A cartoon orange tabby cat in a red jacket dancing upright on its hind legs, motion arcs sweeping behind it - the kind of looping animation this guide generates from a single text prompt.
Przewodniki

Jak stworzyć animowanego GIF-a z polecenia tekstowego (GPT Image 2.6)

Opublikowano Nov 6, 2026

Tłumaczenie maszynowe

Krótka odpowiedź: tak. GPT Image 2.6 generuje zapętloną animację w formacie GIF na podstawie zwykłego polecenia tekstowego — od 2 do 16 klatek, wybrany przez Państwa czas opóźnienia klatki, opcjonalne przezroczyste tło — bez użycia modelu wideo i bez osi czasu — może również animować posiadane już przez Państwa zdjęcie. Poniżej znajdują się dokładne polecenie, dokładne ustawienia, wynik oraz koszt każdego kroku. Kluczowy wniosek: większa liczba klatek nie zapewnia lepszego obrazu. Powoduje jedynie, że jest on gorszy.

Ujawnienie: tworzymy CombiChat, który sprzedaje dostęp do tych modeli, więc mamy oczywisty interes w tym, aby uznali Państwo to rozwiązanie za tanie. Każdy tutaj koszt to rzeczywiste zużycie kredytów na naszym własnym koncie za kroki wykonane na tej stronie — nie jest to szacunek ani cennik dostawcy. Metoda znajduje się na końcu. Pomiar z dnia 6 listopada 2026 r.

Co Państwo tworzą

Kreskówkowy pomarańczowy kot pręgowany w czerwonej kurtce bomberce tańczący na tylnych łapach, zapętlony w szesnastu klatkach – gotowa animacja wygenerowana w tym poradniku na podstawie pojedynczego polecenia tekstowego.

Jedno polecenie, jeden przebieg, jeden plik: 16 klatek, 1,6-sekundowa pętla, przezroczyste tło, dzięki czemu animacja pasuje do każdego koloru. Całość zajęła około minuty i kosztowała 22 428 kredytów, czyli około 22 centy.

Ustawienia

Kompozytor Studio obrazów w CombiChat z wybranym Formatem gif, liczbą klatek 16, parametrem Czas trwania klatki 100ms, wysoką Jakością i przezroczystym Tłem – dokładne ustawienia użyte do animacji w tym poradniku.

Kluczem do sukcesu jest wybranie opcji gif w wierszu Format. Nie jest to wybór formatu kontenera, jak w przypadku PNG względem WebP — ta opcja zmienia to, co zwraca model, dlatego w momencie jej wybrania obok pojawiają się dwa dodatkowe wiersze.

KontrolaUżyteDlaczego
ModelGPT Image 2.6 SunburstCzęść pary 2.6 dostrojona do szczegółów. Utrzymanie jednej postaci przez szesnaście klatek to najtrudniejsza część tego zadania, a Sunburst został stworzony właśnie z myślą o spójności między renderami.
FormatgifUmożliwia wyświetlenie klatek oraz parametru Czas trwania klatki. Każda inna wartość zwraca nieruchomy obraz.
Klatki16Wartość maksymalna. Przed jej ustawieniem zaleca się zapoznanie z następną sekcją.
Czas trwania klatki100ms16 klatek x 100ms = 1,6-sekundowa pętla, około 10 klatek na sekundę.
JakośćhighParametr, który wpływa na wysokość rachunku, zwiększając koszty aż 8,5-krotnie.
Proporcje1:1Kwadrat przetrwa każde przycięcie stosowane przez platformy społecznościowe.
TłotransparentDzięki temu wynikowy efekt przypomina naklejkę, a nie zdjęcie kota na białym kwadracie.
Liczba1Ten przykład wymaga tylko jednej pętli. Wyższe wartości również działają — każda animacja jest generowana jako osobne żądanie, więc nie konkurują one o ten sam budżet.

Czas trwania klatki mieści się w zakresie od 20 ms do 2000 ms w siatce co 10 milisekund, a wybór tej siatki nie jest przypadkowy: plik GIF przechowuje opóźnienie klatki w setnych częściach sekundy, więc opóźnienie wynoszące 55 ms zostałoby zapisane w pliku jako 60, co wprowadzałoby w błąd. Dwadzieścia milisekund to również najkrótsze opóźnienie, które jest respektowane przez przeglądarki — Chrome i Firefox po cichu ograniczają każdą wartość mniejszą niż 100 ms.

