Come scrivere il prompt perfetto per ChatGPT Images
ChatGPT Images è lo strumento di generazione immagini integrato direttamente in ChatGPT, basato sul modello GPT-4o. Shibumi Digital Agency, agenzia di digital marketing fondata a Taranto nel 2013 e specializzata in hospitality, food & wine e HoReCa, ha preparato questa guida per spiegare come strutturare un prompt in modo che il risultato sia effettivamente utilizzabile. In tredici anni e oltre 50 brand gestiti, una cosa è rimasta costante: la qualità di un’immagine parte sempre da come si descrive quello che si vuole ottenere.
Il prompt non funziona come una frase libera. Funziona come un brief fotografico. Questa guida mostra come costruirlo, con quattro esempi testati direttamente nel settore HoReCa.
Cosa leggerai?
Cos’è ChatGPT Images e cosa cambia rispetto agli strumenti precedenti
ChatGPT Images non è un aggiornamento estetico. È la generazione di immagini integrata direttamente nel flusso di conversazione di ChatGPT, alimentata da GPT-4o. Questo significa che il modello capisce il contesto della conversazione, non solo il testo del singolo prompt.
Le differenze rispetto agli strumenti precedenti come DALL·E 3 sono concrete:
- Il modello gestisce meglio le istruzioni complesse con più soggetti
- Il testo nelle immagini è significativamente più leggibile e corretto
- Le proporzioni anatomiche delle persone sono più stabili, soprattutto se guidate da istruzioni precise
- La coerenza stilistica tra immagini multiple è migliorata quando si lavora in conversazione
Per chi produce contenuti visual nel settore food, hospitality o HoReCa, questo si traduce in immagini di piatti, ambienti e persone che reggono meglio un confronto con la fotografia professionale, a condizione di sapere come chiedere.
La struttura del prompt: una sequenza precisa
Il prompt per ChatGPT Images non funziona come una frase libera. Funziona come un brief fotografico. Più la struttura è ordinata, più il risultato è controllabile.
La sequenza da seguire è questa:
1. Sfondo o scena Inizia da ciò che fa da cornice. Dove siamo? Interno o esterno? Luce naturale o artificiale? Giorno o notte? Questo orienta tutto il resto.
2. Soggetto Chi o cosa è al centro dell’immagine. Una persona, un piatto, un prodotto, un ambiente. Più specifico, meglio funziona.
3. Dettagli Tutto ciò che caratterizza il soggetto: abbigliamento, materiali, espressione, colori, texture. I dettagli sono la differenza tra un’immagine generica e una che assomiglia a qualcosa di reale.
4. Vincoli Cosa non deve esserci nell’immagine. Questo è il passaggio che quasi tutti saltano, ed è quello che causa il maggiore spreco di generazioni. Scrivere esplicitamente cosa escludere riduce gli errori in modo misurabile.
Un esempio pratico per un ristorante: invece di scrivere “piatto di pasta su un tavolo”, si scrive “Tavolo in legno chiaro con tovagliolo in lino, luce naturale laterale da finestra. Spaghetti alle vongole in piatto bianco opaco, vapore leggero visibile, vongole aperte in primo piano. Nessun elemento decorativo artificiale, nessun filtro saturo, nessuna forchetta piantata nella pasta.”
Come descrivere le persone senza errori di proporzioni
Le persone sono l’aspetto più difficile da gestire nella generazione di immagini AI. Mani, piedi e proporzioni corporee sono ancora i punti più instabili.
La soluzione non è evitare le persone. È descriverle con più precisione.
Quattro elementi da specificare sempre quando c’è una persona nell’immagine:
Inquadratura: campo totale, mezzo busto, primo piano, piano americano. Se vuoi che i piedi siano visibili, devi scriverlo. “Corpo intero visibile, piedi inclusi” è un’istruzione operativa, non un dettaglio stilistico.
Postura: in piedi, seduto, china su qualcosa, in movimento. La postura definisce la composizione.
Sguardo: verso la fotocamera, di tre quarti, verso un oggetto. Influisce sull’emozione percepita dell’immagine.
Interazione con gli oggetti: se la persona tiene qualcosa in mano, descrivere come. “Mani che reggono il manubrio in modo naturale” ottiene risultati molto più convincenti di “persona che va in bici”. Stessa logica vale per “mani che tengono il calice per lo stelo” in una foto di degustazione, o “chef che impìatta con un cucchiaio, polso visibile”.
Fotorealismo: come attivarlo e come orientare lo stile
Per ottenere immagini fotorealistiche con ChatGPT Images, non serve una formula magica. Bastano due parole inserite direttamente nel testo del prompt: “photorealistic” oppure “real photograph”. Il modello entra in una modalità di rendering diversa, con maggiore attenzione alla coerenza della luce, alla texture delle superfici e alle imperfezioni naturali.
