คู่มือทำภาพใน ChatGPT: ทำ GIF แก้เฉพาะจุด และแปลตัวหนังสือในภาพ

ใครเคยสั่ง ChatGPT แก้รูปแค่จุดเดียว แล้วได้รูปใหม่กลับมาทั้งรูป น่าจะรู้ว่าเสียเวลาแค่ไหนครับ หรืออยากได้ตัวการ์ตูนโบกมือสักตัว แต่ไม่เคยใช้โปรแกรม animation

Images 2.6 คือตัวสร้างภาพที่ OpenAI เปิดตัววันที่ 4 พ.ย. 2026 คู่มือนี้พาทำ GIF วงจุดที่อยากแก้ เซฟรูปไว้เรียกชื่อ และแปลตัวหนังสือในภาพ พร้อม prompt ที่ก๊อปไปใช้ได้ ท้ายบทความมีค่าตั้งสำหรับคนใช้ API

บอกก่อนครับ ตอนเตรียมบทความนี้ยังไม่ได้ลองใน ChatGPT ภาพตัวอย่างทำผ่าน Codex CLI ส่วนเรื่องใน ChatGPT มาจากเอกสารของ OpenAI

Images 2.6 คืออะไร

ลองนึกว่า ChatGPT เป็นร้านรับทำภาพ Images 2.6 คือช่างชุดใหม่ของร้าน เราคุยที่หน้าร้านเหมือนเดิม ส่วนคนใช้ API เรียกช่างได้สองคนชื่อ Flare กับ Sunburst

• OpenAI บอกว่าเร็วขึ้น 50% และแก้หลายรอบแล้วรายละเอียดอยู่ครบกว่าเดิม เช่น ชุดตัวละครตอนเปลี่ยนฉากหลัง
• ChatGPT มีของใหม่ 2 อย่าง คือสร้าง GIF ที่กำลังทยอยเปิด และ Saved reference images
• ใช้ได้ใน ChatGPT และ Codex ทั้งเดสก์ท็อป มือถือ และเว็บ เอกสารเขียนว่า "across all subscription tiers" แต่ไม่ได้เอ่ยถึงแผน Free ตรงๆ

อะไรใช้ที่ไหนได้บ้าง

ความสามารถ	ChatGPT	Codex	API
ทำ GIF	กำลังทยอยเปิด	ไม่พบที่ระบุชัด ลอง CLI แล้วไม่ได้	ได้ output_format="gif"
ทำ SVG	ไม่พบในเอกสาร	ไม่พบในเอกสาร ลอง CLI แล้วไม่ได้	ได้ output_format="svg"
วงแก้รูป	มีอยู่แล้ว	โพสต์บอกว่าแก้ใน overlay แต่ไม่ได้บอกว่าวงได้ ส่วน CLI ส่งรูปที่วงไว้แล้วได้ผล	ใหม่ markup บน /v1/images/edits
เซฟรูปไว้เรียกชื่อ	ของใหม่	ไม่พบในเอกสาร	ไม่พบในเอกสาร
quality complexity	ไม่พบในเอกสาร	ไม่มีในเครื่องมือของ CLI	ได้
พื้นหลังโปร่งใส	ไม่พบในเอกสาร	CLI ได้ PNG โปร่งใสจริง	ได้ background="transparent"

"ไม่พบในเอกสาร" คือหน้าที่อ่านไม่ได้พูดถึง ไม่ได้แปลว่าทำไม่ได้

ตอนเตรียมบทความนี้ลองผ่าน Codex CLI 0.164.0 ด้วยบัญชี ChatGPT สั่ง GIF กับ SVG ตรงๆ แล้วได้ PNG กลับมาทั้งคู่ เครื่องมือของ CLI ไม่มีช่องเลือกฟอร์แมต และไม่บอกว่าใช้โมเดลอะไร OpenAI บอกว่า Codex มี Images 2.6 แล้ว แต่เราพิสูจน์ไม่ได้ว่าภาพตัวอย่างออกจาก 2.6 จริง

ทำ GIF ใน ChatGPT ทีละขั้น

ขั้นที่ 1 — ดูว่าบัญชีเรามีหรือยัง

เอกสารไม่ได้บอกวิธีเช็ก ทางที่ง่ายสุดคือสั่งเลย ถ้าได้ภาพนิ่งกลับมา ไปทางสำรองท้ายหัวข้อนี้

