ตกลง ผมจะแปลข้อความที่ให้มาเป็นภาษาไทยตามกฎที่กำหนดไว้อย่างเคร่งครัด
เมื่อคุณขอให้ Codex สร้างภาพ ทำไมบางครั้งมันถึงคืนภาพวาดแนว SVG แบนๆ กลับมาแทนที่จะเป็นภาพประกอบจริงๆ?
คุณคาดหวังภาพถ่ายหรือภาพประกอบ แต่สิ่งที่คุณได้กลับเป็นเพียงการรวมกันของรูปทรงเรขาคณิตธรรมดาๆ
"นี่คือขีดจำกัดของการสร้างภาพของ Codex หรือ?"
ตอนแรกฉันก็คิดแบบนั้นเหมือนกัน ฉันสงสัยว่าสาเหตุมาจากการใช้คำอย่าง "icon" หรือ "logo" ซึ่งทำให้ Codex เลือกที่จะวาดด้วย SVG, HTML หรือ CSS แทนที่จะเป็นการสร้างภาพจริง
ดังนั้น ฉันเลยทดสอบด้วยการเรียกใช้ Codex ด้วยตัวเอง
ฉันเรียก Codex จาก Claude Code และเปรียบเทียบผลลัพธ์ Before/After ดังนี้:
- Before: แค่ขอให้ "สร้างไอคอนแมวแบบง่ายๆ"
- After: ระบุเครื่องมือสร้างภาพ, หัวเรื่อง, สี, พื้นผิว, ข้อห้าม, และตำแหน่งที่บันทึก
ผลลัพธ์ยืนยันข้อสงสัยของฉัน
คำขอสั้นๆ ส่งกลับมาเป็นไอคอนแมวแบบแบนๆ ซึ่งจริงๆ แล้วเป็น SVG ที่ถูกแปลงเป็นราสเตอร์ แม้ว่านามสกุลไฟล์จะเป็น PNG ก็ตาม
ในทางกลับกัน คำขอที่ระบุเครื่องมือสร้างภาพและเงื่อนไขการทำงานให้เสร็จอย่างชัดเจน ส่งผลให้ได้ภาพที่สมบูรณ์ มีแมวถือไมโครโฟน กรอบวงกลมสีฟ้า พื้นหลังสีเหลือง และแม้กระทั่งเอฟเฟกต์ bokeh
พูดสั้นๆ คือ การตรวจสอบนี้เผยให้เห็นสิ่งต่อไปนี้:
การสื่อสารไม่เพียงแค่หัวเรื่อง แต่ยังรวมถึงการใช้โมเดลสร้างภาพ การหลีกเลี่ยงการใช้ SVG ทดแทน และรายละเอียดอย่างสีและพื้นผิว สามารถเปลี่ยนวิธีการสร้างภาพของ Codex ได้อย่างสิ้นเชิง
ในบทความนี้ ฉันจะรวบรวมวิธีการสร้างภาพที่คุณต้องการใน Codex โดยอิงจากข้อมูลอย่างเป็นทางการของ OpenAI และผลการวัดจริงจากวันที่ 13 กรกฎาคม 2026
สรุปก่อนเลย
นี่คือประเด็นสำคัญ:
- Codex สามารถสร้างภาพถ่ายและภาพประกอบได้ แต่มันก็สามารถสร้างภาพโดยใช้ SVG, HTML และ CSS ได้เช่นกัน
- แม้นามสกุลจะเป็น PNG เนื้อหาภายในอาจเป็นภาพที่แปลงมาจาก SVG
- เมื่อคุณต้องการภาพถ่ายหรือภาพประกอบ การเพิ่ม
$imagegenลงใน prompt จะเรียกใช้ทักษะการสร้างภาพอย่างชัดเจน - ความแตกต่างด้านคุณภาพมาจาก "วัตถุประสงค์, หัวเรื่อง, สไตล์, องค์ประกอบ และข้อจำกัด" มากกว่าความยาวของ prompt
- คุณค่าของการระบุรายละเอียดที่ชัดเจนคือการทำให้องค์ประกอบง่ายต่อการสร้างซ้ำเพื่อการใช้งานตามวัตถุประสงค์ ไม่ใช่แค่ทำให้ดูสวยงาม
- อย่าพยายามทำให้สมบูรณ์แบบในครั้งเดียว ให้แก้ไขทีละองค์ประกอบ โดยระบุสิ่งที่ต้องการเปลี่ยนแปลงและสิ่งที่ต้องการคงไว้
ถ้าอยากลองใช้ทันที ให้เพิ่มประโยคต่อไปนี้ที่จุดเริ่มต้นของคำขอของคุณ:
──────── สำหรับก็อปปี้ไปวาง ────────
ใช้ $imagegen เพื่อสร้างภาพราสเตอร์โดยใช้โมเดลสร้างภาพ อย่าใช้ SVG, HTML, CSS หรือ canvas ทดแทน
──────────────────────
อย่างไรก็ตาม มันไม่ได้มีแค่ประโยคเดียวนี้ที่ใช้ได้ การสื่อสารว่า "ภาพนี้มีไว้เพื่ออะไร" และ "อะไรคือเกณฑ์ที่ถือว่าผ่าน" ทำให้ Codex สามารถตรวจสอบภาพตามมาตรฐานเดียวกับคุณได้ในที่สุด
ทำไมมันถึงส่งออก SVG แทนที่จะเป็นภาพ?