Prompt

text
Zapętlona, 16-klatkowa animacja tłuściutkiego, pomarańczowego kota rudo-białego w maleńkiej, czerwonej kurtce typu bomber, stojącego na tylnych łapach i wykonującego krok tańca Charleston: kolana kołyszą się do wewnątrz i krzyżują, przednie łapy krzyżują się na wysokości kolan, ogon wymachuje w przeciwnym kierunku niż biodra, a uszy podskakują w każdym uderzeniu rytmu. Styl płaskiej animacji cel-shaded, wyraźne czarne kontury, cztery płaskie kolory na każdy kształt, brak gradientów i tekstur. Całe ciało od uszu do palców, wyśrodkowane, z dużym marginesem wolnej przestrzeni z każdej strony. Ostatnia poza dokładnie powraca do pierwszej, dzięki czemu pętla jest płynna.

Trzy elementy w tym tekście pełnią kluczową rolę, a każdy z nich jest błędem, który najpierw popełniliśmy.

Należy opisywać anatomię; nigdy nie należy używać porównań. Naturalnym sposobem pisania byłoby: "kot tańczący jak człowiek, na dwóch nogach jak osoba". Proszę tego nie robić. Model obrazu nie interpretuje zwrotu „jak człowiek” jako porównania — odczytuje go jako rzeczownik, o który Państwo proszą, w efekcie otrzymują Państwo postać człowieka w kadrze. Opisanie pozy zamiast tego (stojąc wyprostowanym na tylnych łapach, z kolanami skierowanymi do wewnątrz, łapami skrzyżowanymi na wysokości kolan) pozwala uzyskać dokładnie taki sam obraz, nie wymieniając przy tym nikogo z nazwy. Dodanie frazy „bez ludzi” również nie pomaga; słowo to i tak znajduje się w prompcie.

Płaski kolor nie jest tutaj preferencją stylistyczną, lecz formatem pliku. Plik GIF przechowuje maksymalnie 256 kolorów na klatkę i jest kompresowany poprzez wyszukiwanie ciągów identycznych pikseli. Gładkie, fotorealistyczne cieniowanie negatywnie wpływa na oba te aspekty jednocześnie: paleta kolorów ulega posteryzacji (powstają pasma), a rozmiar pliku drastycznie rośnie. Prośba o cztery płaskie kolory na kształt, bez gradientów, wyraźne kontury sprawia, że wynikowy plik jest mniejszy i lepiej wygląda. Animacja celuloidowa i format GIF zostały stworzone dla siebie nawzajem.

Należy poprosić o zamknięcie pętli. Zdanie ostatnia poza wraca dokładnie do pierwszej to prosta wskazówka, która pozwala uzyskać płynną cykliczność. Bez niej animacja będzie widocznie przeskakiwać przy każdym jej ponownym uruchomieniu.

Więcej klatek, mniej pikseli

To jest kwestia, o której nikt nie wspomina, a która działa odwrotnie do zasad wyceny wideo.

Prośba o większą liczbę klatek GIF w modelu GPT Image 2.6 nie zwiększa ilości obrazu: zamiast tego dzieli ona w przybliżeniu stały budżet pikseli pomiędzy nie. Pętla 2-klatkowa miała wymiary 1216 na 816, a każda wygenerowana przez nas 16-klatkowa pętla miała około pół megapiksela — 864 na 576 lub 704 na 704 — we obu modelach 2.6, w dwóch proporcjach obrazu i we wszystkich czterech poziomach jakości.

Pomiar wykonany na podstawie 20 animowanych klatek na obu modelach GPT Image 2.6, listopad 2026 r. Każdy GIF o długości 16 klatek miał około pół megapiksela.

Model nie renderuje klatek w pełnym rozmiarze i nie nalicza opłat za każdą klatkę z osobna. Zamiast tego dzieli przybliżony, stały budżet pikseli pomiędzy wszystkie klatki. Cztery warianty liczby klatek, ten sam model, ta sama jakość, to samo proporcje obrazu:

KlatkiDostarczone płótnoMegapikseleNaliczone kredyty
21216 x 8160.997,858 (~$0.07)
41216 x 8160.997,859 (~$0.07)
91152 x 7680.887,222 (~$0.07)
16864 x 5760.507,219 (~$0.07)

Przejście z 2 klatek na 16 nie wiązało się z żadnym dodatkowym kosztem w tej serii, a jednocześnie zmniejszyło rozdzielczość o połowę. Zaobserwowaliśmy to samo zmniejszenie płótna na drugim modelu 2.6 przy innych proporcjach obrazu i na każdym poziomie jakości: każdy wygenerowany przez Państwa GIF o długości 16 klatek, w obu modelach i na wszystkich czterech poziomach jakości, miał około pół megapiksela. Ten element jest przewidywalny.

