OpenAI-এর GPT Image 2.5 প্রম্পটিং গাইড, বিশ্লেষণ
OpenAI নীরবে GPT Image 2.5-এর জন্য একটি সম্পূর্ণ প্রম্পটিং গাইড প্রকাশ করেছে। এখানে আসলে কী বলা হয়েছে: মডেল নির্বাচন, প্যারামিটার শৃঙ্খলা, ৮টি নিয়ম, ১২টি কৌশল।
বেশিরভাগ প্রম্পটিং পরামর্শ লোককথার মতো। কেউ একটি বাক্যাংশ খুঁজে পায় যা একবার কাজ করেছে, পোস্ট করে, এবং এখন "cinematic lighting, 8k, masterpiece" ইঞ্জিনিয়ারিং হিসেবে গণ্য হয়।
OpenAI-এর অফিসিয়াল GPT Image 2.5 প্রম্পটিং গাইড তা নয়। এটি স্পেসিফিকেশন শিটের মতো: সঠিক মডেল বেছে নাও, সেটিংস বাক্যের বাইরে রাখো, ডিজাইনারের মতো ইমেজ ব্রিফ করো, একবারে একটি পরিবর্তন করো। কোনো জাদুকরী শব্দ নেই — এবং এটিই সবচেয়ে কার্যকর বিষয়।
এখানে পুরো গাইড, বিশ্লেষণ: দুই-মডেল আর্কিটেকচার, ছয়-ধাপের মাইগ্রেশন প্লেবুক, বেশিরভাগ মানুষের ভাঙা প্যারামিটার নিয়ম, এবং ৮টি নিয়ম ও ১২টি কৌশল, যেগুলো গাইড দুই মডেলের আউটপুট পাশাপাশি দেখিয়ে ব্যাখ্যা করেছে।
OpenAI আসলে কী প্রকাশ করেছে
গাইডটি API ডকুমেন্টেশনের ভেতরে Image prompting হিসেবে আছে, এবং এটি প্রথমবারের মতো ইমেজ ফ্যামিলি লিখিত ম্যানুয়ালসহ এসেছে, কীভাবে এর সাথে কথা বলতে হয়।
এটি চারটি প্রশ্নের উত্তর দেয়:
- কোন মডেল ব্যবহার করবে?
- বিদ্যমান ওয়ার্কফ্লো কীভাবে মান নষ্ট না করে স্থানান্তর করবে?
- কোন সেটিংস প্রম্পটের বদলে API কল-এ থাকবে?
- একটি ভালো প্রম্পটে কী থাকে?
বাকি অংশ উদাহরণ — বিশটিরও বেশি, প্রতিটিই GPT Image 2.5 Flare ও GPT Image 2.5 Sunburst-এ রেন্ডার করা, যাতে একই ইনপুটে দুই মডেল তুলনা করা যায়।
যে বাক্যটি পুরো ডকুমেন্ট বহন করে:
যেই ইমেজ দরকার, তা দিয়ে শুরু করো, তারপর বিষয়, কম্পোজিশন, স্টাইল, এবং সীমাবদ্ধতা বর্ণনা করো। এডিটের জন্য, কী পরিবর্তন হবে এবং কী অপরিবর্তিত থাকবে তা চিহ্নিত করো। একবারে একটি পরিবর্তন করো এবং ফলাফল দেখো।
এটাই গাইডের সারাংশ। বাকি অংশ বিশদ — কিন্তু এই বিশদেই আউটপুটের মান নির্ধারিত হয়।
Flare বনাম Sunburst: প্রথমেই আর্কিটেকচার সিদ্ধান্ত
GPT Image 2.5 একটি মডেল নয়। এটি দুটি, এবং গাইডটি পছন্দ নয়, বরং ওয়ার্কফ্লো সিদ্ধান্ত হিসেবে দেখায়।
| Model | কী | কী কাজে |
|---|---|---|
gpt-image-2.5-flare | ছোট মডেল, গতি-উপযোগী | GPT Image 2-এর মতো মান, কম লেটেন্সিতে |
gpt-image-2.5-sunburst | বেস মডেল, মান-উপযোগী | GPT Image 2-এর চেয়ে বেশি মান, প্রতি ইমেজে ধীর |
