Мы итеративно используем LLM в соответствии с темой, чтобы построить сцены, и автоматически генерируем подсказки, оптимизированные для GPT-image2.0, после чего выводим их. Композиции, которые трудно получить обычной генерацией изображений, реализуем с помощью подхода «изображение-в-изображение». Чтобы снизить затраты, увеличиваем масштаб вывода 1k низкого качества.
Примечание: поскольку GPT-Image2.0 имеет выраженную склонность выдавать результат, идентичный исходному изображению, мы добавили подсказку для подавления этого поведения.