ขั้นที่ 2 — ส่งรูปวาด หรือเล่าเป็นคำ

หน้าช่วยเหลือของ OpenAI บอกว่ากด + แล้วเลือก Add photos & files หรือลากไฟล์มาวาง รูปวาดไม่ต้องสวยครับ OpenAI เขียนว่าแค่ simple sketch ก็พอ

ขั้นที่ 3 — บอกท่า กล้อง และจุดจบ

คู่มือ API ให้มีท่าเริ่มต้นที่กลับมาจบตรงนั้น และบอกว่ากล้องขยับไหม ท่าที่ OpenAI Developers แนะนำ คือโบกมือ หันกลับมามองซ้ำ หรือเต้นฉลอง Prompt นี้เราเขียนเองจากเคล็ดลับนั้น ยังไม่ได้ลองใน ChatGPT

เปลี่ยนรูปวาดนี้เป็นตัวการ์ตูนน่ารัก ทำเป็น GIF วนลูป ให้ยกมือข้างหนึ่งขึ้นโบก กะพริบตา แล้ววางมือกลับท่าเริ่มต้น กล้องอยู่นิ่ง

ขั้นที่ 4 — ปรับความเร็วแล้วแชร์

Release notes บอกว่าทำได้ แต่ไม่ได้บอกชื่อปุ่ม

ทางสำรอง: ให้ AI วาดแผ่นท่าทาง แล้วต่อเอง

คลิปของ OpenAI เล่าว่า GIF เกิดจาก sprite sheet คือภาพเดียวที่เรียงท่าไว้เป็นช่อง แล้วตัดแต่ละช่องมาต่อกัน เราทำเองได้ นี่คือโครงที่ตัดจาก prompt ของ OpenArt บนหน้าประกาศ ตรงกลางให้เติมตัวละครกับลำดับท่า

Create a single animation sprite sheet for a seamless looping GIF.
Exactly 6 sequential frames arranged in a precise 3-column by 2-row grid, read left-to-right then top-to-bottom. Every panel has identical dimensions.
Clear incremental facial and tear motion; sixth frame transitions smoothly toward the first.
No captions, no words, no numbers, no logos, no speech bubbles, no panel labels, no borders, no gutters.

GIF สองตัวในบทความนี้ AI ไม่ได้สร้างเป็น GIF ตรงๆ ครับ มันคือแผ่น 9 ท่าจาก Codex CLI ที่ใช้สคริปต์ตัดแล้วต่อเป็นลูป

รอบแรกแขนสลับข้างไปหนึ่งเฟรม เพราะสั่งกว้างๆ ว่าโบกซ้ายโบกขวา รอบที่สองระบุว่าแขนฝั่งซ้ายของภาพเท่านั้นที่ขยับ แล้วเขียนทีละช่อง อาการนี้ก็หายไป

ได้แผ่นแล้ว เซฟเป็น sheet.png ลง Pillow ด้วย pip install pillow แล้วรันโค้ดนี้ บรรทัด cols, rows ต้องตรงกับแผ่น โครงด้านบนคือ 3 คอลัมน์ 2 แถว

from PIL import Image

cols, rows = 3, 2
im = Image.open("sheet.png").convert("RGB")
w, h = im.width // cols, im.height // rows
frames = [im.crop((c * w, r * h, (c + 1) * w, (r + 1) * h)) for r in range(rows) for c in range(cols)]
frames[0].save("wave.gif", save_all=True, append_images=frames[1:], duration=200, loop=0)

ตอนเตรียมบทความนี้ลองรันกับแผ่น 3×3 ของเราแล้วได้ GIF 9 เฟรม ถ้าตัวละครสั่น ต้องจัดตำแหน่งแต่ละเฟรมเพิ่ม

วงตรงที่อยากแก้ แล้วบอกว่าเอาเป็นอะไร

OpenAI เขียนว่า image markup "already available in ChatGPT" ของใหม่คือมาถึง API แล้ว เอกสารไม่ได้บอกชื่อปุ่มในแอป ทางที่ไม่ต้องหาปุ่มคือวงในแอปรูปภาพก่อนอัปโหลด หน้าช่วยเหลือของ OpenAI แนะนำวิธีนี้ไว้ชี้จุดให้ ChatGPT ดู แต่พูดถึงการอ่านภาพ ไม่ใช่การแก้ภาพ

ตัวอย่างในเอกสารมี 3 ส่วน คือเปลี่ยนอะไร อะไรต้องเหมือนเดิม และให้ลบวงออก

Recolor the striped vase inside the red circle to solid cobalt blue ceramic. Keep its shape, the dried stems, and the rest of the kitchen unchanged. Remove the red circle from the finished photo.