গাইডের সিদ্ধান্ত টেবিল সরল। বিদ্যমান GPT Image 2 ওয়ার্কফ্লো মান পূরণ করলে, Flare দিয়ে শুরু করো — মান ঠিক থাকে কিনা ও লেটেন্সি কমে কিনা দেখো। জটিল ক্ষেত্রে যেখানে GPT Image 2 যথেষ্ট নয়, Sunburst দিয়ে শুরু করো এবং সেটি মান পূরণ করে কিনা দেখো।
তারপর গুরুত্বপূর্ণ পার্থক্য: Sunburst পাস করলে, একই প্রম্পট, রেফারেন্স ও ডাইমেনশনে Flare পরীক্ষা করো। কেবল তখনই বদলাও, যদি মান ঠিক থাকে এবং লেটেন্সি কমে। না হলে Sunburst-এ থাকো।
এই অংশের দুটি নিয়ম সহজে চোখ এড়ায়, কিন্তু উপেক্ষা করলে ক্ষতি:
- একই মান লেবেল মানে দুই মডেলে একই মান নয়। Flare-এ
quality="high"এবং Sunburst-এquality="high"এক ছবি নয়। - গতি বাড়া নির্দিষ্ট ওয়ার্কলোডে। গাইড স্পষ্টভাবে সতর্ক করে, এক ওয়ার্কলোডে লাভ মানে অন্যটিতে হবে না, কারণ প্রম্পট, রেফারেন্স, আউটপুট ডাইমেনশন, ও মান সেটিংস সংখ্যাকে বদলায়।
দুই মডেলই তৈরি, এডিট, ও ট্রান্সপারেন্ট ব্যাকগ্রাউন্ড সমর্থন করে, তাই পছন্দ মান বনাম লেটেন্সি — ফিচার নয়।
ছয়-ধাপের মাইগ্রেশন প্লেবুক
এটি গাইডের সবচেয়ে কম আকর্ষণীয়, কিন্তু সবচেয়ে ব্যবহারিক অংশ। এটি প্রোডাকশনে GPT Image 2 বদলানো টিমের জন্য, কিন্তু একা কেউ নতুন মডেল পরীক্ষা করলেও কাজ করে।
- বেসলাইন সংরক্ষণ করো। প্রতিনিধিত্বমূলক প্রোডাকশন প্রম্পট ও রেফারেন্স ইমেজ সংগ্রহ করো — কঠিন কেসসহ: কঠিন এডিট, নির্ভুল টেক্সট, মুখ, পণ্যের জ্যামিতি, ট্রান্সপারেন্ট অ্যাসেট। মডেল, সেটিংস, ও ফলাফল নোট করো।
- প্রথম প্রার্থী বেছে নাও। যাচাইকৃত GPT Image 2 ওয়ার্কফ্লো: Flare দিয়ে শুরু করো। জটিল কেসে GPT Image 2 যথেষ্ট না হলে: Sunburst দিয়ে শুরু করো। প্রথম তুলনার জন্য প্রম্পট, রেফারেন্স, ডাইমেনশন, ও ফরম্যাট অপরিবর্তিত রাখো।
- সম্পূর্ণ ফলাফল পরীক্ষা করো। নির্দেশনা মানা, পরিচিতি ও পণ্য অক্ষুণ্ণ থাকা, টেক্সট নির্ভুলতা, অনাকাঙ্ক্ষিত পরিবর্তন, ও ট্রান্সপারেন্সি তুলনা করো। ধারাবাহিকতা মাপতে বারবার অনুরোধ করো, এবং এডিটিং ওয়ার্কফ্লোতে পুরো এডিট সিকোয়েন্স পরীক্ষা করো — শুধু একক ধাপ নয়।
- মান পাস করার পর লেটেন্সি পরীক্ষা করো। কেবল তখনই Flare একই চাহিদায় তুলনা করো।
- একবারে একটি সেটিং টিউন করো। প্রম্পট পুনর্লিখনের আগে মান স্তর তুলনা করো। সাধারণ এবং ধীর রেসপন্স, ব্যর্থতা, পুনরায় চেষ্টা, ও প্রতি গৃহীত ইমেজে খরচ মাপো। গাইডটি মনে করিয়ে দেয়: দ্রুত মডেল কম খরচ হবে ধরে না নিয়ে বর্তমান মূল্য যাচাই করো।
- ওয়ার্কফ্লো ধরে রোল আউট করো। অল্প ট্রাফিক সরাও, একই মাপদণ্ডে নজর রাখো, ধাপে ধাপে বাড়াও, এবং রোলব্যাকের জন্য আগের মডেল রাখো।
