AIREITERKI-Kunstgenerator für Regenfenster-Porträts
Erstelle ein Porträt hinter regennassem Fenster mit burgunderfarbener Mode, Wassertropfen, sanftem Landschaftslicht und malerischem Chiaroscuro. Passe Stimmung und Styling mit GPT-Image 2 an.
Führe diese Vorlage zuerst online aus und nutze dieselbe Konfiguration danach in deinem Workflow.
Was ist der KI-Kunstgenerator für Regenfenster-Porträts?
Was es erstellt
Das fertige Bild ist ein burgunderfarbenes Modeporträt, gesehen durch regenbedecktes Glas mit weichem Landschafts-Bokeh und malerischem Chiaroscuro.
Für wen es gedacht ist
Entwickelt für Porträtkünstler, Mode-Content-Ersteller und Editorial-Designer.
Generierungsmodell
GPT-Image 2 (gpt_image_2) führt den Single-Model-Workflow mit dem enthaltenen englischen Prompt aus.
Kreative Ausrichtung und Ausgabe
Visuelles Ziel
ein burgunderfarbenes Modeporträt, gesehen durch regenbedecktes Glas mit weichem Landschafts-Bokeh und malerischem Chiaroscuro
Beste Zielgruppe
Porträtkünstler, Mode-Content-Ersteller, Editorial-Designer
Ausgabeformat
1:1-Bild mit 1K-Auflösung. Behalte dieses Verhältnis für den ersten Durchlauf bei und teste ein anderes unterstütztes Verhältnis erst, nachdem die Komposition stabil ist.
Anpassungsmöglichkeiten
Ändere das Kleid, den Hut, die Regenintensität, die Landschaft, den Blick oder die Maltextur.
Modell, Prompt und Einstellungen
Modell
GPT-Image 2 (gpt_image_2)
Erforderliche Eingabe
Nur Textprompt; kein Referenzbild erforderlich.
Verifizierte Einstellungen
1K-Auflösung, 1:1-Seitenverhältnis, eine Bildausgabe.
Standard-Englischer Prompt
Kinoreifes Porträt einer jungen Frau, die ein elegantes, tief burgunderfarbenes Seidenkleid und einen breiten Vintage-Hut trägt und sehnsuchtsvoll durch eine Fensterscheibe blickt, die mit zarten, glitzernden Regentropfen bedeckt ist. Die Tropfen wirken wie winzige Linsen und brechen das weiche Licht. Im Hintergrund wird eine üppige, melancholische Landschaft in einem traumhaften, starken Bokeh-Effekt dargestellt, mit gedämpften Grüntönen und verschwommenen Blautönen. Die Beleuchtung ist stimmungsvoll und atmosphärisch, erinnert an Rembrandt-Licht und wird von sanftem natürlichem Licht geprägt, das durch den bewölkten Himmel filtert und die Textur des Stoffes sowie die subtilen Konturen ihres Gesichts hervorhebt. Künstlerischer Ölgemälde-Stil mit feinen Pinselstrichen, reichen Texturen und einer nostalgischen, kontemplativen Stimmung. Hoher Detailgrad, 8k-Auflösung, Meisterwerk, ausdrucksstarkes Chiaroscuro.
Wie man diesen Generator für Regenfenster-Porträts erstellt
Erstelle die erste 1:1-Version mit unverändertem demonstrierten Motiv und unveränderter Komposition: ein burgunderfarbenes Modeporträt, gesehen durch regenbedecktes Glas mit weichem Landschafts-Bokeh und malerischem Chiaroscuro. Prüfe das Beispiel, bevor du jeweils nur eine visuelle Variable änderst.
Eingabe vorbereiten
Beginne mit dem enthaltenen englischen Prompt und lasse beim ersten Durchlauf die Angaben zu Motiv, Komposition und Stil unverändert.
Grundversion generieren
Führe GPT-Image 2 mit 1K und 1:1 aus. Vergleiche das Ergebnis mit dem Beispiel, bevor du den Prompt änderst.