Codex ไม่ใช่บริการสร้างภาพโดยเฉพาะ มันเขียนโค้ด อ่านไฟล์ที่มีอยู่ แก้ไขเว็บไซต์ และจัดการ SVG, HTML, CSS และ canvas ตามความจำเป็น ซึ่งนี่คือจุดแข็งที่ยอดเยี่ยม
ตัวอย่างเช่น หากเว็บไซต์มีชุดไอคอน SVG อยู่แล้ว และคุณต้องการเพิ่มไอคอนอีกอันที่มีความหนาของเส้น สี และขนาดเท่ากัน การแก้ไข SVG ที่มีอยู่จะแม่นยำกว่าการสร้าง PNG ด้วยโมเดลสร้างภาพ
ในทางกลับกัน ภาพหัวข้อบทความ ภาพแนวภาพถ่าย ตัวละครที่มีพื้นผิว และแบนเนอร์โฆษณา เหมาะกับการสร้างภาพมากกว่าโค้ด
ทักษะ imagegen ปัจจุบันใน Codex ก็แยกแยะระหว่างสองสิ่งนี้เช่นกัน:
- มันใช้การสร้างภาพสำหรับงานที่เหมาะกับภาพบิตแมป เช่น ภาพถ่าย ภาพประกอบ พื้นผิว สไปรท์ และ mockup
- มันให้ความสำคัญกับการแก้ไข SVG, เวกเตอร์ หรือโค้ดแอสเซทที่มีอยู่ สำหรับงานที่เหมาะสมกว่า
ที่สำคัญคือ การตัดสินใจนี้ไม่ได้ถูกกำหนดโดยกลไกเพียงแค่ใช้คำว่า "icon" หรือ "logo"
แม้จะเป็นไอคอนเดียวกัน ก็มีการใช้งานอยู่สองประเภท:
- คอมโพเนนต์เวกเตอร์ที่ปรับขนาดได้ ใช้ใน UI
- ภาพเดี่ยวเพื่อการตกแต่งที่มีพื้นผิวและแสงเงา ใช้ในโซเชียลมีเดีย
หากคำขอไม่ชัดเจน Codex จะเดาว่าคุณต้องการแบบไหน โดยดูจากไฟล์ที่มีอยู่ในโปรเจกต์หรือบริบทโดยรอบ เมื่อการเดานั้นคลาดเคลื่อนจากความตั้งใจของคุณ คุณก็จะเจอปรากฏการณ์ "ได้อะไรที่เหมือน SVG กลับมา ทั้งที่อยากได้ภาพถ่าย"
ดังนั้น แก่นแท้ของปัญหาไม่ใช่ "ห้ามใช้คำว่า icon" แต่คือ รูปแบบของผลลัพธ์ที่ต้องการยังไม่ได้ถูกสื่อสารไปยัง Codex
สิ่งที่ยืนยันได้จากข้อมูลอย่างเป็นทางการ
ในการสร้างภาพของ Codex มีชื่อที่คล้ายกันสามชื่อปรากฏขึ้น แต่มีความหมายต่างกัน:
$imagegen: ชื่อสำหรับเรียกทักษะการสร้างภาพของ Codex อย่างชัดเจนimage_gen: ชื่อของเครื่องมือสร้างภาพที่ติดตั้งมาภายใน Codexgpt-image-2: ID โมเดลเมื่อระบุโมเดลโดยตรงผ่าน API หรือ fallback CLI- "Image 2.0" หรือ "GPT Image 2 equivalent": คำศัพท์ที่ใช้สื่อถึงภาพที่มีคุณภาพสูง ไม่ใช่ ID โมเดลที่เป็นทางการในขณะทำงาน
สำหรับการสร้างภาพปกติ วิธีการพื้นฐานคือการเรียกทักษะด้วย $imagegen และใช้เครื่องมือ image_gen ที่ติดตั้งมาภายใน ในเส้นทางนี้ คุณไม่จำเป็นต้องมี OPENAI_API_KEY แยกต่างหาก
การระบุ gpt-image-2 เป็น ID โมเดลโดยตรง มีไว้สำหรับเมื่อคุณใช้ API หรือ fallback CLI อย่างชัดเจน เส้นทางนี้จำเป็นต้องมี OPENAI_API_KEY
นอกจากนี้ prompt ภาพที่มีประสิทธิภาพควรเป็นไปตามหลักการเหล่านี้:
- สื่อสารวัตถุประสงค์ หัวเรื่อง พื้นหลัง องค์ประกอบ สไตล์ และข้อจำกัดอย่างเฉพาะเจาะจง
- เขียนรายละเอียดเฉพาะ เช่น ทิศทางแสงและตำแหน่ง มากกว่าคำนามธรรมเช่น "สวยงาม" หรือ "มีสไตล์"
- เมื่อแก้ไข ให้เปลี่ยนทีละองค์ประกอบและทำซ้ำเงื่อนไขที่คุณต้องการคงไว้
- ใส่ข้อความภายในภาพในเครื่องหมายคำพูด และระบุแบบตัวอักษร สี ขนาด และตำแหน่ง
สิ่งที่เราเรียนรู้จากสิ่งนี้คือ $imagegen เป็นวิธีที่ชัดเจนซึ่งมีให้ใช้อย่างเป็นทางการในการเรียกทักษะ มันไม่ได้หมายความว่าคุณ "ไม่สามารถสร้างภาพได้เลยถ้าไม่มีมัน" อย่างไรก็ตาม ในกรณี "Before" ของเรา เส้นทางในการสร้าง SVG แทนการสร้างภาพถูกเลือกไว้ บทบาทของมันคือ ทำให้ความตั้งใจที่จะใช้การสร้างภาพชัดเจน แทนที่จะปล่อยให้เป็นการตัดสินใจอัตโนมัติ