এছাড়াও একটি সৎ স্বীকারোক্তি আছে, যা প্রতিটি প্রোডাকশন চেকলিস্টে থাকা উচিত: বারবার এডিটে এখনও এমন কিছু বদলাতে পারে, যা অপরিবর্তিত রাখতে চেয়েছিলে। ওই সীমাবদ্ধতা আবার বলো, প্রতিটি ফলাফল দেখো — এবং কোনো অঞ্চল পিক্সেল-একই রাখতে হলে, অনুমোদিত এডিট মূল ইমেজে কম্পোজ করো, প্রম্পটের ওপর নির্ভর করো না।
প্যারামিটার মানে গদ্য নয়
গাইডটি এক লাইনে বলে: API প্যারামিটার আলাদাভাবে সেট করো, প্রম্পট থেকে নয়। বাক্যে "make it 4K" বললে তা অনুরোধ। size সেট করলে তা নিশ্চয়তা।
| Parameter | GPT Image 2.5 সেটিংস |
|---|---|
model | gpt-image-2.5-flare বা gpt-image-2.5-sunburst |
quality | auto (ডিফল্ট), low, medium, high, xhigh, max |
size | auto বা কাস্টম রেজোলিউশন — সাধারণ: 1024x1024, 1536x1024, 1024x1536, 2048x2048, 3840x2160, 2160x3840 |
background | auto, opaque, বা transparent |
কাস্টম রেজোলিউশনের কঠিন নিয়ম আছে, গাইডটি এগুলো সীমাবদ্ধতা হিসেবে দেয়:
- প্রতিটি দিক সর্বোচ্চ ৩,৮৪০ পিক্সেল।
- দুই দিকই ১৬-এর গুণিতক।
- দীর্ঘ-ছোট অনুপাত ৩:১-এর বেশি নয়।
- মোট পিক্সেল ৬৫৫,৩৬০ থেকে ৮,২৯৪,৪০০-এর মধ্যে।
৩,৬৮৬,৪০০ পিক্সেলের বেশি — ২৫৬০×১৪৪০-এর ওপরে — পরীক্ষামূলক, তাই পাঠানোর আগে পরীক্ষা করো।
মানের স্তরে নিজস্ব যুক্তি আছে, এবং তা "উচ্চ মানে নিরাপদ" নয়:
- যেখানে আউটপুট ব্যর্থ, সেখান থেকে শুরু করো। ছোট টেক্সট অস্পষ্ট হলে বা ডায়াগ্রামের লেবেল ভেঙে গেলে স্তর বাড়াও।
- পাস করলে স্তর কমাও। চাহিদা পূরণ হলে, নিচের সেটিংসে মান ঠিক থাকে কিনা ও লেটেন্সি কমে কিনা দেখো।
xhighবাmaxকেবল তখনই ব্যবহার করো, যখন তা অপূর্ণ চাহিদা পূরণ করে এবং লেটেন্সি বাজেটের মধ্যে থাকে।
উচ্চ সেটিং প্রতিটি প্রম্পটে ভালো ছবি দেয় না।
ট্রান্সপারেন্সির জন্য আলাদা সতর্কতা আছে, এবং বেশিরভাগ টিম এখানে ভুল করে। দুটি কাজই করতে হবে: আলাদা বিষয় চাইতে হবে এবং background="transparent" সেট করতে হবে, PNG বা WebP-তে। আঁকা চেকারবোর্ড মানে ট্রান্সপারেন্সি নয়। তারপর ডিকোড করা ফাইলের আলফা চ্যানেল দেখো — চুল, কাচ, ছায়া, ও বস্তু প্রান্তে সমস্যা হয় — এবং PNG-তে output_compression প্রয়োগ করো না।
৮টি GPT Image 2.5 প্রম্পটিং নিয়ম
গাইডের "Prompting fundamentals" আটটি নম্বরযুক্ত নীতি। মডেলকে দোষ দেওয়ার আগে চেকলিস্ট হিসেবে পড়ো।
- ফলাফল নির্ধারণ করো। বিষয় ও উদ্দেশ্য বলো — পণ্যের ছবি, বিজ্ঞাপন, ডায়াগ্রাম। কম্পোজিশন, অনুপাত, ও অবস্থান সীমাবদ্ধতা নির্দিষ্ট করো। অনুরোধ জটিল হলে, প্রম্পট লেবেলযুক্ত সেকশনে ভাগ করো: দৃশ্য, বিষয়, বিস্তারিত, সীমাবদ্ধতা।
