วิธีใช้ GPT Image 2: คู่มือพรอมต์, พารามิเตอร์ และเวิร์กโฟลว์

OpenAI เปิดตัว GPT Image 2 (ที่ขับเคลื่อน ChatGPT Images 2.0 ด้วย) เมื่อวันที่ 21 เมษายน 2026 ถือเป็นก้าวกระโดดครั้งใหญ่ของการสร้างภาพด้วย AI โมเดลมัลติโหมดเชิงเนทีฟรุ่นนี้มาพร้อมการเรนเดอร์ข้อความที่เหนือกว่า (ความแม่นยำเข้าใกล้ 99% หลายอักษร), ความยืดหยุ่นด้านความละเอียดสูงสุดถึง 2K (พร้อม 4K เวอร์ชันเบต้า), ความสามารถในการทำตามคำสั่งที่ล้ำหน้า, รองรับหลายภาษา และความสามารถ "Thinking" ที่ช่วยให้ค้นเว็บ รักษาความคงเส้นคงวาหลายภาพ และตรวจสอบตนเองได้

CometAPI ให้ช่องทางที่เข้ากันได้กับ OpenAI เพื่อเข้าถึง GPT Image 2 ผ่านเลเยอร์ API เดียวกัน พร้อมราคาที่คุ้มค่า

GPT Image 2 คืออะไร?

GPT Image 2 (model ID: gpt-image-2) คือโมเดลสร้างและแก้ไขภาพรุ่นล้ำหน้าของ OpenAI ที่ขับเคลื่อน ChatGPT Images 2.0 และทำหน้าที่เป็น “GPT สำหรับภาพ” แบบรวมศูนย์ — รองรับงานภาพที่ซับซ้อนด้วยการให้เหตุผล การแก้ไข และเอาต์พุตแม่นยำ

ความก้าวหน้าหลักเหนือรุ่นก่อน (GPT Image 1 / 1.5 และ DALL-E 3):

• การเรนเดอร์ข้อความ: ความแม่นยำ ~99% สำหรับภาษาอังกฤษ และพัฒนามากในภาษาญี่ปุ่น เกาหลี จีน ฮินดี เบงกาลี และอื่น ๆ จัดการข้อความหนาแน่นได้อย่างเชื่อถือ เช่น หัวเรื่อง เนื้อหา ป้ายกำกับ และไอคอน โดยไม่มีการสะกดผิดหรือบิดเบี้ยวแบบที่พบบ่อย
• ความละเอียดและอัตราส่วนภาพ: รองรับเนทีฟสูงสุด 2K (2560x1440 หรือใกล้เคียง แนะนำสูงสุด ~3.6M พิกเซลเพื่อความสม่ำเสมอ; สูงสุด ~8.29M พิกเซล หรือขอบยาวสุด 3840px พร้อมข้อจำกัด) อัตราส่วนยืดหยุ่นตั้งแต่กว้าง 3:1 ถึงสูง 1:3; ความยาวขอบต้องหาร 16 ลงตัว 4K ยังเป็นแบบทดลอง/เบต้า
• การทำตามคำสั่งและโหมด Thinking: โมเดลสามารถ “คิด” (ค้นเว็บ วางแผน สร้างหลายเวอร์ชัน และตรวจสอบตนเอง) เพื่อให้เอาต์พุตที่ซับซ้อน เช่น ชุดคาแรกเตอร์คงที่ สตอรีบอร์ด หรืออินโฟกราฟิกตามข้อมูล ใช้ได้กับผู้ใช้ ChatGPT แบบชำระเงิน; เพิ่มคุณภาพการสร้างหลายภาพ (สูงสุด 8 ภาพคงเส้นคงวาจากพรอมท์เดียว)
• การแก้ไขและความเที่ยงตรง: รักษารายละเอียดในการแก้ไขภาพต่อภาพได้ดีขึ้น; รองรับอินพุตคุณภาพสูง
• จุดตัดความรู้: ธันวาคม 2025 รองรับการอ้างอิงสไตล์ แบรนด์ และผลิตภัณฑ์ล่าสุด
• การผสานมัลติโหมด: ทำงานราบรื่นในแชตเพื่อปรับแต่งแบบวนรอบ

โดดเด่นในการสร้างภาพที่ “ใช้งานได้จริง” — ไม่เพียงศิลปะ แต่พร้อมใช้งานจริงสำหรับโฆษณา พรีเซนเทชัน UI/UX เอกสาร และอื่น ๆ ผลทดสอบระยะแรกชี้ว่าขึ้นนำตารางจัดอันดับ พร้อม Elo เพิ่มขึ้นอย่างมีนัยในงาน text-to-image และงานแก้ไข

