信息核对截至 2026 年 10 月 13 日。 GPT Image 2 仍可用,但 OpenAI 已在当前 API 文档中列出更新的 GPT Image 2.5 系列。本文保留 GPT Image 2 的制作方法,不把 4 月发布时的排名当成今天的结论。
GPT Image 2 可以帮助单人漫画创作者把文字分场变成可编辑的分镜候选,但不会自动保证角色连续、排字正确、人体可用或版权清晰。可靠的工作单位不是“生成一整章”,而是“一格画面 + 明确参考素材 + 验收标准 + 人工复核”。
官方能力能说明什么
OpenAI 的 GPT Image 2 发布说明提到文字渲染、编辑、版式、指令遵从与复杂视觉任务的改进;当前图像生成文档说明了生成、编辑、参考图输入、质量、尺寸、格式与多轮修改。它们是能力边界,不是角色、服装、对白或场景跨整章不漂移的保证。
API 按 token 计费,总成本包含提示词、参考图输入与图像输出;带参考图的编辑还可能增加输入成本。不要使用固定“每格几美分”的旧估算,应以官方计算器和真实任务账单为准。
把整章拆成可控资产
1. 先锁定脚本
用表格记录页码、格号、景别、动作、对白、拟声词和连续性要求。每格都写清哪些元素必须保持、哪些允许变化。对白先保留为独立文字,不要让图像提示词成为唯一文稿。
2. 建角色、场景与道具设定页
为 recurring 角色准备正面、侧面、服装、配色、比例与禁止变化;场景和关键道具也单独留档。生成新格时复用已验收图片,不要只靠角色名维持身份。这套资产纪律同样适用于分镜工作流。
3. 一次只生成一格
提示词写构图、镜头、动作、光线和气泡留白。先生成候选,选中一张后再做编辑。一次生成整页会把多个失败原因混在一起,也更难保住已经合格的画面。
4. 在外部工具排字
模型生成的文字只当草稿。把验收后的画面导入排版工具,再放置对白和拟声词,并保留可编辑文字层。这样才能分别处理拼写、翻译、字体许可、阅读顺序和印刷规范。

用同一张清单审每一格
逐项检查身份、手部、服装、道具、空间关系、阅读顺序、对白与出血安全区,再对照相邻格检查无理由变化。记录具体退回原因,比“看起来不对”更利于迭代。
先做短篇试刊,记录每格验收所需生成次数、编辑次数、排字时间、审校时间和总成本。若要换模型,用同一套素材与评分表;三款图像工具的选型对比也应按这种方式读取,而不是寻找绝对冠军。
版权、披露与交付
不要直接模仿在世画家的签名风格,也不要假设生成结果天然可商用。交付前核对平台条款、客户合同、字体许可、参考图权利、当地披露规则和出版社 AI 政策。保存脚本、提示词、参考素材、候选、修改记录与最终排字,形成可追溯档案。
原文视觉资料
以下图片恢复自文章最初发布版本,用于补充界面、流程或对比语境。涉及产品界面、价格、基准结果和模型可用性的画面属于历史记录;做当前决策前,请以厂商最新官方信息为准。



最小验收测试
先做六格短场景:两名角色、一个连续出现的道具、一次场景切换、目标语言对白和一个特写。只有经人工修正后仍通过连续性与排字检查,才值得扩展到整章。若失败,应先改参考素材或工具选择,而不是不断堆提示词形容词。GPT-6 到来前的准备清单也强调应保留可复用资产,而不是押注某个模型名称。
相关文章
GPT-6.1 Sol 详解:价格、性能、开放范围与模型对比
GPT-6.1 Sol 以 Astra 五分之一的标准 token 价格,提供接近 Astra 的编程、电脑操作与专业工作能力。本文解释这些数字真正意味着什么。
Jev 是什么——不生成文本的决策模型
Jev 是 TypeSafe AI 发布的 System One 模型:读取状态、返回带置信度的 typed decisions,而不生成任何文本。本文拆解其 RLCD 训练方法、官方宣称的 193.6x 加速与 444.6x 成本优势,以及 Hacker News…
DeepSeek V4.1 Flash:正式版状态、规格、价格与迁移
DeepSeek V4.1 Flash 已成为正式 Flash 模型。本文核对生产模型名、1M 上下文、视觉能力、峰谷价格、退役别名、V4 Pro 临时路由,以及从限时测试版迁移时必须复测的关键项目。
https://floatboat.ai/zh/blog/gpt-image-2-manga-comic-workflow