- রক্ষণাবেক্ষণযোগ্য ফরম্যাট বেছে নাও। সংক্ষিপ্ত প্রম্পট, বর্ণনামূলক অনুচ্ছেদ, JSON-এর মতো গঠন, নির্দেশনা, ও ট্যাগ — সবই একই উদ্দেশ্য প্রকাশ করে। পড়া ও আপডেট সহজ এমন ফরম্যাট নাও। কোনো বিশেষ সিনট্যাক্স নেই।
- দৃশ্যমান বিস্তারিত বর্ণনা করো। উপাদান, আলো, রং, ও মাধ্যম বলো। "photorealistic" বা "real photograph" স্পষ্টভাবে চাওয়া উচিত, যদি সেটাই লক্ষ্য। ক্যামেরা স্পেসিফিকেশন চেহারার সংকেত, বাস্তব সিমুলেশন নয় — তাই প্রশস্ত, সিনেমাটিক, কম আলো, বৃষ্টি, বা নিয়ন দৃশ্যের জন্য স্কেল, পরিবেশ, ও রং নির্দিষ্ট করো, মুড শব্দে নির্ভর করো না।
- মানুষ ও কাজ নির্দিষ্ট করো। শরীরের ফ্রেমিং, আপেক্ষিক স্কেল, দৃষ্টি, ও বস্তু নিয়ে মিথস্ক্রিয়া বর্ণনা করো। "Full body visible, feet included" ও "hands naturally gripping the handlebars" "dynamic pose"-এর চেয়ে বেশি কার্যকর।
- নির্ভুল টেক্সট নির্দিষ্ট করো। প্রয়োজনীয় শব্দ উদ্ধৃতিতে রাখো, অবস্থান ও টাইপোগ্রাফি বর্ণনা করো, অস্বাভাবিক শব্দ বা ব্র্যান্ড নাম অক্ষর ধরে বলো। "no extra text" যোগ করো, তারপর আউটপুটে বানান ও পাঠযোগ্যতা দেখো — ছোট, ঘন, বা একাধিক ফন্টে মিডিয়াম বা হাই মান তুলনা করো।
- পরিবর্তন ও সীমাবদ্ধতা আলাদা করো। এডিটে বলো "change only X", তারপর কী অক্ষুণ্ণ থাকবে: পরিচিতি, জ্যামিতি, বিন্যাস, আলো, লেবেল। বাদ দিতে হবে এমনও বলো — অনাকাঙ্ক্ষিত টেক্সট, লোগো, ওয়াটারমার্ক। নির্দিষ্ট স্থানীয় এডিটে স্যাচুরেশন, কনট্রাস্ট, অ্যারো, ক্যামেরা অ্যাঙ্গেল, ও আশেপাশের বস্তুও নির্দিষ্ট করো।
- রেফারেন্সকে ভূমিকা দাও। প্রতিটি ইনপুট নম্বর ও উদ্দেশ্যসহ চিহ্নিত করো: বিষয়, স্টাইল, পোশাক, ব্যাকগ্রাউন্ড। কীভাবে মিলবে ও কোন উপাদান কোথায় যাবে, ব্যাখ্যা করো।
- ইচ্ছাকৃতভাবে পুনরাবৃত্তি করো। আগের আউটপুট পরের ইনপুট হিসেবে দাও, এক পরিবর্তন চাও, এবং সংরক্ষণের বিস্তারিত পুনরাবৃত্তি করো। "Same style as before" প্রসঙ্গ ধরে রাখতে পারে, কিন্তু ফলাফল সরে গেলে গুরুত্বপূর্ণ সীমাবদ্ধতা আবার বলো — এবং আরও নির্দেশনা যোগ করার আগে তুলনা করো।
যা অনুপস্থিত, তা লক্ষ্য করো: "masterpiece" নেই, মানের বিশেষণ নেই, জাদুকরী টোকেন নেই। গাইডটি প্রম্পটিংকে ব্রিফিং হিসেবে দেখে।
১২টি কৌশল, গাইডের নিজস্ব প্রম্পটসহ
গাইডের প্রতিটি উদাহরণ একটি কৌশল দেখায়। নিচে কৌশল, এক লাইনে নিয়ম, এবং অফিসিয়াল প্রম্পটের সংক্ষিপ্ত রূপ।
১. স্টাইল ও আলো নিয়ন্ত্রণ করো
ছবি বর্ণনা করো বিষয়, ফ্রেমিং, আলো, ও টেক্সচারের মাধ্যমে — তারপর মডেল স্বাভাবিকভাবে যে রিটাচিং যোগ করত, তা বাদ দাও।