พารามิเตอร์โมเดลและสเปกทางเทคนิคของ GPT Image 2

นักพัฒนาเข้าถึง GPT Image 2 ผ่าน OpenAI API (หรือเกตเวย์ที่เข้ากันได้) โดยใช้ตัวระบุโมเดล gpt-image-2 (สแนปช็อต: gpt-image-2-2026-04-21) หากจะจำเพียงเรื่องเดียวจากคู่มือนี้ จงจำว่า: GPT Image 2 จะตอบสนองได้ดีกว่ามากเมื่อคุณควบคุม “พื้นที่การสร้าง” อย่างตั้งใจ

พารามิเตอร์หลักที่คุณจะใช้จริง

สรุปข้อจำกัด:

• จำนวนพิกเซลรวมต้องไม่เกินลิมิตเพื่อหลีกเลี่ยงข้อผิดพลาด
• สำหรับโปรดักชัน: เริ่มทดสอบด้วย quality=low/medium แล้วค่อยอัปสเกลเป็น high
• เวลาแฝง: ความเร็วระดับกลาง; โหมด Thinking เพิ่มเวลาให้เหตุผลแต่ยกระดับคุณภาพสำหรับพรอมท์ซับซ้อน
• พรอมท์และเอาต์พุตทั้งหมดถูกกรองตามนโยบาย โดยโมเดล GPT Image รองรับ moderation: "auto" หรือ moderation: "low" OpenAI อธิบายว่า auto เป็นตัวกรองมาตรฐาน และ low มีข้อจำกัดน้อยกว่า

โมเดลนี้มองการสร้างภาพเป็นส่วนหนึ่งของสถาปัตยกรรมแบบรวม จึงให้เหตุผลเชิงพื้นที่ มุมมอง และการควบคุมเลย์เอาต์ได้ดีกว่าโมเดลดิฟฟิวชันล้วน

หมายเหตุเฉพาะสำหรับงานแก้ไข

เมื่อคุณแก้ไขภาพ GPT Image 2 รับอินพุตภาพด้วยความเที่ยงตรงสูง ภาพต้นฉบับและมาสก์ต้องมีรูปแบบและขนาดตรงกัน และมาสก์ต้องมีช่องอัลฟา เรื่องนี้สำคัญมากหากคุณสร้างเวิร์กโฟลว์ inpainting การรีทัชสินค้า หรือฟีเจอร์แก้ไขภาพใด ๆ ที่ผู้ใช้ต้องการเปลี่ยนเฉพาะบางบริเวณและคงส่วนอื่นทั้งหมดไว้

เคล็ดลับการใช้งาน GPT-Image-2 และไกด์คำบอกใบ้ (Cue)

GPT-Image-2 รองรับภาษาธรรมชาติ เพียงบรรยายสิ่งที่ต้องการก็สร้างภาพที่ตรงตามนั้นได้โดยไม่ต้องมีโครงสร้างซับซ้อน โมเดลรองรับการวนรอบหลายครั้ง

คุณค่าของโครงสร้างซับซ้อนอยู่ที่ “การควบคุมความแม่นยำ” ไม่ใช่ความจำเป็น ควรใช้โครงสร้างเชิงซับซ้อนในสองกรณี: งานเชิงพาณิชย์ที่ต้องการความคงเส้นคงวา (การสร้างซ้ำหลายครั้งสิ้นเปลืองเวลา/เงิน) และเมื่อแก้ไขภาพที่มีอยู่ซึ่งต้องระบุอย่างแม่นยำว่าจะเก็บอะไรและเปลี่ยนอะไร

โครงสร้าง Cue พื้นฐาน

คำบอกใบ้ที่แข็งแรงสำหรับ GPT Image 2 ควรอ่านเหมือนบรีฟงานศิลป์ฉบับย่อ ไม่ใช่ไอเดียเลื่อนลอย จัดระเบียบพรอมท์ตามลำดับ: ฉากหรือพื้นหลังก่อน, ตัวแบบถัดมา, รายละเอียดสำคัญเป็นข้อที่สาม และข้อจำกัดเป็นท้ายสุด สำหรับเอาต์พุตที่ซับซ้อน การขึ้นบรรทัดใหม่หรือทำหัวข้อมีป้ายกำกับอ่านง่ายกว่าพารากราฟหนาแน่นเดียว

โครงสร้างที่ไว้ใจได้มีลักษณะดังนี้:

Goal: [what the image is for]Scene: [where it happens, time, environment]Subject: [main person/object/product]Style: [photo, editorial, illustration, UI, infographic]Details: [lighting, composition, lens, color, material, typography]Constraints: [no watermark, no extra text, preserve identity, keep background unchanged]