I dettagli tecnici della fotocamera funzionano come indicazioni di stile, non come istruzioni fisiche. Il modello non simula l’ottica di un obiettivo: interpreta il riferimento culturale che quell’obiettivo porta con sé.
Questo è utile da sapere per usarli nel modo giusto:
- “Obiettivo 50mm” suggerisce una prospettiva neutra, vicina alla visione umana, spesso usata in ritrattistica documentaristica
- “Apertura f/1.8” evoca sfondi morbidi e separazione soggetto-sfondo
- “Pellicola 35mm” e “leggera grana della pellicola” portano verso un’estetica analogica, materica, meno patinata
Questi riferimenti orientano il modello verso un registro visivo specifico. Non producono un bokeh fisicamente calcolato, ma producono qualcosa che ci assomiglia abbastanza da essere utile.
Un esempio concreto: il ritratto del marinaio
La guida ufficiale di OpenAI usa un ritratto come caso di studio. È un buon esempio da analizzare perché mostra la struttura del prompt applicata in modo completo.
Il prompt in inglese:
“Realistic photograph of an elderly fisherman on a small fishing boat. Weathered skin, visible wrinkles, traditional faded tattoos on arms. Shot as a 35mm film photograph, medium close-up at eye level, 50mm lens. Diffused coastal light, slight film grain, natural colors. No glamorization, no heavy retouching.”
Tradotto e analizzato per parti:
- Scena: barca da pesca, piccola, contesto marino
- Soggetto: marinaio anziano
- Dettagli fisici: pelle segnata, rughe visibili, tatuaggi tradizionali sbiaditi
- Stile fotografico: pellicola 35mm, inquadratura medio ravvicinata all’altezza degli occhi, obiettivo 50mm, luce costiera diffusa, grana leggera, colori naturali
- Vincoli: nessuna glamorizzazione, nessun ritocco pesante
Il risultato è un’immagine che potrebbe stare in un reportage fotografico degli anni ’70. Non perché il modello abbia simulato la chimica della pellicola, ma perché il prompt ha comunicato un’intenzione estetica precisa attraverso riferimenti riconoscibili.
Questo è il metodo. Non si descrive un’immagine. Si descrive il set, il soggetto, lo stile e le esclusioni.
Quattro prompt testati nel settore HoReCa
Questi quattro prompt sono stati scritti seguendo il metodo scena-soggetto-dettagli-vincoli e testati direttamente con ChatGPT Images. I risultati sono le immagini che vedi qui sotto.
Prompt 1 — Ristorante / piatto
Stone table surface, soft natural light from a side window, midday.
Saffron risotto in a deep matte white ceramic bowl, light steam rising,
a few saffron threads visible on top, creamy rice texture visible up close.
Medium close-up shot, slightly overhead angle. Muted saffron yellow,
no oversaturation, natural color rendering, desaturated warm tones.
No oversaturated colors, no garnish overload, no cutlery placed in the dish.
Photorealistic, shot as a real photograph, 50mm lens, natural color palette.
Nota di processo: nella prima generazione il colore era troppo saturo, quasi fluorescente. Il problema era l’assenza di un vincolo esplicito sul colore. Aggiungendo “muted saffron yellow, no oversaturation, natural color rendering” nella seconda generazione il risultato è diventato usabile. È la dimostrazione diretta di perché i vincoli contano quanto le istruzioni positive.
Prompt 2 — Hotel / camera
Hotel room with sea view, early morning golden light entering through
sheer open curtains. Unmade linen bed with white sheets slightly rumpled,
two pillows arranged naturally. Small wooden breakfast tray on the bed:
espresso cup, plain croissant, single fresh flower in a bud vase.
Wide interior shot, eye-level angle. No people visible, no artificial lighting,
no cluttered surfaces. Photorealistic, real photograph style,
35mm film look, warm natural tones, slight film grain.
Nota di processo: il modello ha scelto un vassoio con le gambe invece di un vassoio piatto. Non era nel prompt, ma la composizione finale è più narrativa. Un caso in cui l’interpretazione del modello ha aggiunto qualcosa di utile. Le tende sono risultate più simmetriche del previsto, difetto prevedibile ma che in questo caso non disturba.
Prompt 3 — Cantina / degustazione
Stone-walled wine cellar, low warm spotlights, oak barrels visible
in the background. Female sommelier, around 40 years old, standing
in front of a barrel, holding a red wine glass by the stem at eye level,
gaze focused on the wine in the glass. Full body visible including feet.
Dark professional attire, hair pulled back. Ruby red wine in a tall glass.
Medium full-length shot, eye-level angle. No artificial studio lighting,
no posed smile, no heavy retouching. Photorealistic, real photograph,
50mm lens, warm dim tones.