Before/After จริง
นี่คือการวัดผลจริง ฉันเรียก Codex จาก Claude Code โดยใช้ Codex CLI เวอร์ชัน 0.144.1 ซึ่งทำงานโดยการล็อกอินเข้าบัญชี ChatGPT โดยไม่ได้เพิ่ม API Key
เพื่อความชัดเจน นี่ไม่ใช่การทดลองเปรียบเทียบที่เข้มงวดซึ่งเปลี่ยนแค่เงื่อนไขเดียว ใน "Before" ฉันแค่บอกสั้นๆ ว่าต้องการสร้างอะไร ใน "After" ฉันระบุเครื่องมือสร้าง, รูปแบบไฟล์, หัวเรื่อง, สี, องค์ประกอบ, ข้อห้าม และคุณภาพ
กล่าวอีกนัยหนึ่ง นี่คือการดู Before/After ว่าผลลัพธ์เปลี่ยนแปลงไปมากแค่ไหนเมื่อคุณระบุคำขอหลังจากที่พบกับความล้มเหลว
Before: ขอแค่ "แมวแบบง่ายๆ"
คำขอเริ่มต้นที่ส่งไปยัง Claude Code มีเพียงเท่านี้:
──────── สำหรับก็อปปี้ไปวาง ────────
สร้างไอคอนแมวแบบง่ายๆ
──────────────────────
ฉันไม่ได้ระบุโมเดลสร้างภาพ, PNG, SVG, สี, พื้นผิว, พื้นหลัง หรือตำแหน่งที่บันทึก
และนี่คือสิ่งที่ได้กลับมา:
การตรวจสอบไฟล์เผยให้เห็นสิ่งต่อไปนี้:
- ชื่อไฟล์:
cat-icon.png - รูปแบบ: PNG, RGBA
- ขนาด: 1024x1024 พิกเซล
- ความลึกของบิต: 16-bit
- ขนาดไฟล์: ประมาณ 121KB
- ลักษณะ: ใบหน้าแมวลายสลิดสีน้ำตาลแบนๆ ที่ประกอบด้วยรูปทรงง่ายๆ ซ้อนทับกัน
มันเป็นองค์ประกอบที่มีหน้าแมวขนาดใหญ่บนพื้นหลังวงกลมสีเหลืองอ่อน สีหน้าดูน่ารัก และเป็นไปตามคำขอ "ไอคอนแมวแบบง่ายๆ"
กล่าวอีกนัยหนึ่ง Codex ไม่ได้ละเลยคำแนะนำ ปัญหาคือคำขอสั้นเกินไปที่จะสื่อถึง "ภาพประกอบที่สมบูรณ์แบบมีพื้นผิวโดยโมเดลสร้างภาพ" ที่ฉันคาดหวังไว้
ไฟล์ cat-icon.svg ถูกสร้างขึ้นในโฟลเดอร์เดียวกันด้วย นอกจากนี้ ข้อมูลเมตาของ PNG ยังมีส่วนประกอบของ SVG เช่น svg:title เป็น "Cute brown tabby cat face icon" และ svg:comment สำหรับ "background," "ears," "face," "eyes," และ "collar"
นั่นหมายความว่า Codex ตีความว่า "ไอคอนแบบง่ายๆ" เป็นการขอ素材แบบเวกเตอร์ มันสร้าง SVG แล้วแปลงเป็น PNG
"Before" ไม่ใช่ความล้มเหลว แต่มันตรงตัวเกินไป เพราะฉันพูดแค่ "ง่ายๆ" Codex เลยสร้างมันอย่างง่ายๆ ด้วยรูปทรงเรขาคณิตที่แก้ไขได้ง่าย
After: การแก้ไขวิธีการสร้างและภาพสุดท้าย
ต่อมา ฉันเรียก Codex จาก Claude Code ด้วยเนื้อหาดังนี้:
──────── สำหรับก็อปปี้ไปวาง ────────
mkdir -p ./images
codex exec -C "$(pwd)" -s workspace-write --skip-git-repo-check \
"ใช้เครื่องมือสร้างภาพ (image_gen / gpt-image-2) เพื่อสร้างภาพประกอบน่ารักๆ ของแมวถือไมโครโฟนเป็น PNG และบันทึกไปที่ ./images/cat-mic.png ใช้สีแบนๆ น่ารัก เงาและไฮไลท์นุ่มนวล กรอบวงกลมสีฟ้า พื้นหลังเป็น #FDE68A มีดาวเล็กๆ และ bokeh สีเน้นเป็น #2563EB และแมวควรเป็นสีครีมถึงส้ม สร้างเป็นภาพประกอบเดี่ยว และอย่าใช้ SVG หรือ HTML/CSS ทดแทน ห้ามมีข้อความหรือลายน้ำ คุณภาพสูง"
──────────────────────
นี่คือคำสั่งจริงที่ใช้ อย่างไรก็ตาม image_gen และ gpt-image-2 ไม่ใช่ชื่อเล่นของสิ่งเดียวกัน ถ้าคุณใช้ฟังก์ชันการทำงานภายในของ Codex วิธีเขียนที่แนะนำในตอนนี้คือ:
──────── สำหรับก็อปปี้ไปวาง ────────
mkdir -p ./images
codex exec -C "$(pwd)" -s workspace-write --skip-git-repo-check \