ตัวอย่างเช่น หากเป้าหมายคือภาพฮีโร่ของบล็อก อย่าพูดเพียงว่า “ทำให้ดูอนาคต” แต่จงระบุองค์ประกอบที่ชัดเจน อารมณ์ ลำดับความสำคัญภาพ และพื้นที่ว่างที่ต้องการสำหรับหัวเรื่อง

หลักการสำคัญ

จงเฉพาะเจาะจง ระบุวัสดุ เนื้อสัมผัส รูปร่าง ภาษากล้อง และสื่อ สำหรับภาพเสมือนจริง แนะนำให้ใช้คำว่า “photorealistic” โดยตรงและเพิ่มคำบอกใบ้พื้นผิวโลกจริง เช่น รูขุมขน ริ้วรอย รอยยับผ้า หรือความไม่สมบูรณ์เล็ก ๆ

ใส่ราวกันตกในพรอมท์ สำหรับงานแก้ไข ให้ระบุชัด ๆ ว่า “เปลี่ยนเฉพาะ X” และ “อย่างอื่นทั้งหมดคงเดิม” OpenAI แนะนำให้ระบุรายการสิ่งที่ต้องคงที่ เช่น เอกลักษณ์ ตำแหน่งเรขาคณิต เลย์เอาต์ ป้ายกำกับ มุมกล้อง และวัตถุแวดล้อม

ทำซ้ำด้วยก้าวเล็ก ๆ เริ่มด้วยพรอมท์ฐานที่สะอาด แล้วค่อยปรับด้วยคำสั่งสั้น ๆ เช่น “ทำให้แสงอุ่นขึ้น”, “ลบต้นไม้ที่เกินมา”, หรือ “คืนฉากหลังเดิม” นี่เป็นหนึ่งในกลยุทธ์ควบคุมหลักของคู่มือ

ปรับคุณภาพให้เหมาะกับงาน gpt-image-2 รองรับคุณภาพเอาต์พุต low, medium, และ high โดย low เหมาะกับความเร็ว และ medium/high สำหรับความเที่ยงตรงสูงสุด สำหรับข้อความหนาแน่น ไดอะแกรม และเลย์เอาต์หลายฟอนต์ แนะนำ medium หรือ high

การแก้ไขภาพ: ปรับภาพที่มีอยู่

เมื่อแก้ไข ให้ระบุสิ่งที่ต้องคงเดิมและสิ่งที่อนุญาตให้เปลี่ยน ตัวอย่างของ OpenAI มักล็อกเอกลักษณ์ โพสท์ เฟรม มุมกล้อง หรือฉากหลังเมื่อสิ่งเหล่านั้นต้องคงที่ แล้วอธิบายการแก้ไขอย่างแม่นยำ สำหรับ gpt-image-2 เวิร์กโฟลว์แก้ไขยังรองรับการควบคุมฉากหลังด้วย background="transparent", opaque, หรือ auto และคุณสามารถให้ภาพอินพุตได้สูงสุด 16 ภาพในเวิร์กโฟลว์แก้ไขที่รองรับ

รูปแบบ Cue สำหรับงานแก้ไข

Preserve: face, pose, framing, background.Change only: clothing / object / lighting / season / material.Do not add: text, logos, watermarks, extra objects.

การคอมโพสิตอ้างอิงหลายภาพ

เมื่อใช้มากกว่าหนึ่งภาพอ้างอิง ให้ติดฉลากตามดัชนีและอธิบายปฏิสัมพันธ์อย่างชัดเจน เช่น “Image 1: product photo” และ “Image 2: style reference” ระบุอย่างแม่นยำว่าสิ่งใดควรย้ายไปที่ไหน และคงองค์ประกอบในฉากใดไว้ นี่คือวิธีที่สะอาดที่สุดในการแทรก แทนที่ โอนถ่ายสไตล์ และผสานองค์ประกอบ

ตัวอย่าง

Image 1: person in a room.Image 2: dog reference.Place the dog from Image 2 next to the person in Image 1.Keep the room, camera angle, and lighting unchanged.Match scale, perspective, and shadow.