Koszty natomiast nie są. W przypadku drugiego modelu rachunek nie pozostał stały:

Model, jakość, proporcje2 klatki16 klatek
2.6 Flare, niska, 3:27 858 kredytów (~$0.07)7 219 (~$0.07) — płaska
2.6 Sunburst, wysoka, 1:110 650 kredytów (~$0.10)22 428 (~$0.22) — 2.1x

Zatem nie należy planować budżetu w oparciu o założenie, że „klatki są darmowe”. Należy go planować w oparciu o jedną zasadę, która sprawdza się wszędzie: liczba klatek jest zawsze opłacana rozdzielczością; czasem płaci się za nią pieniędzmi. Pozostawia to Państwu realny wybór zamiast darmowego obiadu:

  • Zależy Państwu na płynności? Należy wybrać 16 klatek i zaakceptować rozdzielczość około 704 x 704. W przypadku zapętlenia, które będzie wyświetlane w oknie czatu o szerokości 400 pikseli, jest to niemal zawsze właściwa decyzja.
  • Zależy Państwu na ostrości? Należy wybrać od 2 do 4 klatek w pełnej megapikselowej rozdzielczości i tak zaprojektować ruch — mrugnięcie, podskok, fala czy machnięcie ogonem. Pętla dwuklatkowa to w pełni dopuszczalny naklejka (sticker), a jej rozmiar pliku jest pięciokrotnie mniejszy.

Jedna specyficzna cecha, o której warto wiedzieć, ponieważ wyjaśnia ona kształt wszystkiego, co opisano powyżej: model nie renderuje animacji jako sekwencji. Rozmieszcza on klatki w formie jednej dużej siatki — pętla obejmująca 16 klatek o wymiarach 704x704 to w rzeczywistości arkusz 2816x2816 — i to właśnie dlatego liczba klatek pochłania dostępną rozdzielczość. W przypadku prośby o wygenerowanie kilku pętli jednocześnie, CombiChat przesyła każdą z nich jako osobne zapytanie, dzięki czemu nie konkurują one o ten sam budżet.

Poniżej znajduje się animacja z góry tej strony, przedstawiona jako szesnaście płaskich klatek. Jest to efekt tego, co model wygenerował podczas jednego przejścia — stanowi to również najdoskonalszy wgląd w najtrudniejszą część zadania, którą nie jest samo rysowanie, lecz utrzymanie tego samego kota, tej samej kurtki i tych samych pasów w każdej komórce:

Wszystkie szesnaście klatek tańczącego kota rozmieszczonych w siatce cztery na cztery – taki sam układ, który model generuje wewnętrznie przed spakowaniem go do formatu GIF, oraz powód, dla którego dłuższa pętla jest zwracana w mniejszym rozmiarze.

Oto ten sam prompt w formie dwuklatkowej pętli. Obraz jest ostrzejszy — 960 x 960 w porównaniu do 704 w wersji szesnastoklatkowej — a jego waga jest pięciokrotnie mniejsza i wynosi 215 KB, przy czym wciąż można bezbłędnie rozpoznać tańczącego kota:

Ten sam tańczący kot w formie dwuklatkowej pętli o rozdzielczości 960 na 960 pikseli — ostrzejszy, lecz z minimalnym ruchem; jest to kompromis między liczbą klatek a rozdzielczością, który mierzy ten przewodnik.

Koszty

Jakość jest kluczowym czynnikiem. Trzy poziomy mierzone na podstawie tego samego promptu przy 16 klatkach; dwa najwyższe są prognozowane na podstawie opłat za obrazy statyczne zmierzonych dla tego samego modelu:

JakośćPobrane kredytyW przybliżeniu
niska10,541~$0.10
średnia18,495~$0.18
wysoka22,428~$0.22
bardzo wysoka~39,900~$0.39
maksymalna~89,700~$0.89

Kredyty to saldo zużywane w planie CombiChat, natomiast plan Plus zapewnia dwa miliony kredytów miesięcznie — co pozwala na wygenerowanie około 89 takich jednostek w wysokiej jakości lub 189 w niskiej. Plan Pro podwaja tę liczbę, a plan Max podwaja ją ponownie.

Należy zwrócić uwagę na to, czego nie ma na liście: opóźnienie klatek, proporcje obrazu oraz przezroczyste tło nie generują żadnych kosztów w żadnym z modeli. To jakość jest dominującym parametrem — rozpiętość wynosi 8,5x od końca do końca — podczas gdy liczba klatek jest drugorzędnym czynnikiem, zależnym od modelu.