รูปข้างล่างใช้โครงเดียวกันใน prompt ที่เราเขียนเอง

ตอนเตรียมบทความนี้ลองวัดความต่างนอกวง ได้เฉลี่ยราว 7 จาก 255 ไม่ได้เหมือนทุกพิกเซล ถ้าต้องเหมือนเป๊ะ เอกสารให้เอาส่วนที่แก้ไปซ้อนบนภาพเดิมเอง

ฝั่ง API ส่งสองไฟล์ไปที่ POST /v1/images/edits

• image คือภาพต้นฉบับ markup คือ PNG โปร่งใสที่มีแค่รอยวง ขนาดเท่ากัน ห้ามรวมเป็นไฟล์เดียว
• แต่ละไฟล์ไม่เกิน 16,777,216 พิกเซล ไฟล์วงไม่เกิน 50 MB
• ห้ามใช้คู่กับ mask หรือ prompt_rewriter และไม่มีค่าธรรมเนียมเพิ่ม

เซฟรูปไว้ แล้วเรียกชื่อ

Saved reference images คือเซฟรูปไว้ใช้ในแชทอื่น ตัวอย่างของ OpenAI คือเซฟรูปหมาชื่อ Pepper แล้วสั่งได้โดยไม่ต้องอัปโหลดซ้ำ Prompt นี้เราเขียนจากตัวอย่างนั้น

Make a watercolor portrait of @Pepper

เราว่าเหมาะกับสินค้าหรือมาสคอตด้วย เอกสารไม่ได้บอกปุ่มเซฟ จำนวนรูป และแผนไหนใช้ได้ ไม่มีรูปตัวอย่างเพราะยังไม่ได้ลองใน ChatGPT

แปลตัวหนังสือในภาพเป็นไทย

เอกสารใช้ประโยคนี้แปลเป็นภาษาสเปน เราเปลี่ยนแค่ชื่อภาษา

Translate the text in the infographic to Thai. Do not change any other aspect of the image.

เลย์เอาต์อยู่ครบและภาษาไทยอ่านได้ แต่มีคำแปลกๆ อย่าง "แบบไทยฟิน" จาก Thai phin ใน prompt ของเราเอง ข้อความเรื่องกาแฟ AI แต่งขึ้น ไม่ใช่สูตรจริงครับ เอกสารเตือนให้เช็กคำแปลและคำที่ค้างเป็นภาษาเดิม

ทำอะไรได้อีกบ้าง

ตัวอย่างส่วนใหญ่ในหัวข้อนี้มาจากคู่มือ Image prompting ของ OpenAI ที่เขียนสำหรับ API เป็นคำธรรมดาจึงพิมพ์ใน ChatGPT ได้ แต่เอกสารไม่ได้รับประกันว่าผลจะเหมือนกัน

สติกเกอร์และมีม ใช้โครง sprite sheet ด้านบน เปลี่ยนตัวละครกับลำดับอารมณ์

สินค้าเป็นภาพวน OpenAI ไม่ได้ให้ prompt อันนี้เราเขียนเอง ยังไม่ได้ลอง

Turn this product photo into a looping GIF. A soft light sweeps across the product, then returns to the starting frame. Keep the label unchanged and the camera still. Make the motion loop smoothly.

แก้ทีละอย่าง ส่งภาพล่าสุดกลับเข้าไป ขอเปลี่ยนอย่างเดียว

Make it look like a winter evening with snowfall.

ตัดพื้นหลังสินค้า ฝั่ง API ต้องใส่ background="transparent" ด้วย ส่วน ChatGPT เอกสารไม่ได้บอก ลายตารางที่วาดลงไปไม่ใช่ความโปร่งใส ตัดมาบรรทัดแรกของตัวอย่าง

Extract the product from the input image and isolate it on a fully transparent background.

โปสเตอร์ที่ต้องมีคำเป๊ะ ใส่คำในเครื่องหมายคำพูด บอกจำนวนครั้ง ตัดมา 2 บรรทัดท้ายของตัวอย่าง

Render the tagline exactly once, clearly and legibly, integrated into the ad layout.
No extra text, no watermarks, no unrelated logos.