'ใช้ $imagegen เพื่อเรียกใช้เครื่องมือ image_gen ในตัว สร้างภาพประกอบน่ารักๆ ของแมวถือไมโครโฟนเป็น PNG ใช้สีแบนๆ น่ารัก เงาและไฮไลท์นุ่มนวล กรอบวงกลมสีฟ้า พื้นหลังเป็น #FDE68A มีดาวเล็กๆ และ bokeh สีเน้นเป็น #2563EB และแมวควรเป็นสีครีมถึงส้ม อย่าใช้ SVG หรือ HTML/CSS ทดแทน ห้ามมีข้อความหรือลายน้ำ เมื่อเสร็จแล้ว ให้บันทึกภาพที่สร้างไปที่ ./images/cat-mic.png เสร็จสิ้นด้วยคุณภาพสูง'
──────────────────────
เหตุผลที่ใส่ prompt ทั้งหมดในเครื่องหมายคำพูดเดี่ยวก็เพื่อป้องกันไม่ให้ $ ใน $imagegen ถูกขยายเป็นตัวแปรเชลล์ และส่งต่อไปยัง Codex โดยตรง
ความแตกต่างจาก "Before" ไม่ใช่แค่ข้อความที่ยาวขึ้น:
- ระบุเครื่องมือสร้างภาพอย่างชัดเจน
- บันทึกเป็น PNG
- ไม่ใช้ SVG หรือ HTML/CSS ทดแทน
- หัวเรื่องคือแมวถือไมโครโฟน
- สีแบนๆ น่ารัก พร้อมเงาและไฮไลท์นุ่มนวล
- รวมกรอบวงกลมสีฟ้า
- สีพื้นหลัง设为 #FDE68A
- รวมดาวและ bokeh
- สีเน้น设为 #2563EB
- สีแมว设为ครีม/ส้ม
- ไม่มีข้อความหรือลายน้ำ
- คุณภาพ设为สูง
- ตำแหน่งบันทึก固定ที่
./images/cat-mic.png
นี่คือภาพที่สร้างขึ้น:
ไฟล์จริงมีดังนี้:
- ชื่อไฟล์:
cat-mic.png - เส้นทางการสร้าง: เครื่องมือสร้างภาพในตัวของ Codex
- รูปแบบ: PNG, RGB
- ขนาด: 1254x1254 พิกเซล
- ความลึกของบิต: 8-bit
- ขนาดไฟล์: ประมาณ 1.74MB
ภาพสะท้อนถึงแมวสีครีมถึงส้มถือไมโครโฟน กรอบวงกลมสีฟ้า พื้นหลังสีเหลือง ดาวสีฟ้า และ bokeh มีเงาและไฮไลท์นุ่มนวลบนขนและไมโครโฟน ให้ข้อมูลในฐานะภาพประกอบที่สมบูรณ์มากกว่าเวอร์ชัน "Before" มาก ไม่มีข้อความหรือลายน้ำ
สิ่งที่ฉันเรียนรู้จากการเปรียบเทียบผลลัพธ์ทั้งสอง
แม้จะมีนามสกุล PNG เหมือนกัน แต่เนื้อหาภายในแตกต่างกันอย่างสิ้นเชิง
ทั้ง Before และ After มีนามสกุล .png อย่างไรก็ตาม Before เป็นภาพที่แปลงจาก SVG เป็น PNG ในขณะที่ After เป็นภาพราสเตอร์ที่สร้างโดยตรงจากเครื่องมือสร้างภาพ คุณไม่สามารถตัดสินได้ว่ามันเป็นวิธีการสร้างที่คาดหวังหรือไม่เพียงแค่จากข้อเท็จจริงที่ว่ามัน "ถูกส่งมาเป็น PNG"
ผลลัพธ์ Before นั้นถูกต้องตาม prompt
สิ่งที่ฉันขอใน Before คือ "ไอคอนแมวแบบง่ายๆ" สิ่งที่ออกมาก็คือไอคอนแมวแบบง่ายๆ จริงๆ ไม่ใช่ความสามารถของ Codex ต่ำ แต่เป็นเพราะคำพูดของฉันไม่ได้จำกัดภาพสุดท้าย
After ได้สั่งการเส้นทางการสร้าง
สิ่งที่ได้ผลใน After ไม่ใช่คำขอคลุมเครืออย่าง "ทำให้สวยขึ้น" แต่เป็นการระบุการใช้เครื่องมือสร้างภาพ ไม่ใช้ SVG ทดแทน สี หัวเรื่อง พื้นหลัง พื้นผิว และตำแหน่งบันทึก
ความแตกต่างด้านคุณภาพไม่สามารถอธิบายได้ด้วย image_gen เพียงอย่างเดียว
ใน After ฉันเปลี่ยนหัวเรื่อง โทนสี การแรเงา พื้นหลัง และคุณภาพพร้อมๆ กับการเปลี่ยนเครื่องมือสร้าง ดังนั้น การปรับปรุงด้านภาพจึงไม่สามารถแยกออกมาเป็นผลของคำว่า image_gen เพียงคำเดียว อย่างไรก็ตาม อย่างน้อยมันก็ทำให้ความตั้งใจที่จะหลีกเลี่ยง "เส้นทางแปลง SVG เป็น PNG" และดำเนินการกับโมเดลสร้างภาพนั้นชัดเจนขึ้น
สื่อสารไม่เพียงแค่สิ่งที่คุณต้องการ แต่ยังรวมถึงวิธีการที่คุณต้องการให้สร้างมันด้วย นี่คือบทเรียนที่ใหญ่ที่สุดที่ได้จาก Before/After นี้
จุดประสงค์ของการเพิ่ม $imagegen คืออะไร?
เมื่อดูผลลัพธ์เหล่านี้ คุณอาจคิดว่า "ถ้า PNG ออกมาได้โดยไม่มีมัน แล้ว $imagegen จำเป็นหรือ?"