Create a photorealistic candid photograph of an elderly sailor standing on a small fishing boat.
Weathered skin with visible wrinkles, pores, and sun texture. A few faded traditional tattoos.
Shot like a 35mm film photograph, medium close-up at eye level, 50mm lens.
Soft coastal daylight, shallow depth of field, subtle film grain, natural color balance.
Honest and unposed. No glamorization, no heavy retouching.
২. প্রক্রিয়া চিত্রিত করো
প্রক্রিয়া, দর্শক, ও ছবিতে কী তথ্য থাকতে হবে, তা বলো। ডায়াগ্রামের জন্য, শুধু চেহারা নয়, লেবেল ও তথ্যগত সম্পর্ক যাচাই করো।
Create a detailed infographic of the functioning and flow of an automatic coffee machine.
From bean basket to grinding, scale, water tank, boiler, and so on.
I want to understand the flow technically and visually.
৩. নির্ভুল টেক্সট রেন্ডার করো
কপি উদ্ধৃতিতে রাখো, কতবার থাকবে বলো, এবং অপ্রাসঙ্গিক নির্দেশনা বাদ দাও।
Ad / fashion shot for a young streetwear brand called Thread.
A group of friends hanging out, tagline "Yours to Create."
Polished campaign image: stylish, contemporary, energetic, tasteful.
Render the tagline exactly once, clearly and legibly, integrated into the layout.
No extra text, no watermarks, no unrelated logos.
৪. পুনঃব্যবহারযোগ্য লোগো ডিজাইন করো
ব্র্যান্ড ও চিহ্ন নির্ধারণকারী আকার বর্ণনা করো, যেকোনো আকারে পাঠযোগ্য রাখো, এবং প্রম্পট ও API-তে ট্রান্সপারেন্সি চাও। n ব্যবহার করে ভ্যারিয়েশন তুলনা করো।
Original, non-infringing logo for a local bakery called Field & Flour.
Warm, simple, timeless. Clean vector-like shapes, strong silhouette, balanced negative space.
Simpler rather than detailed, so it reads at small and large sizes.
Flat design, minimal strokes, no gradients unless essential.
Fully transparent background. One centered logo, generous padding, clean alpha edges,
no solid backdrop, scenery, checkerboard, or watermark.
৫. ঐতিহাসিক ও বাস্তব প্রসঙ্গ ব্যবহার করো
স্থান ও তারিখ বলো। মডেল প্রসঙ্গ অনুমান করে — কিন্তু পোশাক, মঞ্চায়ন, ও পরিবেশের যথার্থতা দেখো।
Create a realistic outdoor crowd scene in Bethel, New York on August 16, 1969.
Photorealistic, period-accurate clothing, staging, and environment.