เรื่องเล่าเป็นการ์ตูน เริ่มด้วยบรรทัดนี้ แล้วเขียน Panel 1: ถึง Panel 4: ช่องละหนึ่งเหตุการณ์

Create a short vertical comic-style reel with 4 panels.

ลบของหรือเปลี่ยนของในรูป ระบุของชิ้นเดียว แล้วสั่งว่าส่วนอื่นห้ามเปลี่ยน

Remove the flower from man's hand. Do not change anything else.

ลองชุด บอกว่าใบหน้า สีผิว รูปร่าง และท่าห้ามเปลี่ยน รูปคนอื่นควรได้รับอนุญาตจากเจ้าตัวก่อน ข้อนี้เราเติมเองครับ

แผนภาพ สไลด์ หน้าแอป บอกผู้อ่าน เนื้อหา และป้ายที่ต้องมีให้ครบ ใส่ตัวเลขจริงใน prompt แล้วเช็กอีกรอบ

สำหรับคนใช้ API

ส่วนนี้ไม่ได้รัน เพราะเป็น API แบบจ่ายเงิน ข้อมูลมาจากเอกสารของ OpenAI

ต้องมี API key และอาจต้องผ่าน API Organization Verification ก่อน หน้าโมเดลระบุว่ารองรับ v1/images/generations กับ v1/images/edits ส่วน v1/responses เป็น Not supported ราคาต่อ token สองรุ่นเท่ากัน ต่อ 1M tokens คือ text input $5, image input $8, image output $30 แต่จำนวน token ต่อภาพอาจต่างกัน

Flare หรือ Sunburst

	gpt-image-2.6-flare	gpt-image-2.6-sunburst
เลือกเมื่อ	ความเร็วสำคัญสุด	ต้องการรายละเอียดหรือแก้แม่น
จุดเด่น	ที่ quality low เร็วสุดราว 6 วินาที	ที่ quality medium หรือ high ภาพคงที่ข้ามรอบแก้ดีขึ้น

quality คุมรายละเอียด

เลือกได้ auto, low, medium, high, xhigh, max ยิ่งสูงยิ่งเก็บเท็กซ์เจอร์และตัวหนังสือเล็กได้มาก

• เลย์เอาต์ถูกแล้วแต่ตัวเล็กอ่านยาก ให้เทียบ quality ที่ complexity เดิม
• ข้อมูลแน่น เอกสารให้เทียบ medium กับ high

complexity คุมการวางแผนก่อนวาด

เลือกได้ low, medium, high ถ้าไม่ใส่ทั้งสองรุ่นใช้ high การปรับไม่มีค่าธรรมเนียมแยก

• low แก้จุดเดียว เช่น เปลี่ยนพื้นหลังหรือป้าย
• medium หรือ high ภาพที่ของเยอะหรือเงื่อนไขมาก
• ค่าสูงอาจช้าลงและเปลี่ยนสิ่งที่ไม่ได้สั่ง เทียบแต่ละระดับให้ล็อก quality ไว้

SVG สำหรับโลโก้และไอคอน

SVG คือไฟล์เส้นและรูปทรงที่ขยายได้ไม่แตกและแก้สีได้ ส่ง output_format="svg" กับ n=1 ไปที่ generations endpoint จะใส่ background="transparent" ด้วยก็ได้ ตัวอย่างในเอกสารขึ้นต้นแบบนี้ ฉบับเต็มอยู่ในหัวข้อ Design a reusable logo

Create an original, non-infringing logo for a company called Field & Flour, a local bakery.

• ห้ามใส่ stream, partial_images, output_compression, prompt_rewriter
• edits endpoint ส่งออกเป็น SVG ไม่ได้ และรับ SVG เป็นภาพเข้าไม่ได้
• API สร้างภาพอ้างอิงก่อนแล้วแปลงเป็น SVG quality คุมภาพอ้างอิงนั้น จึงจ่ายทั้งค่าภาพและค่าโมเดลที่เขียน SVG

GIF และค่าที่ปรับได้

ฟิลด์	ค่า	ค่าเริ่มต้น	เปลี่ยนอะไร
frame_count	2–64	9	จำนวนเฟรม
frame_duration_ms	20–2000 ปัดทีละ 10 ms	200	เวลาต่อเฟรม
size	auto หรือ WIDTHxHEIGHT ที่หาร 16 ลงตัว	auto	ขนาดของแต่ละเฟรม

