Cách kiểm soát bố cục và chỉnh sửa ảnh chính xác với GPT Image 2.6

Bạn đã bao giờ gửi một câu lệnh tạo ảnh rất dài nhưng nhận về kết quả các chi tiết chen chúc nhau, dòng chữ quan trọng bị che khuất hoặc bố cục lộn xộn? Hay khi cần sửa một món đồ nhỏ trên tấm ảnh ưng ý, bạn lại ngại vì phải tạo mặt nạ đen trắng kỳ công mà màu sắc xung quanh vẫn dễ bị lem nhem?

Bản nâng cấp GPT Image 2.6 từ OpenAI giải quyết đúng những vướng mắc thường gặp đó. Thay vì chỉ nâng chất lượng vẽ chung chung, bản cập nhật này mang lại một cách tiếp cận mạch lạc hơn: tách biệt việc lên bố cục với việc vẽ chi tiết, đồng thời bổ sung các tính năng thiết thực như khoanh vùng sửa nhanh bằng cọ đỏ, xuất tệp vector SVG và tạo ảnh động GIF lặp.

Đọc hướng dẫn prompt ảnh từ OpenAI

Hiểu đúng hai thông số cốt lõi: complexity và quality

Nhiều bạn mới làm quen với công cụ tạo ảnh thường nghĩ cứ tăng chất lượng lên mức cao nhất là ảnh sẽ đẹp. Trong GPT Image 2.6, OpenAI đã phân định rạch ròi hai vai trò khác nhau giữa quality và complexity:

• quality đóng vai trò như độ tỉ mỉ của ngòi bút. Thông số này quyết định độ sắc nét của vân bề mặt, chi tiết chất liệu và khả năng đọc rõ các dòng chữ nhỏ.
• complexity đóng vai trò như thời gian người vẽ phác thảo bố cục trước khi đặt bút vẽ thật. Thông số này quyết định việc sắp xếp các mảng miếng: vật thể nào đứng trước, chi tiết nào lùi về sau và các lớp không gian tương tác ra sao.

Một ví dụ rất rõ ràng từ tài liệu của OpenAI là câu lệnh tạo bức tranh cắt giấy về một đội bóng ăn mừng chức vô địch bên trong sân vận động. Giữ nguyên từng chữ trong câu lệnh và chỉ tăng dần complexity từ thấp lên cao:

• Ở mức thấp (low), dải băng mừng công bị treo chắn ngay trước mặt các cầu thủ, khiến bố cục bị bí.
• Ở mức trung bình (medium), chiếc cúp có thêm vòng nguyệt quế và áo đấu xuất hiện huy hiệu, nhưng dải băng vẫn nằm phía trước.
• Ở mức cao (high), dải băng được dời khéo léo lên phần khán đài phía sau, nhường toàn bộ tiền cảnh thông thoáng cho các cầu thủ và nếp gấp áo đấu bằng giấy xanh.

Khi làm việc với các khung hình nhiều chi tiết, kinh nghiệm tinh chỉnh chuẩn là: bạn giữ nguyên quality ở mức trung bình và điều chỉnh complexity trước để chốt vị trí các vật thể. Khi bố cục đã đâu vào đấy nhưng chữ nhỏ hoặc chất liệu còn mờ, lúc đó bạn mới tăng quality lên mức cao. Việc thay đổi từng thông số một giúp bạn biết chính xác điều gì tạo nên sự khác biệt và tránh lãng phí thời gian thử sai.

Chọn mô hình: Flare nhanh gọn hay Sunburst tỉ mỉ?

Phiên bản 2.6 cung cấp hai biến thể phục vụ hai nhu cầu khác nhau:

• gpt-image-2.6-flare: Mô hình nhỏ gọn, tập trung vào tốc độ phản hồi nhanh. Biến thể này rất thích hợp để phác thảo ý tưởng ban đầu, tạo ảnh mẫu tức thì hoặc tích hợp vào các luồng công việc tự động cần xử lý số lượng lớn.
• gpt-image-2.6-sunburst: Mô hình nền tảng tiêu chuẩn, được thiết kế cho các tác vụ đòi hỏi cao về độ chi tiết, dàn trang, độ chuẩn xác của kiểu chữ và khả năng chỉnh sửa cục bộ.

Một mẹo nhỏ giúp tiết kiệm chi phí và thời gian từ OpenAI: nếu mô hình Sunburst đã tạo ra kết quả đạt chuẩn, bạn hãy thử chạy lại chính câu lệnh, ảnh tham chiếu và kích thước đó trên Flare. Trong nhiều trường hợp thực tế, Flare vẫn đáp ứng trọn vẹn chất lượng hiển thị mà lại giúp bạn nhận ảnh nhanh hơn nhiều.

Về lộ trình nâng cấp hệ thống, mô hình GPT Image 1 đã chính thức ngừng dịch vụ từ ngày 23/10/2026, còn GPT Image 1.5 dự kiến sẽ dừng vào ngày 01/12/2026. Nếu bạn đang có dự án hoặc ứng dụng gắn với các phiên bản cũ, đây là thời điểm phù hợp để chuyển dần sang 2.6.

Xuất trực tiếp vector SVG và ảnh động GIF

Không còn giới hạn trong các tệp điểm ảnh quen thuộc như PNG hay JPEG, GPT Image 2.6 đã hỗ trợ xuất trực tiếp hai định dạng rất hữu ích cho người làm thiết kế:

• Tạo logo vector SVG: Bằng cách đặt tham số output_format="svg", bạn có thể nhận về tệp đồ họa vector sắc nét, sẵn sàng phóng to thu nhỏ mà không sợ vỡ hạt. Khi kết hợp cùng background="transparent", phần nền sẽ hoàn toàn trong suốt để bạn đặt ngay lên trang web hay ấn phẩm in. Lưu ý khi gọi tạo SVG là không truyền các tham số như stream, partial_images hay output_compression. Dữ liệu trả về ở trường b64_json, bạn chỉ cần giải mã base64 và lưu thành tệp đuôi .svg.
• Tạo ảnh động lặp GIF: Để ảnh động quay vòng mượt mà, nguyên tắc quan trọng trong câu lệnh là xác định tư thế bắt đầu và tư thế kết thúc của nhân vật trùng khớp nhau, đồng thời giữ cố định góc máy. Trong tài liệu mẫu, OpenAI minh họa một chú khỉ cầm đèn lồng: nâng đèn lên, nhìn lên, chớp mắt rồi hạ đèn về đúng vị trí cũ trong một góc máy tĩnh. Với thiết lập 9 khung hình và 200 mili giây mỗi khung, bạn sẽ có một vòng lặp 1,8 giây chuyển động tự nhiên.

Chỉnh sửa cục bộ nhanh hơn với lớp khoanh vùng markup

Trước đây, khi muốn sửa một góc nhỏ trong bức ảnh qua API chỉnh sửa (POST /v1/images/edits), bạn phải tự tạo một mặt nạ đen trắng (mask) khá cách rách. Phiên bản 2.6 bổ sung tham số markup giúp thao tác này trực quan hơn rất nhiều:

• Bạn chỉ cần vẽ một vòng tròn đỏ trên một lớp ảnh trong suốt có kích thước điểm ảnh khớp hoàn toàn với ảnh gốc để chỉ rõ vật thể cần thay đổi (chẳng hạn chiếc bình hoa trên bàn ăn).
• Khi gửi yêu cầu, bạn truyền ảnh gốc vào mục image và lớp khoanh vùng vào mục markup. Trong câu lệnh, bạn nêu rõ: đổi màu chiếc bình sọc bên trong vòng tròn đỏ thành chất liệu gốm xanh cobalt, giữ nguyên hình dáng của bình và các cành hoa khô xung quanh, đồng thời xóa vòng tròn đỏ trên ảnh kết quả.
• Lưu ý kỹ thuật là markup chỉ áp dụng cho ảnh đầu vào đầu tiên, và khi đã dùng markup thì bạn không truyền thêm mask hay prompt_rewriter.

Cách làm này giúp bạn khoanh vùng đối tượng muốn sửa chỉ trong vài giây mà không cần thao tác đồ họa phức tạp.

Minh họa tạo bằng AI theo nội dung bài; không phải giao diện, dữ liệu hay kết quả sử dụng thực tế.

Sơ đồ nguyên lý do biên tập viên tạo, không phải kết quả chạy thử mô hình AI.

4 nguyên tắc viết câu lệnh thực tế từ 27 ca mẫu

Từ 27 trường hợp minh họa trong hướng dẫn của OpenAI, bạn có thể rút ra 4 nguyên tắc cốt lõi để viết câu lệnh hiệu quả:

1. Mô tả chi tiết nhìn thấy được thay vì dùng từ cảm xúc: Thay vì chỉ viết "ảnh phong cách điện ảnh ấn tượng", bạn hãy mô tả cụ thể góc máy 50mm ngang tầm mắt, ánh sáng ven biển dịu nhẹ, hạt phim mịn và bề mặt da rám nắng có nếp nhăn tự nhiên. Trong ảnh chụp đời thực, việc thêm câu dặn "không làm đẹp, không chỉnh sửa quá đà" (no glamorization and no heavy retouching) rất quan trọng để kìm xu hướng tự động làm mịn da của mô hình.
2. Khóa văn bản chính xác trong dấu ngoặc kép: Nếu bạn cần chữ xuất hiện trên biển quảng cáo, bìa sách hay trang trình chiếu, hãy đặt toàn bộ chữ đó trong dấu ngoặc kép và chỉ định xuất hiện đúng một lần. Với các từ chuyên ngành hay tên thương hiệu riêng, bạn có thể đánh vần từng chữ cái trong phần mô tả để hạn chế lỗi chính tả.
3. Tách bạch phần cần đổi và phần phải giữ nguyên: Khi yêu cầu AI thay đổi trang phục hay đặt nhân vật vào bối cảnh mới, phần dặn "giữ nguyên" thường dài hơn phần "cần đổi". Bạn cần liệt kê rõ những điểm không được chạm tới như đường nét khuôn mặt, màu da, dáng người và góc máy, giúp nhân vật giữ trọn nhận diện qua từng lượt chỉnh sửa.
4. Nhận diện đúng nền trong suốt: Tài liệu của OpenAI có một câu nhắc rất thực tế: "Một hình vẽ có ô ca rô không phải là độ trong suốt" (A drawn checkerboard is not transparency). Muốn lấy logo hay sản phẩm tách nền chuẩn, bạn cần đồng thời yêu cầu trong câu lệnh và thiết lập background="transparent" trên tham số, sau đó kiểm tra kênh alpha của tệp PNG hoặc WebP tải về.

Sau khi nắm vững các nguyên tắc này, bạn có thể tham khảo đầy đủ các tình huống và câu lệnh mẫu nguyên bản tại hướng dẫn gốc của OpenAI để chọn ngay cấu trúc phù hợp cho công việc của mình.

3 prompt gốc để bạn bắt đầu ngay

Các ví dụ dưới đây được biên soạn riêng cho người dùng Việt Nam. Đây là câu lệnh để thử, chưa phải kết quả đã chạy và kiểm nghiệm trên từng mô hình.

Tình huống 1: Ảnh sản phẩm phân bón cho trang bán hàng

Tạo ảnh sản phẩm phục vụ giới thiệu trên cửa hàng trực tuyến, khung dọc 4:5. Một can sản phẩm đặt ở tiền cảnh bên phải, khu vườn cây ăn trái xanh tốt ở hậu cảnh, ánh sáng buổi sáng tự nhiên. Chừa nửa bên trái thoáng sạch để biên tập viên đặt chữ sau. Giữ nguyên hình dáng, nhãn và thông tin trên sản phẩm tham chiếu; không tạo chữ, không thêm logo, không tự bịa thông số kỹ thuật hoặc mức hiệu quả. Phong cách ảnh thương mại chân thực, không phô trương.

Khi sản phẩm có bao bì thật, hãy đưa ảnh gốc vào làm tham chiếu. Kiểm kỹ tên, chữ trên nhãn và màu bao bì; nếu sai, đừng dùng hình AI thay cho ảnh chứng cứ sản phẩm.

Tình huống 2: Tranh học tiếng Anh cho trẻ nhỏ

Thiết kế minh họa 4:5 cho một trang học tiếng Anh về ba phương tiện: bus, bicycle và train. Mỗi phương tiện là một hình vẽ lớn, dễ nhận biết, có khoảng trắng rộng để dàn từ vựng bằng phần mềm bên ngoài. Màu vui tươi nhưng tiết chế, phong cách minh họa giáo dục đồng bộ, không vẽ mắt miệng trên đồ vật, không tự thêm chữ, số hay biểu tượng khác. Tất cả phương tiện nằm trọn trong khung, không chồng che nhau.

Để tránh sai chữ khi in PDF cho trẻ, cách an toàn là yêu cầu AI tạo hình không chữ, sau đó dàn tiếng Anh và tiếng Việt bằng công cụ thiết kế.

Tình huống 3: Chỉnh ảnh có một thay đổi duy nhất

Chỉ thay màu của chiếc ghế ở góc phải thành xanh ngọc trầm. Giữ nguyên vị trí ghế, kích thước, hướng đổ bóng, góc chụp, tường, sàn, đồ vật xung quanh và chất lượng ảnh. Không thay đổi phần nào khác, không thêm đồ vật, không tạo chữ.

Với thao tác chỉnh ảnh, câu “giữ nguyên” quan trọng không kém câu “thay đổi”. Sau mỗi lượt, hãy đối chiếu ảnh gốc và ảnh mới ở cùng độ phóng đại.

Cách đánh giá kết quả: chấm riêng bốn mục bố cục, độ chính xác nội dung, khả năng đọc chữ và mức giữ nguyên ảnh gốc; ghi mức complexity, quality, kích thước và mô hình dùng ở mỗi lượt để biết cấu hình nào phù hợp việc của bạn.

Những giới hạn kỹ thuật cần nhớ trước khi làm việc

Để áp dụng công cụ vào quy trình suôn sẻ, bạn nên lưu ý một số ranh giới kỹ thuật sau:

• Ràng buộc kích thước: Chiều dài và chiều rộng của ảnh tùy chỉnh bắt buộc phải là bội số của 16, và tỷ lệ khung hình phải nằm trong khoảng từ 1:3 đến 3:1.
• Bảo toàn điểm ảnh: Mô hình tạo ảnh hoạt động theo cơ chế xác suất nên không thể cam kết giữ nguyên 100% từng điểm ảnh ở các vùng lân cận. Nếu dự án đòi hỏi sự chuẩn xác tuyệt đối ở các mảng cố định, giải pháp an toàn nhất là cắt phần AI đã sửa rồi ghép đè ngược lại vào ảnh gốc.
• Tham số không còn hỗ trợ: Phiên bản 2.6 không còn hỗ trợ tham số input_fidelity khi chỉnh sửa ảnh và không hỗ trợ reasoning.summary.
• Kiểm tra tính xác thực của số liệu: Khi tạo các biểu đồ phân tích thị trường hay slide thuyết trình, mô hình có thể tự điền thêm số liệu hoặc phần trăm cho bố cục trông sinh động. Bạn luôn cần kiểm tra lại từng con số trước khi đưa vào báo cáo thực tế.

Cách tiếp cận thuận tiện nhất cho người mới bắt đầu là chuẩn bị sẵn một nhóm câu lệnh quen thuộc cho các việc bạn hay làm, chạy thử trên Flare để kiểm tra tốc độ, và chỉ chuyển sang Sunburst khi cần độ hoàn thiện chi tiết tối đa.