你是否仍然认为 Codex 图像生成只是一个附加功能？
Codex 常被视为一个编写代码的工具。
然而，当前版本的 Codex 已经内置了用于图像生成的 imagegen 技能。除了生成和编辑图像之外，你还可以直接在项目中处理生成的素材。
从设计到代码，再到素材制作，一切都可以在同一个工作环境中完成。
即便如此，仅凭默认用法就断言它"生成不了我想要的图片"，还为时过早。
结果不仅取决于图像生成模型的性能，还取决于你提供了什么信息，以及你采用了什么流程来生成它。
而设计这些生成流程的机制之一，就是技能。
Codex 已内置用于图像生成的技能
Codex 的 imagegen 技能不仅仅是生成图像，它还定义了图像生成应该如何进行的流程。
例如，在创建透明素材时：
系统会提供一个工作流程，先生成带有纯色色度键背景的图像，然后移除背景颜色，并创建 Alpha 通道。
你可以使用一个名为 remove_chroma_key.py 的脚本进行背景移除。
换句话说：
生成图像。
处理背景。
检查结果。
必要时进行修正。
图像生成并不会在一次输出后就结束，而是将其作为生产流程中的一个步骤来处理。
Codex 的图像生成不仅仅是一个简单的"生成按钮"。
你可以构建整个图像生产工作流程。
将提示词视为"规格说明"而非"指令"
导致图像生成输出不一致的一个原因，是输入信息的模糊性。
"时尚的"
"梦幻的"
"成熟又可爱的"
人类之间可以对这些词汇有一定的共同理解。
然而，这些信息并不足以将其绘制成图像。
OpenAI 的图像生成指南介绍了一种结构化的提示词描述方法。
- 场景：舞台或情境
- 主体：主要对象
- 重要细节：关键要素
- 用途：图像的用途
- 约束：尺寸、边距等限制
例如，与其使用"一个时尚女性的插画"这样的指令，不如这样分解：
一个安静的黄昏书房。
一位女性坐在笔记本电脑前。
深棕色长发垂至肩膀。
柔和的米色衣服。
用作文章的头图。
右侧留出标题的边距。
这更像是创建一张图像规格说明书，而不是在写图像生成提示词。
将形容词转化为"可视化信息"
在图像生成中，仅靠抽象的形容词很难让结果稳定。
美丽的。
惊艳的。
梦幻的。
可爱的。
与其使用这些词，不如使用：
温暖的侧光。
长长的阴影。
薄薄的雾气。
低饱和度的蓝紫色。
柔和的景深。
空气中飘浮的细微光线。
将它们转化为实际可渲染成图像的信息。
与其指示"让它更梦幻"，不如写出它看起来梦幻的视觉原因。
不过，人类不需要每次都思考如何转化这些信息。
你可以在技能中定义一个规则："将抽象形容词转化为具体的光线、色彩、构图和质感等视觉信息。"
用户输入"再稍微梦幻一点"。
Codex 将该指令整理为可视化信息用于图像生成。
你可以将这个转化过程本身交给技能来处理。
根据你的用例定制图像生成技能
图像生成的用途因项目而异。
UI 设计稿。
网站背景。
图标。
角色。
横幅。
游戏素材。
如果所需的图像不同，生成时所强调的信息也会有所不同。
例如，横幅需要为放置文字预留边距。
对于图标来说，即使在小尺寸下也能识别的轮廓形状很重要。
对于 UI 设计稿来说，布局的一致性比装饰性更优先。
你在技能中定义这些特定于用例的规则。
例如：
将抽象术语转化为具体的视觉信息。
组织场景、主体、重要细节、用途和约束。
根据用例调整构图和边距。
在编辑时，分离需要保持的元素和需要改变的元素。
你并没有改变图像生成模型本身。
你在使用技能生成图像之前，就固定好了判断标准。
这就是将技能用于图像生成的意义所在。
一个从今天开始就可以采取的行动
如果你正在使用 Codex 生成图像，请检查一下 imagegen 技能的内容。
这不只是把提示词扔给图像生成 AI 就完事了。
生成。
编辑。
透明度处理。
确认。
修正。
你可以让 Codex 将图像生产作为一个完整的工作流程来处理。
除此之外，将你的用例所需的图像生成规则定义为技能。
你不需要每次都把模糊的指令重写成长长的提示词。
将那个转化规则本身交给 Codex。
要充分发挥 Codex 的图像生成性能，请在增加提示词之前，先设计好技能。