จริงอยู่ว่าถ้าคำขอเป็นภาพถ่ายหรือภาพประกอบอย่างชัดเจน Codex อาจเลือกการสร้างภาพโดยอัตโนมัติ อย่างไรก็ตาม มีสามเหตุผลที่ควรระบุให้ชัดเจน:
- ลดความสับสนของเส้นทาง ในโปรเจกต์ที่มี SVG หรือ UI แอสเซทจำนวนมาก Codex อาจตัดสินว่าการแก้ไขโค้ดเหมาะสมกว่า ถ้าคุณต้องการภาพเดี่ยว การระบุการสร้างภาพอย่างชัดเจนจะช่วยลดความคลาดเคลื่อนของความตั้งใจ
- ทำให้คำขอเป็นมาตรฐานทั่วทั้งทีม ถ้าความหมายของ "ภาพ," "ไอคอน," และ "แบนเนอร์" แตกต่างกันไปในแต่ละคน ผลลัพธ์ก็จะแตกต่างกันไป การทำให้
$imagegenและวัตถุประสงค์เป็นกฎร่วมกัน ทำให้ง่ายต่อการเลือกเส้นทางเดียวกันแม้ว่าผู้ทำการขอจะเปลี่ยนไป
- แยกสาเหตุของความล้มเหลวได้ง่ายขึ้น ถ้าคุณระบุการสร้างภาพอย่างชัดเจนแต่ผลลัพธ์แย่ สิ่งต่อไปที่ต้องพิจารณาคือ องค์ประกอบ สไตล์ และข้อจำกัด ถ้าไม่รู้เส้นทางที่ใช้ คุณจะไม่รู้ว่า "โมเดลสร้างภาพไม่ดี" "มันถูกสร้างด้วย SVG" หรือ "prompt คลุมเครือ"
ให้คิดถึง $imagegen ไม่ใช่คาถาวิเศษที่เพิ่มคุณภาพภาพ แต่เป็น สวิตช์สำหรับกำหนดวิธีการทำงาน
Prompt ที่สั้นที่สุดที่ใช้ได้
ก่อนอื่น กรุณาก็อปปี้และวางรูปแบบนี้:
──────── สำหรับก็อปปี้ไปวาง ────────
ใช้ $imagegen เพื่อสร้างภาพต่อไปนี้ด้วยโมเดลสร้างภาพ อย่าใช้ SVG, HTML, CSS หรือ canvas ทดแทน; สร้างเป็นภาพราสเตอร์เดี่ยว
วัตถุประสงค์: รูปโปรไฟล์ X
หัวเรื่อง: แมวถือไมโครโฟน
สไตล์: เป็นมิตร, ภาพประกอบ 3D ที่มีความรู้สึกลึก
องค์ประกอบ: สี่เหลี่ยมจัตุรัส, จัดกึ่งกลาง, หัวเรื่องยังคงสมบูรณ์แม้ถูกครอบเป็นวงกลม
ข้อจำกัด: ไม่มีข้อความ, โลโก้, หรือลายน้ำ
──────────────────────
คุณไม่จำเป็นต้องเขียนทุกอย่างอย่างละเอียด คู่มืออย่างเป็นทางการของ OpenAI ก็อธิบายว่าประโยคที่ชัดเจน 1-3 ประโยคมักจะเพียงพอสำหรับ prompt ภาพ สิ่งสำคัญไม่ใช่ความยาว แต่คือการรวมเงื่อนไขที่กำหนดความสำเร็จ
5 สิ่งที่ทำให้คุณภาพภาพคงที่
ถ้าคุณไม่แน่ใจเกี่ยวกับ prompt แค่เขียนห้าสิ่งนี้:
- วัตถุประสงค์ เขียนว่าภาพจะถูกใช้ที่ไหน ตัวอย่าง: โพสต์ X, รูปโปรไฟล์, ภาพหัวข้อบล็อก, ภาพฮีโร่ของ LP, การแนะนำสินค้า เมื่อคุณเขียนวัตถุประสงค์ Codex จะสามารถตัดสินองค์ประกอบและระยะขอบที่จำเป็นได้ง่ายขึ้น
- หัวเรื่อง เขียนว่าจะวาดอะไรและอยู่ในสภาพใด ตัวอย่าง: แมวลายสลิดสีน้ำตาลถือไมโครโฟน, ผู้หญิงกำลังทำงานบนแล็ปท็อป, กาแฟวางบนโต๊ะ
- สไตล์ ระบุพื้นผิวที่ต้องการ เช่น ภาพถ่าย ภาพประกอบ หรือ 3D ตัวอย่าง: ภาพถ่ายสมจริงพร้อมแสงธรรมชาติ, ภาพประกอบบรรณาธิการสไตล์นิตยสาร, สีน้ำนุ่มนวล, 3D ที่มีความลึก
- องค์ประกอบ เขียนอัตราส่วนภาพ ตำแหน่งของหัวเรื่อง และระยะขอบที่จำเป็น ตัวอย่าง: แนวนอน, บุคคลอยู่ทางซ้าย, เว้นระยะขอบกว้างทางขวาสำหรับพาดหัว ในตัวอย่าง After ของเรา คำสั่ง "กรอบวงกลมสีฟ้า" ส่งผลให้ได้องค์ประกอบที่แมวและไมโครโฟนอยู่ภายในวงกลม
- ข้อจำกัด เขียนสิ่งที่คุณไม่ต้องการให้รวมและเงื่อนไขที่ต้องปฏิบัติตาม ตัวอย่าง: ไม่มีข้อความ, ไม่มีโลโก้, ไม่มีลายน้ำ, อย่าทำให้พื้นหลังซับซ้อน