ตัวอย่างจากเอกสาร 9 เฟรม เฟรมละ 200 ms ได้ลูป 1.8 วินาที คำสั่งนี้ประกอบจากชื่อฟิลด์ในเอกสาร ต้องมี jq ยังไม่ได้รัน มีค่าใช้จ่าย

curl --fail --silent --show-error -X POST "https://api.openai.com/v1/images/generations" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-type: application/json" \
  -d '{
    "model": "gpt-image-2.6-sunburst",
    "prompt": "A little monkey in an olive-green hooded coat stands in a snowy pine forest at dusk. A wooden cabin glows in the background. The monkey holds a glowing amber paper lantern at chest height, slowly lifts it, looks up and blinks, then lowers it back to its starting pose. Keep the lantern in its hands and the camera still. Make the motion loop smoothly.",
    "output_format": "gif",
    "size": "512x512",
    "quality": "high",
    "frame_count": 9,
    "frame_duration_ms": 200
  }' | jq -er '.data[0].b64_json' | base64 --decode > monkey.gif

• GIF ไม่รองรับ streaming, partial images, output_compression แบบกำหนดเอง และ prompt_rewriter
• จำนวนเฟรม ขนาด และ n รวมกันต้องไม่เกินงบพิกเซลของคำขอ ถ้าเกินให้ลดลง
• edits endpoint ไม่ออก GIF และเอกสารไม่ได้แสดงวิธีส่งรูปเข้าไปทำ GIF ผ่าน API

8 กฎเขียน prompt และเช็กก่อนใช้

1. บอกผลลัพธ์ สิ่งที่อยู่ในภาพ เอาไปใช้ทำอะไร การจัดวาง สัดส่วน
2. เขียนให้อ่านง่าย ไม่ต้องมี syntax พิเศษ
3. เล่าสิ่งที่มองเห็น วัสดุ แสง สี อยากได้เหมือนจริงให้พิมพ์ photorealistic
4. บอกท่าของคน การจัดเฟรม สายตา มือทำอะไรกับของ
5. คำที่ต้องเป๊ะใส่เครื่องหมายคำพูด แล้วห้ามคำอื่น
6. แยกสิ่งที่เปลี่ยนออกจากสิ่งที่ห้ามเปลี่ยน พิมพ์ change only X แล้วลิสต์ที่ต้องคงไว้
7. ให้ภาพอ้างอิงมีหน้าที่ บอกว่าภาพไหนคือตัวละคร สไตล์ เสื้อผ้า หรือฉากหลัง
8. เปลี่ยนทีละอย่าง เอาผลล่าสุดกลับเข้าไปแก้ แล้วดูผลทุกรอบ

ก่อนเอาภาพไปใช้ เช็ก 4 ข้อนี้

• อ่านออกทุกคำไหม ป้ายในแผนภาพถูกไหม
• หน้าคน รูปทรงสินค้า และรายละเอียดจากภาพอ้างอิงยังอยู่ไหม
• แก้เฉพาะจุดที่สั่งจริงไหม
• ถ้าต้องโปร่งใส ไฟล์มีพิกเซลโปร่งใสจริงไหม

ข้อควรระวัง

• GIF ใน ChatGPT ยังทยอยเปิด บัญชีเราอาจยังไม่มี และยังไม่ได้เช็กชื่อปุ่มจริง
• ตัวหนังสือในภาพยังพลาดได้ ภาษาไทยต้องอ่านเองทุกคำ
• ตัวละครหรือแบรนด์ที่ใช้ซ้ำอาจไม่เหมือนเดิมทุกครั้ง เอกสารเตือนไว้เอง
• ตัวอย่างโค้ดส่วนใหญ่ในคู่มือ Image generation ยังใช้รุ่น 2.5 ให้ยึดหัวข้อ GPT Image 2.6 กับหน้าโมเดล

ลิงก์

• ประกาศ Images 2.6
• ChatGPT release notes
• คู่มือ Image prompting
• คู่มือ Image generation
• หน้าโมเดล Flare
• ราคา API
• โพสต์เรื่องแก้รูปใน Codex

อยากใช้ AI ทำงานให้เป็นระบบ ดูคอร์สทั้งหมดได้เลยครับ