透過技能設定最大化 Codex 圖像生成效能

你還覺得 Codex 的圖片生成只是附加功能嗎？

Codex 通常被視為一個寫程式碼的工具。

然而，現在的 Codex 已經準備了一個用於圖片生成的 imagegen 技能。除了生成和編輯圖片，你還可以直接在專案中處理產生的素材。

從設計到程式碼，再到素材產出，全部可以在同一個工作環境中完成。

即便如此，如果只按照預設方式使用，就判定它「無法產生我想要的圖片」還言之過早。

結果的好壞不僅取決於圖片生成模型的效能，更取決於你提供了什麼資訊，以及你用什麼流程來生成圖片。

技能（Skill）就是設計這些生成流程的機制之一。

Codex 已為圖片生成準備好專屬技能

Codex 的 imagegen 技能不只是生成圖片，它還定義了圖片生成應該如何進行的流程。

舉例來說，在建立去背素材時：

系統會提供一套工作流程，先產生一張帶有純色去背背景的圖片，然後移除背景顏色，最後建立 Alpha 通道。

你可以使用一個名為 remove_chroma_key.py 的腳本進行背景移除。

換句話說：

生成圖片。

處理背景。

檢查結果。

必要時修正。

圖片生成並非止於單次輸出，而是可以將其視為一個製作環節來處理。

Codex 的圖片生成不僅僅是一個簡單的「生成按鈕」。

你可以打造整個圖片製作流程。

把提示詞當成「規格書」而非「指令」

圖片生成結果不穩定的原因之一，在於輸入資訊不夠明確。

「時尚」

「夢幻」

「成熟可愛」

人類可以在一定程度上共享這些畫面想像。

但要用這些詞彙畫出一張圖片，資訊是不夠的。

OpenAI 的圖片生成指南中介紹了一種結構化描述提示詞的方法：

1. 場景：舞台或情境
2. 主體：主要對象
3. 重要細節：不可或缺的元素
4. 使用情境：圖片的用途
5. 限制條件：尺寸、邊距等約束

舉例來說，不要只下「一位時尚女性的插圖」這樣的指令，而是拆解成：

傍晚的安靜書房。

一位坐在筆電前的女性。

深棕色長髮披肩。

沉穩的米色服裝。

作為文章的主題圖片使用。

右側預留放置標題的空間。

像這樣一步一步拆解。

這更像是製作一份圖片規格書，而不是撰寫圖片生成提示詞的感覺。

將形容詞轉換為「看得見的資訊」

在圖片生成中，單靠抽象的形容詞很難穩定產出結果。

美麗。

驚豔。

夢幻。

可愛。

與其使用這些詞彙，不如改為：

溫暖的側光。

長長的陰影。

薄薄的霧氣。

低飽和度的藍紫色。

柔和的景深。

空氣中飄浮的細微光點。

把它們轉換成實際可以渲染成圖片的資訊。

與其指示「讓它變得更夢幻」，不如寫出讓它看起來夢幻的視覺理由。

不過，人類不需要每次都自己思考這個轉換過程。

你可以在技能中定義一個規則：「將抽象的形容詞轉換為具體的光線、色彩、構圖、質感等視覺資訊。」

使用者輸入「讓它再夢幻一點」。

Codex 將這個指令整理成圖片可用的視覺資訊。

你可以把這個轉換過程交給技能來處理。

為你的使用情境量身打造圖片生成技能

每個專案的圖片生成目的都不一樣。

UI 示意圖。

網站背景。

圖示。

角色。

橫幅。

遊戲素材。

如果需要的圖片不同，生成時強調的資訊也會改變。

舉例來說，橫幅需要預留放置文字的邊距。

圖示則需要在小尺寸下也能辨識的輪廓。

UI 示意圖則是版面的協調性優先於裝飾。

你可以在技能中定義這些因使用情境而異的規則。

例如：

將抽象詞彙轉換為具體的視覺資訊。

整理場景、主體、重要細節、使用情境和限制條件。

根據使用情境調整構圖和邊距。

在編輯時區分要保留和要改變的元素。

你不是在改變圖片生成模型本身。

你是在生成圖片之前，先用技能設定好判斷的標準。

這就是使用技能進行圖片生成的意義所在。

今天就能開始的改變

如果你正在用 Codex 生成圖片，不妨檢查一下 imagegen 技能的內容一次。

它不只是把提示詞丟給圖片生成 AI 就結束了。

生成。

編輯。

去背處理。

確認。

修正。

你可以讓 Codex 把圖片製作當作一套完整的工作流程來處理。

在此基礎上，把你使用情境所需的圖片生成規則定義成技能。

你不需要每次手動將模糊的指令改寫成冗長的提示詞。

而是把轉換規則直接交給 Codex。

要發揮 Codex 的圖片生成潛力，與其增加提示詞，不如先設計好技能。