เทคนิคการเรนเดอร์ข้อความ

เพื่อให้ข้อความอ่านง่าย ให้ใส่เนื้อความที่จะใช้จริงไว้ในเครื่องหมายอัญประกาศ เรียกร้องการเรนเดอร์แบบฮูบฮาบ และระบุการจัดวาง สไตล์ฟอนต์ และคอนทราสต์ ข้อความในภาพจะทำงานได้ดีที่สุดเมื่อพรอมท์เข้มงวดและปรับแต่งเป็นขั้น ๆ เล็ก ๆ เหมาะกับบิลบอร์ด ม็อกอัป โปสเตอร์ สไลด์ และแพ็กเกจจิง

ตัวอย่าง

Add this exact text, verbatim:"Fresh and clean"Typography: bold sans-serif, centered, high contrast, clean kerning.No extra characters, no second instance of the text.

วิธีเริ่มต้นใช้งาน GPT Image 2 บน CometAPI:

• สมัครที่ CometAPI และรับคีย์ API ของคุณ
• ใช้ OpenAI Python SDK มาตรฐาน (หรือไคลเอนต์ที่เข้ากันได้ใด ๆ) พร้อม base URL แบบกำหนดเอง:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_COMETAPI_KEY",
    base_url="https://api.cometapi.com/v1"
)

response = client.images.generate(
    model="gpt-image-2",  # or specific snapshot
    prompt="Your detailed prompt here",
    size="1792x1024",     # flexible resolution
    quality="high",
    n=1                   # number of images
)

print(response.data[0].url)  # or b64_json for direct data

สำหรับการสร้างแบบผสานในแชต (พฤติกรรมคล้าย Thinking) ให้ใช้เอนด์พอยต์ chat completions และอ้างอิงการสร้างภาพในข้อความ

สิทธิประโยชน์บน CometAPI:

• ประหยัดค่าใช้จ่าย: ราคาที่แข่งขันได้ (เช่น ระบุการปรับราคาการสร้างภาพอย่างเหมาะสม เช่น Nano Banana 2 ในระดับราคาที่ต่ำกว่า; เส้นทาง GPT Image 2 อย่างมีประสิทธิภาพ) ไม่ต้องจัดการหลายคีย์
• รองรับความขนานสูงและเวลาแฝงต่ำ: อินฟราสต럭เจอร์ระดับองค์กร
• อีโคซิสเต็มแบบรวม: ผสานกับโมเดลข้อความ (ซีรีส์ GPT-5, Claude ฯลฯ), วิดีโอ หรือเจเนอเรเตอร์ภาพอื่นในไปป์ไลน์เดียว
• ความเชื่อถือได้: แคชสำหรับอินพุตที่ซ้ำลดค่าใช้จ่าย; มีเส้นทางสำรองเมื่อจำเป็น
• การสเกล: เหมาะสำหรับแอประดับโปรดักชันที่สร้างงานภาพการตลาด ม็อกอัปสินค้า หรือคอนเทนต์อัตโนมัติปริมาณมาก

คำแนะนำ: สำหรับเคสใช้งานปริมาณสูง (เช่น ภาพสินค้าอีคอมเมิร์ซหรือชุดโพสต์โซเชียล) ทดสอบระดับคุณภาพบน CometAPI ก่อน ติดตามการใช้งานผ่านแดชบอร์ดของพวกเขาและใช้แคชชิงกับพรอมท์แปรรูป นักพัฒนาจำนวนมากรายงานว่าเวิร์กโฟลว์ลื่นไหลขึ้นและประหยัดกว่าการคิดเงินตรงจาก OpenAI โดยเฉพาะเมื่อผสมหลายโมเดล

หากคุณกำลังสร้างแอพที่ขับเคลื่อนด้วย AI หรือทำอัตโนมัติงานภาพบน CometAPI, เริ่มจาก gpt-image-2 สำหรับงานที่ต้องการความแม่นยำ แล้วทดลองทางเลือกอื่นสำหรับงานเชิงศิลป์

เคสใช้งาน GPT Image 2 พร้อมตัวอย่างพรอมท์

GPT Image 2 โดดเด่นในสถานการณ์ที่ใช้งานจริง ต่อไปนี้คือเคสใช้งานพร้อมพรอมท์สำเร็จรูป (ปรับให้เหมาะกับ CometAPI หรือ OpenAI API)

การใช้งานจริงและเคส

GPT Image 2 โดดเด่นใน:

• การตลาดและออกแบบ: โปสเตอร์มืออาชีพ โซเชียลแอสเซ็ต ม็อกอัปสินค้า และอินโฟกราฟิกที่มีข้อความสมบูรณ์แบบ
• ธุรกิจและการศึกษา: สไลด์ ไดอะแกรม การนำเสนอข้อมูล และสื่อการสอน
• พัฒนาผลิตภัณฑ์: ม็อกอัป UI/UX ภาพหน้าจอแอพ และต้นแบบที่ไล่ระดับ
• สร้างคอนเทนต์: มังงะ สตอรีบอร์ด ชีตคาแรกเตอร์คงเส้นคงวา และสินทรัพย์มัลติมีเดีย
• เวิร์กโฟลว์แก้ไข: ขัดเกลาภาพถ่ายหรือสร้างเวอร์ชันโดยคงเอกลักษณ์และรายละเอียด