Gezielt verfeinern
Ändere das Kleid, den Hut, die Regenintensität, die Landschaft, den Blick oder die Maltextur.
Bewährte Vorgehensweisen und Qualitätsprüfungen
Die Qualität hängt davon ab, dass ein burgunderfarbenes Modeporträt, gesehen durch regenbedecktes Glas mit weichem Landschafts-Bokeh und malerischem Chiaroscuro, erhalten bleibt. Prüfe Motiv, Layout und kleine Details, bevor du herunterlädst, veröffentlichst oder Varianten erstellst.
Kernkomposition schützen
Behalte das definierende Ziel unverändert: ein burgunderfarbenes Modeporträt, gesehen durch regenbedecktes Glas mit weichem Landschafts-Bokeh und malerischem Chiaroscuro.
Vor der Veröffentlichung prüfen
Überprüfe Gesichtsstruktur, Regentropfen, Hutkrempe, Fensterreflexionen, Stofffalten und die Trennung zwischen Gesicht und Glas.
Kenne die Einschränkung
Kleiner Text, genaue Objektanzahlen, Hände und komplexe Geometrie können zwischen den Generierungen variieren; überprüfe das Ergebnis vor der Veröffentlichung.
Beste Anwendungsfälle
Wende diese Komposition auf Porträtkünstler, Mode-Content-Ersteller und Editorial-Designer an; jeder Anwendungsfall unten hält das visuelle Ziel präzise und lässt die bearbeitbaren Details unter deiner Kontrolle.
Editorial-Porträts
Für Editorial-Porträts beginne mit der demonstrierten Komposition und ändere dann das Kleid, den Hut, die Regenintensität, die Landschaft, den Blick oder die Maltextur.
Albumcover
Passe die Voreinstellung für Albumcover an, indem du ein burgunderfarbenes Modeporträt, gesehen durch regenbedecktes Glas mit weichem Landschafts-Bokeh und malerischem Chiaroscuro, beibehältst und nur die für das Briefing erforderlichen Details änderst.
Stimmungsvolle Charakterstudien
Stimmungsvolle Charakterstudien profitieren von einem stabilen ersten Render. Überprüfe Gesichtsstruktur, Regentropfen, Hutkrempe, Fensterreflexionen, Stofffalten und die Trennung zwischen Gesicht und Glas.
Häufig gestellte Fragen
Eingabe, Modell, Format, Anpassung, Einschränkungen und API-Antworten für den KI-Kunstgenerator für Regenfenster-Porträts.
/ 01Was erstellt diese Vorlage für den Regenfenster-Porträtgenerator?
Sie erstellt ein burgunderfarbenes Modeporträt, gesehen durch regenbedecktes Glas mit weichem Landschafts-Bokeh und malerischem Chiaroscuro.
/ 02Muss ich ein Foto hochladen?
Nein. Der Standard-Workflow ist Text-zu-Bild, obwohl GPT-Image 2 auch optionale Referenzbilder unterstützt, wenn du eine spätere Variation anleiten möchtest.
/ 03Welches Modell und welche Einstellungen werden verwendet?
GPT-Image 2 mit 1K-Auflösung und einem 1:1-Seitenverhältnis.
/ 04Was kann ich anpassen?
Ändere das Kleid, den Hut, die Regenintensität, die Landschaft, den Blick oder die Maltextur.
/ 05Was sollte ich vor der Veröffentlichung prüfen?
Überprüfe Gesichtsstruktur, Regentropfen, Hutkrempe, Fensterreflexionen, Stofffalten und die Trennung zwischen Gesicht und Glas.
/ 06Kann ich es über die API wiederverwenden?
Ja. Senden Sie den angezeigten Prompt mit dem Modell gpt_image_2, der Auflösung 1K und dem Seitenverhältnis 1:1. Für den Baseline-Durchlauf ist keine image_url erforderlich.
