GPT Image 2.5 實測：草圖直接變照片，標註四個地方就只改那四個地方

ChatGPT 的圖像模型換成 GPT Image 2.5，這次值得講的不是「畫得更漂亮」，而是整個做圖流程被換掉了：你可以直接畫草圖丟進去、在圖片上圈出要改的地方、指定透明背景、調整畫面比例，而且改完之後，不該動的地方真的沒被動到。

影片裡我把這次更新的功能快速跑過一輪，這篇文章把實測看到的東西整理成文字，後半段再補上影片沒時間展開的部分：怎麼把提示詞寫成模型真的控制得住的樣子。先說清楚兩篇的分工：GPT Image 2.5 提示指南整理是照 OpenAI 官方指南整理的 API 側版本，談模型怎麼選與參數怎麼設；這一篇走 ChatGPT 介面實測，後半段的提示原則是同一套道理的中文操作版，整篇不碰 API。

官方講了四件事，實測下來最有感的是哪一件

官方這次的更新重點大致是四個方向，我們逐一測過之後，感受強度其實不一樣。

• 更快：OpenAI 表示與前一代相比，影像生成延遲最高可降低 50%，實際速度仍會受提示詞、圖片複雜度與使用情境影響。以前 ChatGPT 生圖比其他家慢一點，這次等待時間縮短，對工作情境的意義是你能在同樣時間內多試幾張。官方這次也放出兩個模型，一個偏精準、一個偏速度，但那是開發者在 API 那一側才選得到的，ChatGPT 介面裡你不用選。
• 精準度提高：不論是生成真實街景、給參考圖，還是讓它自己上網查資料再畫，細節與準確度都比舊模型好。講白話就是幻覺又更低了。
• 控制力變強，這是我認為的核心升級：以前最痛的情況是「請它把左上角的字放大」，字是放大了，右上角卻被順手改掉。這次測下來，它能相當精準地只動你指定的那個範圍。
• 複雜場景與真實世界還原度提升：紋理、動作、表情可以描述得更細，放大看的細節不像舊模型那樣糊掉；建築物與真實場景的還原也明顯變好。

該動的都有動到，不該動的都沒有動到。這次模型在精準編輯上的改進，是肉眼可見的。

介面上真的多了什麼

先講一個前提：這些功能目前在網頁版與手機 App 上，桌面版還沒有。進入方式是在對話裡切到圖像生成模式，或按加號選擇創作圖像。

隨手塗鴉直接變成照片

圖像模式多了「繪製並附加圖像」。我隨便畫了一個簡單形狀送出去，提示詞只寫了一句 make it realistic，它就把塗鴉變成一件雕塑作品。手機版則是在輸入框打 @ 選 Sketch，畫完再請模型補完。草圖的價值不在畫得漂亮，而在它先把空間關係固定下來：人站哪裡、產品放哪裡、視線往哪走、哪裡要留白。這些用文字講很費力，畫兩筆就講完了，剩下的材質與風格再交給提示詞。

範本不是套版，是問答式幫你把提示詞填完

圖像模式下面有一排熱門範本。點下去之後它不會直接生圖，而是反過來問你問題。我測室內設計那個範本時，它問了三題：可不可以上傳目前空間的照片、這個空間要怎麼使用與哪些物品必須保留、想要哪一種室內風格。我回答「裝潢跟家具保留」加「極簡主義」，不到一分鐘就生出空間規劃圖。

重點在最後一步：它把你的回答組裝進一個文字輸入框再送出。換句話說範本給的是提示詞的起始結構，不是完整答案，你隨時可以在那個框裡自己微調。我另外拿事先畫好的草圖搭範本，問句就從問答形式換成讓我選藝術風格，我選了厚塗水粉，出來是一張完整度很高的插畫。

編輯工具：標註、去背、擦除、改比例

圖生好之後進編輯模式，可以標註註解、移除背景、擦除，還有調整大小。調整大小是請 AI 用不同比例重新生成，我把一張圖改成 16:9 拿來當簡報封面，一次就成。

另外還有一個「分享提示詞範本」蠻聰明的：有時候你只想把提示詞給別人，並不想把圖給出去。

去背的品質可以直接拿去用。我把去背後的圖下載，丟進簡報軟體襯一個黑底，放大看邊緣細節都處理得很乾淨。如果你想省掉「生完再去背」這一步，在生成時就加一句「把背景變成透明通道」，有機會一次直接出透明背景。實測下載回來驗證，是完美的透明圖。

一個要留意的地方：我把那張改成 16:9 的圖下載回來，解析度是 1672 × 941、72 dpi，看起來比 Gemini 稍微低一點。這是預設模式的結果，還可以再往上調，但如果你要印刷或要大圖，這一關記得先確認。

一次標四個地方，就只有那四個地方變了

這是整支影片我覺得最有感的一段。我先生成一張網站 mockup 風格的參考圖，然後用註解功能在畫面上標了四個位置，各自寫要換成什麼，一次送出。四個位置全部照改，其餘版面、配色、構圖完全沒有被波及。對照原始圖和改造後的圖，差別就只在我標的那四個地方。

