指定画幅。 默认是方图。如果你需要 16:9 或 3:4，请直接说出来。
- 用对话方式迭代。 第一次生成之后，用具体的编辑指令跟进 —— "make the floor reflect more, push the figure 5% to the right" —— 而不是从头重生成。
五条实测简报与原文提示词
下面每一条提示词我们都端到端跑过。把它们当起点，而不是终态。
1. 电影感人像
测试它能否在简洁布景下做出强烈的剪影、可信的镜面倒影和电影感的姿态。
"Generate a cinematic portrait of a solitary figure standing in an intense orange-to-red gradient environment. Strong silhouette lighting from behind, deep shadow contrast, reflective glossy floor mirroring the figure. Symmetrical composition, minimal set design, no background clutter. The mood is contemplative and powerful, like a still from a Denis Villeneuve film. Aspect ratio 16:9."
重点关注： 干净的剪影、准确的地面倒影、平滑的渐变、有重量感的姿态。
2. 带排版的城市海报
测试它对排版可读性、构图动线、地标识别度和留白控制的把握。
"A striking Spring 2026 city poster for New York with a bold contemporary design and an elegant celebratory mood. Clean off-white textured background with generous negative space. A miniature kayaker paddles across a narrow ribbon of reflective water in the lower-right corner. The wake sweeps upward in a dynamic calligraphic curve, gradually transforming into the Hudson River and then into a dreamlike hand-painted panorama of Manhattan. Inside the flowing river-shaped composition: the Empire State Building, Brooklyn Bridge, Central Park canopy, One World Trade Center, brownstone rooftops, yellow cabs, harbor ferries, and the Statue of Liberty in soft distance. Soft morning fog, golden spring light, subtle accents in navy and gold. Elegant typography in the lower left reads 'SPRING 2026' with a vertical slogan 'NEW YORK — A CITY OF BRIDGES, DREAMS, AND REINVENTION'. Text must be sharp and beautifully composed. Premium graphic design, aspect ratio 9:16."
重点关注： 文字清晰可读、S 形构图动线、可识别的地标、有意为之的留白。
3. 角色设定页
测试它在多视图之间维持角色一致性、变化表情并匹配色板的能力。
"Create a professional character reference sheet for an original fantasy RPG character: a young female mage with silver hair and violet eyes, wearing an ornate dark cloak with glowing rune patterns. Include on a clean white background: a three-view turnaround showing front, side, and back; facial expression variations showing neutral, smiling, angry, and surprised; detailed breakdowns of costume and equipment pieces; a color palette swatch row; and brief world-building notes in clean typography. Organized grid layout, concept art style, high resolution. Aspect ratio 16:9."
重点关注： 多视图之间的角色一致性、表情多样性、配色统一、文字标注准确。
4. UI / 社交媒体样稿
测试它对 iOS UI 元素、长字幕可读性、网格间距和状态栏细节的精确度。
"A hyper-realistic iPhone screenshot of a fictional Instagram profile page for Leonardo da Vinci, username @davinci_official, as if he were a modern influencer in 2026. Profile photo is a Renaissance self-portrait in a circle crop. Bio reads: 'Artist, Engineer, Inventor | Currently dissecting things | DM for commissions'. The grid shows 9 posts: the Mona Lisa reframed as a mirror selfie, a helicopter sketch captioned 'just dropped my new drone design', an anatomy study posted as a gym progress photo, The Last Supper staged as a dinner party group shot, and other creative anachronistic mashups. Follower count: 12.4M. Story highlights labeled Sketches, Inventions, and Florence Life. Complete iOS status bar with carrier text reading 'Renaissance 5G', battery icon, and current time. Dark mode UI throughout. Photorealistic screenshot quality, aspect ratio 9:16."
重点关注： iOS UI 元素准确性、字幕可读性、网格间距合理、状态栏细节到位。
5. 编辑类 / 实验性概念
测试它能否通过细节制造视觉幽默，并在多行文字与整体插画风格上保持一致。
"Inside a museum exhibit titled 'Ancient Technology: The Desktop Era', a programmer in a glass display case is live-demonstrating coding on a CRT monitor while amazed schoolchildren press their faces against the glass. The exhibit placard reads: 'Homo Developerus (c. 2005) — Primitive human using keyboard-based input devices.' A second display case nearby shows a physical book labeled 'Stack Overflow — Print Edition, Vol. 1 of 4,827'. 2D cartoon illustration style, warm museum lighting, humorous and nostalgic tone. Aspect ratio 16:9."
重点关注： 通过细节制造视觉幽默、多行文字清晰可读、插画风格统一。
样式控制：什么有效，什么无效
GPT Image 2 对自然语言式的样式指令的接受度，远比关键词堆叠更好。三种能稳定生效的写法。
| 目标 | 行得通的写法 |
|---|---|
| 特定的电影风格 | 直接点名导演或电影（"like a Villeneuve still"） |
| 印刷设计美学 | 点名排版传统（"Swiss design"、"Art Deco border"） |
| 编辑类摄影 | 点名媒介与镜头（"medium-format film"、"85mm portrait lens"） |
两种行不通的写法。
- 堆叠多个风格形容词（"dreamy ethereal cinematic photoreal hyperrealistic"）。模型会把它们平均成一锅糊。
- 要求精确的品牌 logo。logo 复刻并不可靠，logo 请在后期合成。
不重新生成，只编辑
一旦第一帧出对了，GPT Image 2 的自然语言编辑界面就承担了绝大部分价值。两个值得知道的写法。
- 目标明确的编辑。 "Move the chair to the right by about 10% of the frame" 行得通；"Make it better" 不行。
- 迭代式线程。 每一次编辑都是对上一次输出的跟进。让线程一直跑下去，可以在一组拍摄里维持角色或产品的一致性。
诚实的局限
- logo 复刻并不可靠。 之后再合成精确的 logo。
- 生成耗时 30–60 秒。 比 5–10 秒的旗舰模型慢，迭代节奏要相应安排。
- 免费档速率限制很紧。 免费档大约每天 2 张图；要做生产请上 Plus 或 API。
- 样式控制颗粒度不如 Midjourney。 没法以同样的精度去拨胶片型号与镜头参数。
- 内容策略更严格。 比开源替代方案更紧；有些在 Midjourney 上能过的简报，在这里会被拒。
Tip
对于排版至关重要、但其余画面没那么讲究的高频量产工作，可以让 GPT Image 2 负责文字这一道、Nano Banana Pro 负责摄影这一道，再合成。比让任何一款模型一次包办都更便宜也更锐利。
在 OmniArt 上开始
GPT Image 2 与 Nano Banana Pro、Seedream 5.0 Lite、HappyHorse 1.0 等模型一同位于 OmniArt 的图片工作区。共用同一份积分余额、同一条提示词线程，切换模型再重渲一次就能直接对比。
先用上面那条电影感人像简报熟悉一下结构，等你想测排版时再切到城市海报那条。
要做"模型对模型"的选型，请阅读 GPT Image 2 vs Nano Banana 2 对比，里面跑了六轮针锋相对的简报。如果你在为推理密集的工作纠结 Seedream 5.0 Lite 与 GPT Image 2，Seedream 5.0 Lite 提示词指南覆盖了选型器的另一边。