৬. গল্পকে কমিক স্ট্রিপে পরিণত করো
গল্পকে স্পষ্ট ভিজ্যুয়াল বিটে ভাগ করো, প্রতি প্যানেলে একটি, এবং বর্ণনা নির্দিষ্ট ও কাজ-কেন্দ্রিক রাখো।
Create a short vertical comic-style reel with 4 panels.
Panel 1: The owner leaves through the front door; the pet is framed in the window behind them.
Panel 2: The door clicks shut; the pet slowly turns toward the empty house.
Panel 3: The pet sprawls across the couch like it owns the place, sunlight across the room.
Panel 4: The door opens; the pet is seated perfectly by the entrance.
৭. ইন্টারফেস প্রিভিউ তৈরি করো
পণ্যটি যেন আগে থেকেই আছে, এমনভাবে বর্ণনা করো। লেআউট, স্তরবিন্যাস, ফাঁকা জায়গা, বাস্তব ইন্টারফেস উপাদান — এবং কনসেপ্ট-আর্ট ভাষা এড়াও, যাতে ফলাফল বাস্তব দেখায়।
Realistic mobile app UI mockup for a local farmers market.
Today's market header, a short list of vendors with small photos and categories,
a small "Today's specials" section, location and hours.
Practical and easy to use. White background, subtle natural accent colors, clear typography,
minimal decoration. Place the mockup in an iPhone frame.
৮. বৈজ্ঞানিক ও শিক্ষামূলক ভিজ্যুয়াল তৈরি করো
ইনস্ট্রাকশনাল ডিজাইন ব্রিফের মতো লেখো: দর্শক, পাঠের লক্ষ্য, ফরম্যাট, প্রয়োজনীয় লেবেল, বৈজ্ঞানিক সীমাবদ্ধতা।
Biology diagram titled "Cellular Respiration at a Glance" for high school students.
Show glucose turning into energy inside a cell: glycolysis, the Krebs cycle, the electron
transport chain. Arrows connect the steps; label glucose, pyruvate, ATP, NADH, FADH2, CO2, O2, H2O.
Clean classroom handout: white background, simple icons, clear labels, readable text.
Avoid tiny text and extra decoration.
৯. স্লাইড, ডায়াগ্রাম, ও চার্ট তৈরি করো
ইলাস্ট্রেশন অনুরোধ নয়, আর্টিফ্যাক্ট স্পেসিফিকেশন লেখো: নির্দিষ্ট ডেলিভারেবল, ক্যানভাস ও স্তরবিন্যাস নির্ধারণ করো, এবং আসল টেক্সট বা ডেটা দাও।
One pitch-deck slide titled "Market Opportunity," like a real Series A slide.
White background, Inter-style sans-serif, crisp minimal layout.
TAM/SAM/SOM concentric circles in muted blues and grays: TAM $42B, SAM $8.7B, SOM $340M.
Bar chart below showing market growth 2021–2026 with a subtle upward trend.
Footnotes: "AGI Research, 2024" and "Internal analysis."
১০. রেফারেন্সে ভূমিকা দাও ও মিলাও
প্রতিটি ইনপুট উদ্দেশ্য অনুযায়ী নম্বর দাও, তারপর কী কোথায় যাবে ও কী বদলাবে না বলো।
Place the dog from the second image into the setting of image 1, right next to the woman.
Use the same lighting, composition, and background. Do not change anything else.
১১. নির্ভুল এডিট করো
বস্তু, পরিবর্তন, ও আশেপাশের সুরক্ষা নির্দিষ্ট করো, যাতে এডিট স্থানীয় থাকে।
Remove the flower from the man's hand. Do not change anything else.
In this room photo, replace ONLY the white chairs with chairs made of wood.
Preserve camera angle, room lighting, floor shadows, and surrounding objects.