不過官方也提醒，圖片編輯器的圈選不一定完全精準，編輯結果有機會超出你選取的範圍。所以圈選只是輔助，提示詞還是要寫清楚只改哪裡、哪些要保留。

一頁式長圖，十幾分鐘生一版

我請它生一張 9:16、由上到下排列的一頁式 Landing Page，介紹我自己的品牌，並且要它自行上網查資料、人物照片用我本人的照片。過程花了十幾分鐘，中間生了好幾個版本，後面幾版開始跑偏，但我要的東西有出來：Hero 圖、服務圖、YouTube 內容圖、Call to Action 圖，四段上下拼接成一張完整長圖。

這個用途很實際。群眾募資頁、單頁銷售頁、線上課程、產品販售，這種長形圖卡以前要排很久，現在十幾分鐘就能生出一張可以拿去做後續宣傳的版本。

真實地點的還原

官方特別強調真實世界樣貌，我就隨手叫它畫一張台北市木柵路三段某巷的美照。單看圖沒什麼特別，但把 Google 街景拉出來對照同一個位置，那棟大樓是對得上的。你也可以拿自己熟悉的地點試試看，有機會有意想不到的收穫。

把它用深的五個作法

上面是介面，這裡是心法。真正的差別不是你會不會下提示詞，而是你能不能讓模型知道：哪些地方要改、哪些地方不能動、下一步只改哪一件事。

一、描述看得見的結果，不要描述形容詞

「高級一點」「有電影感」「更有質感」都太抽象。把它拆成觀眾看得見的東西：高級就是乾淨留白、柔和棚拍光線、細緻材質紋理；電影感就是黃昏自然光、低飽和色彩、人物與背景有明確景深關係。描述順序可以固定記成：主體 → 構圖 → 光線 → 材質 → 色彩 → 氛圍 → 限制。

二、編輯的時候一定要寫「只改什麼」

「把衣服換掉」這種指令，模型很難知道你的底線在哪。局部編輯請固定用四句話：只改什麼、要改成什麼、哪些必須保留、哪些不要出現。

請編輯這張圖片。

只修改：［要改變的單一元素］
改成：［新的外觀或內容］

必須保留：［人物身分／產品形狀／版面／背景／光線／陰影／相機角度］
不要加入：［不需要的文字／標誌／配件／浮水印／新物件］

三、參考圖要分配角色，不要整包丟

不要丟三四張圖然後說「綜合一下這些參考」。請明講每張圖負責什麼：圖 1 是人物身分與臉部特徵、圖 2 是服裝款式、圖 3 是背景空間、圖 4 是色彩與材質參考，接著再說明怎麼組合。這個寫法的價值，是把參考圖從「靈感」變成「有任務的素材」。

四、圖上的文字要當成設計規格

模型能處理圖片中的文字，但「文字正確」跟「文字看起來像文字」是兩件事。文字重要的時候做四件事：把文案放進引號、指定出現幾次、指定位置與字體感、明確要求不要有額外文字。生成後一定要自己檢查拼字、是否多出字、標誌與數字有沒有變形。模型輸出不能直接當排版完稿。

五、多輪編輯，一次只改一件事

最穩的節奏是：建立第一版、檢查、改一件事、再檢查。不要一次說「背景改冬天、換衣服、加雪、放大文字、臉再好看一點」。另外一個實用細節：當某個關鍵特徵開始漂移，不要只說「恢復原本的樣子」，要把那個特徵重新定義一次，例如短黑髮、圓框眼鏡、自然微笑，並指明只恢復人物外觀、不要動背景與服裝。

三個可以直接照抄的工作流

第一個是產品去背與廣告延伸：上傳產品照、先要求完整去背並保留產品幾何與標籤、確認產品本身沒被改掉，再把去背後的產品放進廣告或社群貼文，之後每次只改場景、天氣或文案其中一項。要特別檢查檔案是不是真的有透明 alpha 通道，畫出棋盤格不代表真的透明。

請從輸入圖片中取出產品，放在完全透明的背景上。
產品置中、輪廓清楚、不要有光暈或邊緣殘影。
完全保留產品形狀與標籤可讀性。
不要重新設計產品，不要加入背景、棋盤格、場景或陰影。

第二個是人物身分保留與服裝替換：上傳人物照與服裝參考圖，明確說明臉部、姿勢、比例、身分都不能改，只允許服裝變化，並要求服裝自然符合原本的身體幾何、光線與色溫，最後檢查布料與陰影是否自然。

第三個是角色一致的連續故事：先建立角色基準圖，寫清楚固定特徵、服裝、比例與性格，之後每一幕都帶上一張角色圖、重複關鍵外觀限制，並且一次只換場景與動作。這是做繪本、分鏡與系列貼文最需要的能力。

發布之前，把這幾項檢查一遍

• 文字是否正確、清楚、而且只出現指定的次數。
• 人物臉部、身分與比例是否仍然一致。
• 產品形狀、標籤與品牌細節是否正確。
• 這次編輯是不是真的只改了你要求的部分，背景、相機角度與光線有沒有被順手改掉。
• 需要透明時，檔案是不是真的有 alpha 通道。
• 圖表的數字、標籤與箭頭關係是否正確，看起來像一張圖不代表資訊是對的。
• 如果用到真人、品牌或參考素材，你是否有適當的使用權。

OpenAI 表示這一代延續既有安全防護，也會使用 C2PA 中繼資料與隱形浮水印協助辨識工具生成的圖片。這是給下游辨識用的，不等於圖片內容可以不經檢查就直接發布。

GPT Image 2.5 最值得學的不是一句神奇咒語，而是一種工作方式：把構想講具體，把限制寫清楚，一次只改一件事，然後認真檢查結果。