ด้วยห้าสิ่งนี้ Codex ไม่เพียงแต่ "สร้างรูปภาพ" ได้ แต่ยังตรวจสอบได้ด้วยว่า "มันเหมาะสมกับวัตถุประสงค์หรือไม่"
ตัวอย่างก็อปปี้ไปวางตามวัตถุประสงค์
ภาพหัวข้อบทความ
──────── สำหรับก็อปปี้ไปวาง ────────
ใช้ $imagegen เพื่อสร้างภาพหัวข้อแนวนอนสำหรับโพสต์บล็อก ทำให้เป็นภาพถ่ายสมจริงของแล็ปท็อปและกาแฟที่วางบนโต๊ะไม้ ถ่ายในแสงธรรมชาติยามเช้าที่นุ่มนวล จัดหัวเรื่องชิดซ้ายและเว้นระยะขอบกว้างทางขวาสำหรับพาดหัว ห้ามรวมข้อความ โลโก้ หรือลายน้ำ อย่าใช้ SVG, HTML หรือ CSS ทดแทน
──────────────────────
ภาพสี่เหลี่ยมจัตุรัสสำหรับโพสต์ X
──────── สำหรับก็อปปี้ไปวาง ────────
ใช้ $imagegen เพื่อสร้างภาพประกอบสี่เหลี่ยมจัตุรัสสำหรับโพสต์ X ถ่ายทอดฉากที่ AI และมนุษย์ร่วมมือกันที่โต๊ะเดียวกันเพื่อคิดแผน โดยใช้ภาพประกอบบรรณาธิการที่เป็นมิตร วางบุคคลและอุปกรณ์ AI ไว้ตรงกลาง โดยมีองค์ประกอบที่ชัดเจนแม้เมื่อดูบนไทม์ไลน์สมาร์ทโฟน ใช้สีน้ำเงินและส้มเป็นสีพื้นฐาน และห้ามรวมข้อความ โลโก้ หรือลายน้ำ
──────────────────────
ภาพฮีโร่ของ LP
──────── สำหรับก็อปปี้ไปวาง ────────
ใช้ $imagegen เพื่อสร้างภาพฮีโร่สำหรับ LP เครื่องมือธุรกิจออนไลน์ ทำให้เป็นภาพถ่ายธรรมชาติของทีมงานขนาดเล็กที่กำลังพูดคุยขณะมองหน้าจอขนาดใหญ่ในสำนักงานที่สว่างสดใส แนวนอนโดยจัดคนชิดขวา เว้นระยะขอบทางซ้ายสำหรับพาดหัวและปุ่ม ห้ามใช้การแสดงออกที่ดูอนาคตเกินไป ข้อความ โลโก้บริษัท หรือลายน้ำ
──────────────────────
ภาพที่มีข้อความภาษาญี่ปุ่น
──────── สำหรับก็อปปี้ไปวาง ────────
ใช้ $imagegen เพื่อสร้างภาพสี่เหลี่ยมจัตุรัสสำหรับโพสต์ X วางเฉพาะข้อความ "AIで仕事が変わる" (AI เปลี่ยนแปลงการทำงาน) ด้วยฟอนต์ Gothic สีขาว ตัวหนา ขนาดใหญ่ ที่ด้านบนตรงกลาง ข้อความควรอยู่ในบรรทัดเดียว จัดกึ่งกลาง ห้ามเพิ่มข้อความ โลโก้ หรือลายน้ำอื่นใด พื้นหลังควรเป็นเกรเดียนต์จากสีน้ำเงินเข้มถึงสีม่วง มีการออกแบบที่ดูสงบสำหรับธุรกิจ
──────────────────────
เมื่อใส่ข้อความในภาพ ให้ทำตามสามข้อนี้:
- ใส่ข้อความที่จะแสดงในเครื่องหมายคำพูด
- ระบุแบบตัวอักษร สี ขนาด และตำแหน่ง
- บอกไม่ให้เพิ่มอักขระอื่นๆ หลังจากสร้างแล้ว ให้ตรวจสอบทุกอักขระก่อนเผยแพร่
เมื่อต้องแก้ไข ให้เขียน "สิ่งที่ต้องเปลี่ยน" และ "สิ่งที่ต้องคงไว้"
เมื่อภาพแรกเกือบจะดีแล้ว คุณไม่จำเป็นต้องเขียน prompt ทั้งหมดใหม่ อันที่จริง การเปลี่ยนมากเกินไปในครั้งเดียวจะเปลี่ยนส่วนที่คุณชอบไปด้วย ให้แก้ไขทีละองค์ประกอบ
- คงองค์ประกอบไว้เหมือนเดิม แต่ทำให้พื้นหลังสว่างขึ้น
- คงบุคคลและโต๊ะไว้ แต่เปลี่ยนแก้วเป็นต้นไม้ในบ้าน
- คงสีและแสงไว้ แต่ขยายระยะขอบทางขวา
- คงสีหน้าและสีขนของแมวไว้ แต่ทำให้ไมโครโฟนเล็กลงเล็กน้อย
คู่มืออย่างเป็นทางการของ OpenAI ยังแนะนำให้ชี้แจง "สิ่งที่ต้องเปลี่ยน" และ "สิ่งที่ต้องคงไว้" เมื่อแก้ไข นี่คือรูปแบบที่ใช้ได้:
──────── สำหรับก็อปปี้ไปวาง ────────
กรุณาแก้ไขภาพที่แนบมา เปลี่ยนเฉพาะพื้นหลัง ให้พื้นหลังเป็นสีเทาอ่อน คงสภาพบุคคล, เสื้อผ้า, สีหน้า, องค์ประกอบ, แสง, และโทนสีไว้เหมือนเดิมทุกประการ ห้ามเพิ่มข้อความหรือโลโก้
──────────────────────