একই প্যাটার্নে স্টাইল ট্রান্সফার (রেফারেন্সকে ভূমিকা দাও: প্যালেট, টেক্সচার, মাধ্যম) ও কাটআউট (বিষয় আলাদা করো, জ্যামিতি ও লেবেল পাঠযোগ্যতা রাখো, ব্যাকড্রপ যোগ করো না, পরিষ্কার আলফা রাখো) হয়।
১২. পালাক্রমে পরিমার্জন করো
একটি আউটপুট দিয়ে শুরু করো, দেখো, তারপর সেটি পরের ইনপুট হিসেবে ব্যবহার করো — একবারে একটি সংকীর্ণ পরিবর্তন।
Create a realistic billboard mockup of the shampoo on a highway scene during sunset.
Billboard text (EXACT): "Fresh and clean"
Bold sans-serif, high contrast, centered, clean kerning. Text appears once and is legible.
No watermarks, no logos.
তারপর: Make it look like a winter evening with snowfall. এটাই পুরো দ্বিতীয় পালা — এক শর্ত বদলেছে, বাকি সব অপরিবর্তিত।
একাধিক ছবিতে চরিত্রের জন্য, গাইডের পদ্ধতি হলো পুনঃব্যবহারযোগ্য চরিত্র রেফারেন্স ও প্রতিটি নতুন দৃশ্যে বারবার সংজ্ঞায়িত বিবরণ। পরিবেশ বদলায়; চরিত্রের বর্ণনা অপরিবর্তিত।
গাইড তোমার ওপর কী ছেড়ে দেয়
তিনটি বিষয় কখনোই স্বয়ংক্রিয় হয় না, এবং গাইডটি স্পষ্টভাবে বলে।
যাচাইকরণ। আউটপুট চাহিদার সাথে মিলাও: প্রয়োজনীয় টেক্সট নির্ভুল ও পাঠযোগ্য? ডায়াগ্রামের লেবেল ও সম্পর্ক ঠিক? পরিচিতি, পণ্যের আকার, ও লেবেল অক্ষুণ্ণ? এডিট শুধু চাওয়া অংশ বদলেছে? ট্রান্সপারেন্সি চাইলে, ফাইলে আসলেই আলফা চ্যানেল আছে, আঁকা ব্যাকগ্রাউন্ড নয়?
মান বনাম খরচের বিচার। যখনই প্রম্পট বা মডেল বদলাও, প্রতিনিধিত্বমূলক ইনপুটে মান, লেটেন্সি, ও খরচ তুলনা করো। গাইডটি বর্তমান মূল্য দেখাতে বলে, ছাড়ের প্রতিশ্রুতি দেয় না।
ব্রিফ নিজেই। কোনো নির্দিষ্ট ফরম্যাট নেই। দৃশ্য / বিষয় / বিস্তারিত / সীমাবদ্ধতা সুপারিশ করে, কারণ এটি এডিটে টিকে থাকে, কিন্তু নিয়ম আরও সহজ: পড়া ও আপডেট সহজ এমন গঠন বেছে নাও।
API কী ছাড়াই এই কৌশলগুলো চালাও
উপরের সবকিছু কাঁচা API-তে চলে — এবং এর জন্য size, quality, ও background নিজে ম্যানেজ করতে হয় না।
Felo-এর GPT-Image 2.5 ওয়ার্কস্পেস একই মডেল ফ্যামিলি ব্রাউজারে চালায়:
- শুরুতে ফ্রি, API কী লাগবে না, সেটআপ নেই। এই গাইডের যেকোনো প্রম্পট পেস্ট করো ও তৈরি করো।
- ফরম্যাট ও রেজোলিউশন প্রিসেট — স্কয়ার, ল্যান্ডস্কেপ, পোর্ট্রেট, নেটিভ 4K পর্যন্ত।
- এক জায়গায় দুই মডেল। GPT-Image 2.5 ও অন্যান্য শীর্ষ ইমেজ মডেল একসাথে, কাজ অনুযায়ী বদলাও।
- ওয়াটারমার্ক নেই, সম্পূর্ণ বাণিজ্যিক অধিকার, ফ্রি প্ল্যানেও।
একই নিয়মে আরও প্রম্পট চাইলে, আমরা ১২টি কপি-পেস্ট GPT Image 2.5 প্রম্পট আমাদের ব্যবহারিক গাইডে সংগ্রহ করেছি।
FAQ
GPT Image 2.5 Flare ও Sunburst-এর পার্থক্য কী? Flare ছোট, গতি-উপযোগী মডেল, যার মান GPT Image 2-এর মতো। Sunburst বেস, মান-উপযোগী মডেল, GPT Image 2-এর চেয়ে বেশি মান। গতি দরকার ও মান পূরণ হলে Flare দিয়ে শুরু করো; জটিল, বিস্তারিত, বা ক্লায়েন্ট-কেন্দ্রিক কাজে Sunburst দিয়ে শুরু করো।
OpenAI কি নির্দিষ্ট প্রম্পট ফরম্যাট সুপারিশ করে? না। গাইডে বলা হয়েছে, সংক্ষিপ্ত প্রম্পট, অনুচ্ছেদ, JSON-এর মতো গঠন, নির্দেশনা, ও ট্যাগ — সবই চলে — যেটা পড়া ও আপডেট সহজ, সেটাই নাও। জটিল অনুরোধে লেবেলযুক্ত সেকশন: দৃশ্য, বিষয়, বিস্তারিত, সীমাবদ্ধতা, সুপারিশ করে।
কেন আকার, মান, ও ব্যাকগ্রাউন্ড প্রম্পটের বাইরে রাখা উচিত?