Nota di processo: il risultato migliore tra i quattro in termini di aderenza al prompt. Corpo intero visibile con i piedi, mano che regge il calice per lo stelo in modo naturale, sguardo al vino e non in camera. Specificare l’interazione precisa con l’oggetto, “holding a red wine glass by the stem”, ha evitato le deformazioni delle mani che si verificano con istruzioni generiche.
Prompt 4 — Chef / cucina professionale
Professional stainless steel kitchen, strong overhead lighting,
evening service atmosphere. Male chef, around 35 years old,
standing at a workstation plating a dish. White chef’s coat
with natural work stains. Right wrist visible, holding a spoon naturally,
drizzling sauce onto a white plate. Focused expression, not looking at camera.
Medium close-up from slightly above, three-quarter angle.
No studio lighting, no advertising pose, no forced expression.
Photorealistic, real photograph, 50mm lens,
high contrast natural light, cool steel tones.
Nota di processo: il risultato tecnicamente più riuscito. Le mani sono credibili, il gesto di versare la salsa è naturale, la concentrazione sul piatto senza sguardo in camera è esattamente quello che il prompt chiedeva. Il modello ha scelto autonomamente un casseruolino in acciaio invece del cucchiaio singolo: scelta più realistica. L’unica variazione non richiesta: la giacca è uno spolverino con bottoni centrali invece della classica doppia fila. In un contesto fine dining tradizionale vale la pena specificare “classic double-breasted white chef’s coat”.
Per chi è pensato questo approccio
ChatGPT Images trova applicazione concreta in tre categorie di contenuti nel settore HoReCa:
Hotel e strutture ricettive: immagini di ambienti, camere, aree comuni per social e materiali promozionali, quando un servizio fotografico professionale non è programmato o i costi non sono giustificati per un singolo post.
Ristoranti e food: immagini di piatti per social media, menu digitali, contenuti stagionali. Il prompt permette di specificare il tipo di luce (naturale, soffusa, laterale) e l’atmosfera desiderata con un livello di controllo che con la fotografia richiede molto più tempo.
Cantine e food & wine: ritratti di prodotto, scene di degustazione, immagini con persone che interagiscono con il vino in modo naturale. Qui la descrizione dell’interazione con gli oggetti è il passaggio decisivo.
Lo strumento non sostituisce la fotografia professionale per i materiali istituzionali. Per i contenuti social quotidiani, per i test visivi, per le campagne rapide, è già abbastanza maturo da essere nel workflow.
Se vuoi approfondire come integriamo la produzione visiva nella strategia di contenuto, puoi leggere la nostra pagina dedicata al content marketing o contattarci direttamente per una consulenza.
FAQ
ChatGPT Images funziona in italiano? Sì. Il modello accetta prompt in italiano senza problemi. Per il fotorealismo, le parole chiave “photorealistic” e “real photograph” restano in inglese perché il modello le riconosce come istruzioni di stile con maggiore precisione.
Quante versioni devo generare prima di avere un risultato utile? Con un prompt ben strutturato, nella maggior parte dei casi bastano 2-3 generazioni. Senza struttura, si può arrivare a 10-15 senza convergere sul risultato voluto. La differenza sta quasi sempre nei vincoli: cosa non deve esserci è spesso più utile di una descrizione più lunga di cosa deve esserci.
ChatGPT Images può generare immagini di persone reali o marchi? No. Il modello rifiuta le richieste che includono persone identificabili e loghi di marchi esistenti. Per i contenuti aziendali si lavora con personaggi fittizi e stili visivi che rimandano a un brand senza riprodurlo.
È meglio usare ChatGPT Images o Midjourney per il settore food & wine? Dipende dall’uso. ChatGPT Images è più preciso nelle istruzioni testuali complesse e gestisce meglio il testo nelle immagini. Midjourney produce spesso risultati esteticamente più sofisticati con prompt brevi. Per contenuti operativi e veloci, ChatGPT Images è più pratico. Per campagne dove il livello estetico è prioritario, Midjourney rimane un riferimento.
Dove posso usare ChatGPT Images? È disponibile direttamente su ChatGPT per gli abbonati Plus, Pro e Team. Alcune funzionalità sono accessibili anche tramite API per chi ha accesso al modello GPT-4o.
Vuoi usare l’AI visiva nella tua strategia di contenuto?
Shibumi Digital Agency segue brand nel settore hospitality, food & wine e HoReCa con strategie di contenuto che includono fotografia professionale, copywriting e gestione social.
Se vuoi capire come strutturare un piano editoriale visual per la tua struttura, leggi la nostra pagina social media management o scrivici a info@shibumidigital.com.
Contatta Shibumi per saperne di più.
Inviaci un messaggio su Whatsapp per fissare un appuntamento.
Se vuoi restare sempre aggiornato sulle nostre attività seguici su Facebook, Instagram e LinkedIn oppure iscriviti alla nostra Newsletter