การเขียนว่า "เปลี่ยนเท่านี้ อย่าแตะต้องอย่างอื่น" จะช่วยลดการเปลี่ยนแปลงโดยรวมของภาพได้
ถ้าต้องเขียนทุกครั้งเป็นเรื่องยุ่งยาก ให้กำหนดกฎเป็นที่ตายตัว
เมื่อเรียก Codex จาก Claude Code การป้อนบันทึกเดียวกันทุกครั้งเป็นเรื่องยุ่งยาก ในการดำเนินการนี้ ขอแนะนำให้วางกฎการสร้างภาพไว้ใน CLAUDE.md ของโปรเจกต์ก่อน เนื่องจาก Claude Code อ่าน CLAUDE.md คุณจึงกำหนด "วิธีการขอให้ Codex เมื่อถูกขอภาพ" ไว้ที่นี่
ถ้าเป็นโปรเจกต์ที่คุณใช้ Codex โดยตรง ให้ใส่แนวคิดเดียวกันใน AGENTS.md AGENTS.md เป็นกฎของโปรเจกต์ที่ฝั่ง Codex อ่าน
──────── สำหรับก็อปปี้ไปวาง ────────
กฎการสร้างภาพ
- ใช้
$imagegenเมื่อสร้างภาพถ่าย, ภาพประกอบ, แบนเนอร์, ภาพฮีโร่, หรือภาพโพสต์โซเชียลมีเดีย - ถ้ามีการขอภาพราสเตอร์ อย่าใช้ SVG, HTML, CSS หรือ canvas ทดแทน
- ก่อนสร้าง ให้จัดระเบียบวัตถุประสงค์, หัวเรื่อง, สไตล์, องค์ประกอบ, และข้อจำกัด
- แก้ไข SVG ให้ตรงกับรูปแบบที่มีอยู่เมื่อเพิ่มเข้าไปในชุดไอคอน SVG ที่มีอยู่เท่านั้น
- บันทึกภาพที่เสร็จแล้วภายในโปรเจกต์และรายงานตำแหน่งที่เก็บ
──────────────────────
จุดประสงค์ของกฎนี้ไม่ใช่เพื่อแบน SVG ตลอดเวลา มันคือการเลือกตามวัตถุประสงค์: SVG สำหรับคอมโพเนนต์ UI และการสร้างภาพสำหรับภาพเดี่ยวที่เสร็จสมบูรณ์
จำเป็นต้องทำให้เป็น Skill หรือไม่?
คุณไม่จำเป็นต้องสร้าง Skill ใหม่เพื่อสร้างภาพ Codex มีทักษะ imagegen อยู่แล้ว การสร้าง Custom Skill จะมีค่าเมื่อคุณต้องการทำให้ขั้นตอนเป็นมาตรฐานในหลายโปรเจกต์ เช่น:
- ใช้สีแบรนด์หรือสไตล์ศิลปะทุกครั้ง
- เลือกองค์ประกอบตามวัตถุประสงค์โดยอัตโนมัติ เช่น สำหรับ X, บทความ, หรือ LP
- ตรวจสอบข้อความ, ระยะขอบ, ขนาด, และข้อห้ามหลังการสร้าง
- ทำให้ชื่อไฟล์และตำแหน่งบันทึกเป็นเอกภาพ
- ถ้าล้มเหลว ให้ใช้การแก้ไขตามมาตรฐานเดียวกัน
การตัดสินใจนั้นง่าย:
- กฎที่ใช้ในโปรเจกต์เดียว:
CLAUDE.md - กฎของโปรเจกต์ที่ Codex ต้องปฏิบัติตามโดยตรง:
AGENTS.md - กลไกในการนำ "การสร้าง -> การยืนยัน -> การบันทึก" กลับมาใช้ใหม่ในหลายโปรเจกต์: Custom Skill
คุณไม่จำเป็นต้องสร้าง Skill ตั้งแต่เริ่มต้น แค่เริ่มต้นด้วย CLAUDE.md ก็พอ แล้วค่อยพิจารณาทำเป็น Skill เมื่อคุณพบว่าต้องทำขั้นตอนเดิมซ้ำสามครั้งขึ้นไป
สถานการณ์ที่ SVG คือคำตอบที่ถูกต้อง
แม้ว่าฉันจะอธิบายวิธีการเรียกการสร้างภาพ แต่ SVG เองก็ไม่ใช่สิ่งที่ไม่ดี SVG เหมาะกับการใช้งานต่อไปนี้มากกว่า:
- การเพิ่มไอคอนใหม่ให้กับชุดไอคอน UI ที่มีอยู่
- การรักษาเส้นให้คมชัดแม้เมื่อขยายขนาด
- การเปลี่ยนสีด้วย CSS
- การจัดการรูปทรงและความหนาของเส้นอย่างแม่นยำด้วยตัวเลข
- การตรวจสอบความแตกต่างในรูปแบบโค้ด
ในทางกลับกัน การสร้างภาพเหมาะสำหรับ:
- ภาพแนวภาพถ่าย
- ภาพประกอบที่ต้องการพื้นผิว เช่น ขน, ผ้า, หรือโลหะ
- สิ่งดึงดูดสายตาสำหรับโฆษณาหรือบทความ
- ภาพเดี่ยวที่มีตัวละครหรือการเล่าเรื่อง
- ภาพที่สื่อถึงบรรยากาศหรืออารมณ์
เกณฑ์ไม่ใช่ "SVG หรือ PNG" แต่คือ "มันเป็นคอมโพเนนต์ที่ต้องจัดการแบบตายตัว หรือเป็นภาพเดี่ยวที่ให้ความสำคัญกับการแสดงออก?" การตัดสินใจนี้ก่อนถาม Codex จะช่วยลดความไม่ตรงกันของเส้นทางได้