কারণ এগুলো API প্যারামিটার, নিশ্চয়তা দেয়, গদ্য শুধু অনুরোধ। "Make it 4K" অনুরোধ, size নিশ্চিত করে। ফরম্যাট সিদ্ধান্ত প্যারামিটারে রাখলে, আউটপুট আকার বদলালেও প্রম্পট পুনঃব্যবহারযোগ্য থাকে।
কীভাবে এডিটে অন্য কিছু বদলানো আটকাবো? "change only X" বলো, কী অক্ষুণ্ণ থাকবে (পরিচিতি, জ্যামিতি, বিন্যাস, আলো, লেবেল) তালিকাভুক্ত করো, এবং অতিরিক্ত টেক্সট, লোগো, ওয়াটারমার্ক বাদ দাও। কোনো অঞ্চল পিক্সেল-একই রাখতে হলে, অনুমোদিত এডিট মূল ছবিতে কম্পোজ করো, প্রম্পটের ওপর নির্ভর করো না।
কীভাবে ছবিতে পাঠযোগ্য টেক্সট পাবো? নির্ভুল কপি উদ্ধৃতিতে রাখো, কোথায় ও কতবার থাকবে বলো, টাইপোগ্রাফি বর্ণনা করো, এবং "no extra text" যোগ করো। তারপর আউটপুটে প্রতিটি শব্দ পড়ো এবং ছোট বা ঘন টাইপে মিডিয়াম বা হাই মান ব্যবহার করো।
এই কৌশলের জন্য OpenAI API লাগবে? না। কৌশলগুলো ব্রিফ লেখার পদ্ধতি, কোন এন্ডপয়েন্ট ডাকছো তা নয়। Felo-এর GPT-Image 2.5 ওয়ার্কস্পেস ব্রাউজারে ফ্রি চলে, API কী ছাড়াই।
ম্যানুয়ালই মূল কথা
ম্যানুয়ালসহ মডেল কিছু বলে: ফলাফল এখন তোমার ব্রিফের ওপর নির্ভর করে, সঠিক মন্ত্র খোঁজার ওপর নয়।
কাজ অনুযায়ী মডেল বেছে নাও। সেটিংস প্যারামিটারে রাখো। দৃশ্য, বিষয়, বিস্তারিত, ও সীমাবদ্ধতা লেখো। একবারে একটি পরিবর্তন করো, এবং ফিরে আসা ফলাফল দেখো।
এটাই পুরো গাইড — এবং এ কারণেই আউটপুট আর লটারির মতো থাকে না।
GPT-Image 2.5 Felo-তে চেষ্টা করো — ফ্রি →
এই পোস্টটি নিম্নলিখিত ভাষায়ও উপলব্ধ: English, 简体中文, 日本語, 한국어, 繁體中文, हिन्दी, Français, العربية, Русский, اردو, Bahasa Indonesia, Deutsch, Tiếng Việt, Türkçe, Italiano, ไทย, Español and Português।