ผู้ใช้ระยะแรกกล่าวว่าให้ความรู้สึก “พร้อมโปรดักชัน” ลดเวลาหลังการผลิตได้อย่างมาก

1. สินทรัพย์การตลาดและโซเชียลมีเดีย

Use Case: โฆษณาที่สะดุดตาพร้อมแบรนดิ้งและคำกระตุ้นการตัดสินใจที่แม่นยำ

Example Prompt:

Scene: Clean white studio background with subtle gradient. Subject: Modern wireless earbuds in matte black and silver, floating dynamically. Details: High-end product photography, reflective surfaces, precise shadows. Text: Headline "Experience Crystal Clear Sound" in bold sans-serif, subhead "$129 - Limited Offer" in smaller font. Style: Photorealistic, commercial product shot, 16:9 aspect ratio. Constraints: No people, exact text only, high resolution for web use.

2. ม็อกอัป UI/UX และภาพหน้าจอแอพ

Use Case: การทำต้นแบบอย่างรวดเร็วสำหรับอินเทอร์เฟซมือถือ/เว็บ

Example Prompt:

Create a high-fidelity iOS app screenshot for a fitness tracking app. Screen: Dark mode dashboard showing steps: 12,458, heart rate 72 bpm, calories 487. UI Elements: Bottom navigation bar with icons labeled "Home", "Stats", "Profile". Text: All labels in SF Pro font, exact numbers as specified. Style: Realistic smartphone frame, subtle bevel, clean modern design. Resolution: 1170x2532 (iPhone-like).

3. อินโฟกราฟิกและภาพข้อมูล

Use Case: รายงานหรือพรีเซนเทชันมืออาชีพพร้อมสถิติที่แม่นยำ

Example Prompt (with Thinking for data verification):

Thinking: Plan a clean infographic on AI adoption rates 2025-2026. Generate an infographic: Title "AI Growth Statistics 2026". Sections with icons and bars: "Enterprises using AI: 78%", source labels. Color palette: Blues and greens, modern flat design with subtle gradients. Exact text and numbers only. High readability at 2K resolution.

4. หน้ามังงะ/คอมิก หรือสตอรีบอร์ด

Use Case: คาแรกเตอร์คงเส้นคงวาข้ามแต่ละช่อง

Example Prompt:

Generate a 4-panel manga page in black-and-white ink style. Consistent character: Young female detective with short black hair, trench coat. Panel 1: Close-up surprised expression, speech bubble "The clue was right here!". Panel 2-4: [describe actions sequentially]. Maintain exact character design across all panels, Japanese manga style, speech bubbles with exact text.

5. การแก้ไขภาพ/สร้างเวอร์ชัน

อัปโหลดภาพฐานและพรอมท์: "Preserve the woman's pose and clothing, change background to futuristic city at night, add glowing holographic text 'Innovation 2026'."

วนรอบในแชต: สร้างแล้วค่อยปรับด้วย "Make the text bolder and shift composition left."

บทสรุป

GPT Image 2 คือการเปลี่ยนผ่านสู่ภาพจาก AI ที่ใช้งานได้จริง — แม่นยำ หลายภาษา และเพิ่มพูนการให้เหตุผล ด้วยการเชี่ยวชาญเฟรมเวิร์กการเขียนพรอมท์และใช้งานผ่าน CometAPI อย่างมีประสิทธิภาพ คุณจะประหยัดค่าใช้จ่าย สเกลองค์กร และสร้างภาพระดับมืออาชีพได้เร็วกว่าเดิม

สำหรับนักพัฒนาและทีมงาน: ผสานผ่าน CometAPI วันนี้เพื่อเข้าถึง gpt-image-2 อย่างคุ้มค่าเคียงข้างโมเดลอีกนับร้อย ทดลองตัวอย่างข้างต้น ปรับแต่งใน ChatGPT แล้วเฝ้าดูเวิร์กโฟลว์งานภาพของคุณเปลี่ยนไป

พร้อมเริ่มหรือยัง? ไปที่ CometAPI รับคีย์ของคุณ และสร้างสินทรัพย์คุณภาพสูงภาพแรกด้วย GPT Image 2 แบ่งปันผลงานและเคล็ดลับพรอมท์ของคุณใน Slack — มาสร้างภาพที่ดีกว่าไปด้วยกัน