3 ความเข้าใจผิดที่ถูกแก้ไขในการตรวจสอบนี้
สุดท้าย นี่คือประเด็นที่ฉันสามารถแก้ไขได้เพราะได้ลองทำจริง
ความเข้าใจผิดที่ 1: ถ้าเป็น PNG แสดงว่าสร้างด้วยโมเดลสร้างภาพ
ภาพเริ่มต้นในครั้งนี้เป็น PNG แต่ข้อมูลเมตามีชื่อและส่วนประกอบของ SVG ลักษณะที่ปรากฏก็เป็นการรวมกันของรูปทรงง่ายๆ นำไปสู่การตัดสินว่ามันเป็นภาพที่แปลงจาก SVG เป็น PNG สิ่งที่คุณควรตรวจสอบไม่ใช่แค่นามสกุลไฟล์ แต่คือเส้นทางที่มันถูกสร้างขึ้นมาและลักษณะที่ปรากฏจริง
ความเข้าใจผิดที่ 2: การเพิ่ม `$imagegen` จะเพิ่มคุณภาพภาพ
"After" ในครั้งนี้มีลักษณะที่ให้ข้อมูลมากกว่า "Before" มาก อย่างไรก็ตาม ฉันได้ระบุไมโครโฟน โทนสี การแรเงา พื้นหลัง องค์ประกอบ และคุณภาพพร้อมกัน การระบุเครื่องมือสร้างภาพอย่างชัดเจนจะกำหนดเส้นทางการสร้าง แต่เพียงเท่านั้นไม่ได้รับประกันผลลัพธ์ที่ถูกใจคุณ คุณยังต้องมีเงื่อนไขที่กำหนดลักษณะที่ปรากฏและเกณฑ์การผ่านเพื่อตัดสินว่ามันเหมาะสมกับวัตถุประสงค์หรือไม่
ความเข้าใจผิดที่ 3: ยิ่ง prompt ยาวยิ่งดี
เหตุผลที่ "After" ดีขึ้นไม่ใช่เพราะจำนวนคำที่เพิ่มขึ้น แต่เป็นเพราะมันรวมเงื่อนไขที่กำหนดผลลัพธ์: เครื่องมือสร้างภาพ, การห้ามใช้ SVG, หัวเรื่อง, โทนสี, พื้นหลัง, พื้นผิว, และตำแหน่งบันทึก เขียนเงื่อนไขที่จำเป็นสำหรับการตัดสิน ไม่ใช่ความยาว
สรุป
เมื่อ Codex ส่งภาพที่เรียบง่ายกลับมา สิ่งแรกที่ควรสงสัยไม่ใช่ประสิทธิภาพของโมเดลสร้างภาพ ให้ตรวจสอบว่าความตั้งใจของคุณได้รับการสื่อสารหรือไม่: คุณต้องการคอมโพเนนต์เวกเตอร์สำหรับโค้ด หรือภาพเดี่ยวที่เสร็จสมบูรณ์ในรูปแบบภาพถ่ายหรือภาพประกอบ
ถ้าคุณต้องการภาพเดี่ยว ให้เพิ่มประโยคนี้ก่อน:
──────── สำหรับก็อปปี้ไปวาง ────────
ใช้ $imagegen เพื่อสร้างภาพราสเตอร์โดยใช้โมเดลสร้างภาพ อย่าใช้ SVG, HTML, CSS หรือ canvas ทดแทน
──────────────────────
จากนั้น ให้เขียนวัตถุประสงค์, หัวเรื่อง, สไตล์, องค์ประกอบ, และข้อจำกัด
ในการวัดผลจริงนี้ เมื่อฉันขอให้ Claude Code สร้าง "ไอคอนแมวแบบง่ายๆ" Codex ตีความว่าเป็นคำขอให้สร้างวัสดุเวกเตอร์ และสร้าง PNG แบบแบนที่ได้จาก SVG ในทางกลับกัน การเรียกใช้ทักษะการสร้างภาพด้วย $imagegen โดยใช้เครื่องมือ image_gen ในตัว ไม่ใช้ SVG แทน และระบุหัวข้อ โทนสี พื้นผิว พื้นหลัง และคุณภาพ จะทำให้สร้างภาพประกอบที่เสร็จสมบูรณ์ซึ่งสะท้อนถึงข้อกำหนดเหล่านั้นได้ง่ายขึ้น
สิ่งที่กำหนดคุณภาพของภาพไม่ใช่ความยาวของพรอมต์ แต่มันคือการที่คุณได้แชร์ไม่เพียงแค่สิ่งที่ต้องสร้าง แต่รวมถึงว่ามันมีไว้เพื่ออะไร และสถานะใดที่ถือว่าผ่านเกณฑ์ เมื่อคุณสื่อสารมากขนาดนี้ Codex จะกลายเป็นมากกว่าแค่เครื่องสร้างภาพ มันกลายเป็นพันธมิตรการผลิตที่สร้างและตรวจสอบภาพตามวัตถุประสงค์
ในการเริ่มต้น ลองเพิ่ม "วัตถุประสงค์" หนึ่งข้อและ "เงื่อนไขการผ่าน" หนึ่งข้อในคำขอสร้างภาพตามปกติของคุณ แค่นั้นก็จะทำให้คุณเข้าใกล้จากการสร้างภาพที่รอความโชคดี มาเป็นการผลิตภาพที่สร้างผลลัพธ์ตามที่ตั้งใจไว้
อ้างอิง:
