Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →OpenAI GPT-image-2 모델 전용 이미지 프롬프트 텍스트 빌더. 사용자 자연어 한 줄 + AskUserQuestion 프리셋·미세조정 라운드로 컨텍스트를 수집하고, OpenAI Cookbook 공식 6-Block 구조(Subject·Action·Scene·Composition·Lighting·Style&Text)에 매핑해 ChatGPT·OpenAI API에 복붙 가능한 프롬프트를 출력합니다. 보너스로 같은 입력에 대한 Gemini 3 Pro Image · Midjourney v8.1 프롬프트도 함께 생성해 모델 간 비교·이식이 즉시 가능합니다. 다음과 같은 요청 시 반드시 이 스킬을 사용하세요: - "GPT 이미지 프롬프트 만들어줘", "ChatGPT 이미지 프롬프트" - "GPT-image-2 프롬프트", "gpt image 2 프롬프트 작성" - "OpenAI 이미지 프롬프트", "GPT용 이미지 프롬프트 빌더" - "/gpt-image-2-prompt" (직접 호출
.claude/skills/modu-ai-gpt-image-2-prompt/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 167% | 0% |
| case-02 | ✗→✓ | ▲ Improved | 136% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 125% | 0% |
| case-08 | ✗→✓ | ▲ Improved | 92% | 0% |
| case-10 | ✗→✓ | ▲ Improved | 60% | 0% |
> moai-media | 이미지 프롬프트 빌더 (텍스트 산출 전용)
OpenAI GPT-image-2 모델은 자연어를 art-director 어조로 이해하는 reasoning-driven 이미지 모델입니다. 본 스킬은 사용자 한 줄 요청을 OpenAI Cookbook이 권장하는 6-Block 구조(Subject → Action → Scene → Composition → Lighting → Style & Text Constraints)로 풀어 써서 ChatGPT 또는 OpenAI API에 그대로 복붙할 수 있는 프롬프트를 출력합니다.
특히 본 스킬은:
--파라미터) 어조로도 변환해 한 화면에 제공합니다.본 스킬은 프롬프트 텍스트만 산출합니다. 사용자가 원하는 도구(ChatGPT 웹, Sora, OpenAI Playground 등)에서 직접 복붙해 사용하거나, Higgsfield MCP(Soul) 직접 호출로 이미지를 생성합니다.
GPT 이미지 프롬프트 ChatGPT 이미지 프롬프트 GPT-image-2 프롬프트 OpenAI 이미지 프롬프트 gpt image 2 프롬프트 GPT용 이미지 프롬프트 빌더 OpenAI 이미지 만들기
사용자 자연어 한 줄
↓
[Round 1] AskUserQuestion — 프리셋 선택 (제품샷·인물·일러스트·풍경)
↓
[Round 2] AskUserQuestion — 프리셋별 미세조정 (3~4 슬롯)
↓
[Round 3] AskUserQuestion — 화면비 + 이미지 내 텍스트 유무
↓
[내부] 슬롯 → 6-Block 매핑 (Subject·Action·Scene·Composition·Lighting·Style&Text)
↓
[내부] 같은 슬롯 → Gemini 5-component 변환 + MJ 키워드+파라미터 변환
↓
출력: 3개 모델 프롬프트 코드블록 + 권장 파라미터 + 한국어 해설AskUserQuestion을 호출해 4개 프리셋 중 1개를 선택받습니다.
| 프리셋 | 적용 케이스 | references | |---|---|---| | 제품샷 (권장) | 커머스 상품 사진, 패키지 컷, 보석·시계 클로즈업 | presets/product-shot.md | | 인물·캐릭터 | 인물 포트레이트, 페르소나 일러스트, 광고 모델 | presets/portrait.md | | 일러스트·아트 | 카드뉴스 일러스트, 책 표지, 컨셉 아트 | presets/illustration.md | | 풍경·환경 | 배경 이미지, 공간 사진, 시네마틱 배경 | presets/landscape.md |
선택 결과는 Round 2의 질문 세트를 결정합니다.
선택된 프리셋의 presets/<name>.md에 정의된 질문 세트를 AskUserQuestion으로 순회합니다. 각 질문은 4 옵션 + Other이며, 첫 번째 옵션에 (권장) 라벨을 표시합니다.
제품샷 예시:
다른 프리셋의 슬롯은 presets/portrait.md, presets/illustration.md, presets/landscape.md에서 정의됩니다.
| 화면비 옵션 | 용도 | 모델별 매핑 | |---|---|---| | 1:1 (권장) | SNS 정사각, 일반 | GPT 1024x1024, Gemini 1:1, MJ --ar 1:1 | | 16:9 | 유튜브 썸네일, 와이드 | GPT 1536x864, Gemini 16:9, MJ --ar 16:9 | | 9:16 | 인스타 릴스·쇼츠 | GPT 768x1344, Gemini 9:16, MJ --ar 9:16 | | 4:5 | 인스타 피드 | GPT 1024x1280, Gemini 4:5, MJ --ar 4:5 |
이미지 내 텍스트가 있으면 별도 질문으로 정확한 문자열을 받습니다 (verbatim 보존을 위해).
수집된 슬롯을 OpenAI Cookbook의 6-Block 어조로 자연어 단락 1개로 풀어 씁니다. 키워드 나열식이 아닌 art-director가 설명하는 어조가 필수입니다. 상세 규칙은 references/prompt-blocks.md를 참조합니다.
| Block | 슬롯 매핑 | 어조 예 | |---|---|---| | Subject | 프리셋의 핵심 소재 슬롯 | "A matte black ceramic coffee mug with subtle ridge texture" | | Action | 동작·배치 (없으면 정적) | "sitting on a wet slate countertop next to a folded linen napkin" | | Scene | 배경·맥락 슬롯 | "in a minimalist Scandinavian kitchen at sunrise" | | Composition | 앵글·렌즈 슬롯 | "three-quarter angle, 50mm lens, shallow depth of field" | | Lighting | 조명 슬롯 | "soft directional window light, cool morning tone" | | Style & Text | 스타일 + Round 3 텍스트 | "editorial product photography, natural film grain. The mug has \"MONDAY\" printed in thin uppercase sans-serif on the side, perfectly legible." |
텍스트 verbatim 규칙은 references/text-rendering.md에 정리되어 있습니다.
동일 슬롯을 Gemini 3 Pro Image의 5-component 영문 문장형으로 변환합니다 (각 component는 마침표로 구분, Creative Director 어조).
[Subject + Adjectives] doing [Action] in [Location/Context].
[Composition/Camera]. [Lighting/Atmosphere]. [Style/Media].
[Specific Constraint/Text]동일 슬롯을 콤마 구분 키워드 + --파라미터 형식으로 변환합니다.
[subject], [scene keywords], [composition], [lighting], [style] --ar W:H --style raw --hd --q 4 --s 0~1000 [--sref CODE|URL --sw N] [--oref URL --cw 0~100] [--p PROFILE] [--no NEGATIVE]파라미터 사용 가이드는 references/parameter-cheatsheet.md에 정리. 특히 --cw 100(기본값) 함정과 --hd --q 4 --sref의 4x cost 주의사항을 사용자에게 고지합니다.
markdown## 🎨 생성된 프롬프트 (3개 모델) ### 1) GPT-image-2 — OpenAI ChatGPT / API
<6-Block 자연어 단락>
**권장 파라미터**: `quality=medium`, `size=1024x1024`, `moderation=auto`
**편집 시**: `references/editing-patterns.md`의 Change/Preserve/Constraints 2열 로직 적용
### 2) Gemini 3 Pro Image — Nano Banana Pro<5-component 영문 문장>
**권장 파라미터**: `aspect_ratio=1:1`, `resolution=2K`, `mode=Thinking`
### 3) Midjourney v8.1<키워드, 키워드, ... --ar 1:1 --style raw --hd --q 4 --s 300>
**비용 주의**: `--hd` + `--q 4` 조합은 4x GPU 시간
### 📝 한국어 해설
- 3개는 같은 장면이지만 어조가 다릅니다 (자연어 단락 / 5-component 문장 / 키워드+파라미터)
- 텍스트 정확도: GPT 95%+, Gemini 우수, MJ V8에서 개선됨
### 🔗 실제 이미지 생성
- **Higgsfield MCP**(Soul) — 시네마틱 이미지·캐릭터 단일 통합 직접 호출
- ChatGPT 웹·Sora·OpenAI Playground 직접 복붙사용자가 "이 이미지를 편집해달라"고 요청하면 Round 2 대신 편집 모드로 진입해 GPT-image-2의 두 열 로직을 적용합니다.
Change: <바꿀 요소를 한 문장으로>
Preserve: <face·pose·lighting·framing·background·geometry·text·layout 중 잠금할 항목 나열>
Constraints: <no extra objects, no redesign, no logo drift, no watermark>상세는 references/editing-patterns.md.
예시 1: 제품샷 한 줄 요청 > "GPT용 이미지 프롬프트 만들어줘. 매트 블랙 머그 'MONDAY' 글자 들어간 제품샷"
→ Round 1: 제품샷 선택 → Round 2: 머그/슬레이트 카운터/창문 조명/3-4분 앵글 슬롯 입력 → Round 3: 1:1 + "MONDAY" verbatim → 3개 모델 프롬프트 출력.
예시 2: 인스타 릴스용 인물 프롬프트 > "ChatGPT 이미지 프롬프트, 30대 여성 카페에서 노트북 보는 라이프스타일 컷, 9:16"
→ Round 1: 인물 선택 → Round 2: 30대 여성/카페·소품/표정·동작/배경 → Round 3: 9:16 + 텍스트 없음 → 3개 모델 프롬프트 + Sora 영상 변환 힌트.
예시 3: 편집 모드 > "기존 머그 이미지에서 머그 색만 빨강으로 바꾸는 GPT 프롬프트"
→ 편집 모드 진입 → Change/Preserve/Constraints 슬롯 수집 → GPT-image-2 편집용 프롬프트만 출력 (Gemini·MJ는 편집 메커니즘이 달라 별도 안내).
| 산출물 | 형식 | 설명 | |---|---|---| | GPT-image-2 프롬프트 | 영문 자연어 단락 (1개) | ChatGPT / API prompt 필드 복붙 | | Gemini 3 Pro Image 프롬프트 | 영문 5-component 단락 | Google AI Studio / Vertex AI prompt 필드 복붙 | | Midjourney v8.1 프롬프트 | 키워드 + --파라미터 | Discord /imagine 또는 alpha.midjourney.com 입력 | | 권장 파라미터 표 | 모델별 quality/size/aspect | API 호출 시 함께 설정 | | 한국어 해설 | 마크다운 | 어조 차이·텍스트 정확도·비용 주의 |
--cw 100(기본) 함정: reference 이미지의 조명·스타일까지 상속되어 새 프롬프트와 충돌할 수 있습니다. 얼굴만 가져오려면 --cw 0~30.| 스킬 | 관계 | 설명 | |---|---|---| | gemini-3-image-prompt | sibling | 동일 입력으로 Gemini 어조 최적화 프롬프트 산출 | | midjourney-v8-prompt | sibling | 동일 입력으로 MJ 키워드+파라미터 프롬프트 산출 | | higgsfield-image | after | 생성된 프롬프트로 Higgsfield MCP 직접 이미지 생성 (GPT Image 2·Nano Banana Pro 포함) |
1차 권장 출처 (공식):
업계 참고:
위 출처를 기반으로 6-Block 구조, quality/size 권장값, 편집 2열 로직, 텍스트 verbatim 규칙을 도출했습니다.
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→pass | 14,290 | 17,006 | +19% | 1 | 1 | 0% | 2,366 | 6,324 | +167% | 0 | 0 | — |
case-02 | fail→pass | 15,123 | 11,791 | -22% | 1 | 1 | 0% | 2,376 | 5,603 | +136% | 0 | 0 | — |
case-03 | fail→pass | 13,601 | 9,959 | -27% | 1 | 1 | 0% | 2,244 | 5,058 | +125% | 0 | 0 | — |
case-04 | pass→fail | 14,161 | 14,157 | -0% | 1 | 1 | 0% | 2,687 | 5,988 | +123% | 0 | 0 | — |
case-05 | pass→pass | 21,522 | 24,548 | +14% | 1 | 1 | 0% | 3,481 | 7,471 | +115% | 0 | 0 | — |
case-06 | pass→pass | 13,546 | 10,883 | -20% | 1 | 1 | 0% | 2,534 | 5,286 | +109% | 0 | 0 | — |
case-07 | pass→pass | 16,465 | 16,123 | -2% | 1 | 1 | 0% | 2,458 | 6,303 | +156% | 0 | 0 | — |
case-08 | fail→pass | 16,385 | 9,222 | -44% | 1 | 1 | 0% | 2,623 | 5,044 | +92% | 0 | 0 | — |
case-09 | pass→pass | 16,340 | 10,112 | -38% | 1 | 1 | 0% | 2,587 | 5,083 | +96% | 0 | 0 | — |
case-10 | fail→pass | 17,317 | 8,668 | -50% | 1 | 1 | 0% | 2,867 | 4,594 | +60% | 0 | 0 | — |
case-11 | fail→pass | 14,804 | 4,948 | -67% | 1 | 1 | 0% | 2,457 | 4,249 | +73% | 0 | 0 | — |
case-12 | pass→pass | 13,164 | 9,985 | -24% | 1 | 1 | 0% | 2,342 | 5,045 | +115% | 0 | 0 | — |
case-13 | pass→pass | 13,755 | 12,234 | -11% | 1 | 1 | 0% | 2,217 | 5,807 | +162% | 0 | 0 | — |
case-14 | fail→pass | 16,291 | 8,581 | -47% | 1 | 1 | 0% | 2,445 | 4,786 | +96% | 0 | 0 | — |
case-15 | pass→pass | 9,287 | 8,709 | -6% | 1 | 1 | 0% | 1,450 | 4,815 | +232% | 0 | 0 | — |
case-16 | fail→pass | 14,406 | 11,318 | -21% | 1 | 1 | 0% | 2,295 | 5,294 | +131% | 0 | 0 | — |
case-17 | fail→pass | 16,114 | 19,653 | +22% | 1 | 1 | 0% | 3,122 | 7,220 | +131% | 0 | 0 | — |
case-18 | fail→pass | 15,723 | 14,958 | -5% | 1 | 1 | 0% | 2,558 | 5,978 | +134% | 0 | 0 | — |
case-19 | fail→pass | 12,639 | 13,381 | +6% | 1 | 1 | 0% | 2,071 | 5,554 | +168% | 0 | 0 | — |
case-20 | pass→pass | 15,286 | 14,918 | -2% | 1 | 1 | 0% | 2,287 | 5,653 | +147% | 0 | 0 | — |
case-21 | fail→fail | 16,648 | 20,905 | +26% | 1 | 1 | 0% | 2,689 | 6,856 | +155% | 0 | 0 | — |
case-22 | fail→fail | 15,056 | 12,246 | -19% | 1 | 1 | 0% | 2,362 | 5,363 | +127% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +45 percentage points is the difference between those two pass rates over the 22 comparable cases. 1 case got worse with the skill loaded, and it is included in that figure.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.