Domyślne ustawienie to niska jakość, a to właśnie przy niej pojawiają się problemy

Nowe generacje obrazów rozpoczynają się od ustawienia low, w którym jakość animacji pogarsza się najszybciej — spadek jakości dotyka części postaci, które się poruszają.

Ten sam rysunkowy kot narysowany w niskiej i wysokiej jakości obok siebie: w niskiej jakości nogi zlewają się w jedną masę, a stopy znikają, dlatego w tym przewodniku zaleca się zmianę ustawień domyślnych.

Po lewej, low: 10 541 kredytów, około 10 centów. Po prawej, high: 22 428 kredytów, około 22 centy. Ten sam prompt, te same 16 klatek, to samo płótno 704 x 704 — dwie osobne generacje, ponieważ ten model nie przyjmuje ziarna (seed).

Oba koty wyglądają dobrze jako pojedyncze rysunki. W wersji o niskiej jakości nogi zlały się w jedną masę, stopy zniknęły, a kontury uległy rozmyciu — a na przestrzeni szesnastu klatek to właśnie te elementy przyciągają wzrok, przez co pętla wygląda jak chwianie się, a nie taniec. Rozwiązanie tego problemu kosztuje około jedenaście centów.

Animuj posiadane już zdjęcie

Obiekt nie musi pochodzić z promptu. Proszę załączyć obraz przy użyciu przycisku referencji, wybrać opcję gif i opisać wyłącznie ruch: model animuje Państwa zdjęcie, zachowując jego obiekt, kadrowanie oraz tło, zamiast rysować nowe.

text
Animuj dokładnie tego konkretnego kotka w formie płynnej, zapętlonej tańczącej animacji. Zaczynając od jego pozy na zdjęciu, z przednimi łapkami złączonymi na piersi, kotek podskakuje w górę i w dół w rytm muzyki i uderza przednimi łapkami o siebie przy każdym podskoku, przy czym uszy mu powiewają, a głowa kołysze się na boki. Zachowaj tego samego kotka, to samo kadrowanie i to samo tło co na zdjęciu. Ostatnia poza musi być identyczna z pierwszą, aby zapętlenie było płynne.

Wysłaliśmy to polecenie wraz ze zdjęciem rudego kociaka w modelu GPT Image 2.6 Sunburst w wysokiej jakości, w proporcjach 3:4, przy 16 klatkach. Wynik otrzymał w rozdzielczości 608 x 816 — ten sam kociak klaszcze i podskakuje dwukrotnie w każdej pętli, po czym wraca do pozy ze zdjęcia — a koszt wyniósł 17 683 kredytów, czyli około 17 centów.

  • Przeznacz polecenie na opis ruchu. Zdjęcie już informuje, jak wygląda obiekt. Nie może jednak określić, jak się porusza, i właśnie do tego służą słowa.
  • Należy rozpocząć ruch od pozy ze zdjęcia i zakończyć go w tej samej pozycji. Dzięki temu pętla domyka się na obrazie wyjściowym.
  • Należy spodziewać się większego rozmiaru pliku. Zdjęcie pozostaje zdjęciem, wraz ze wszystkimi cieniami, które format GIF przechowuje w sposób mało wydajny: nasz 16-klatkowy kociak zajmuje 3,6 MB, czyli ponad trzy i pół raza więcej niż rysunkowy kot o rozmiarze 1 009 KB.
  • Brak maski. Studio obrazów nie może przesłać maski wraz z animowanym obrotem, dlatego przy wybranym trybie gif przycisk Maskowanie pozostaje ukryty.

Trzy rzeczy, których model nie zrobi

  • Brak ziarna (seed). Model nie przyjmuje ziarna, co oznacza, że uzyskanego wyniku nie można powtórzyć ani zmodyfikować. Ponowne wygenerowanie obrazu spowoduje uzyskanie innego kota.
  • Sztywne ograniczenie do szesnastu klatek. Próba wygenerowania 17 klatek spotka się z odmową ze strony OpenAI: "Use an integer from 2 to 16." Strony obiecujące 32 lub 64 klatki opisują zupełnie inne rozwiązanie.
  • Duża waga plików. Nasza 16-klatkowa pętla waży 1009 KB; 2-klatkowa wersja tego samego elementu waży 215 KB. Format GIF przechowuje niemal każdą klatkę w całości, bez kompresji między klatkami, więc 16-klatkowa animacja to w uproszczeniu szesnaście zdjęć złożonych w jeden plik. W przypadku stron internetowych zaleca się konwersję do formatu MP4, a formatu GIF należy używać jedynie tam, gdzie jest on jedynym obsługiwanym rozwiązaniem — w aplikacjach czatowych, naklejkach czy wiadomościach e-mail.

Skąd wzięły się te liczby

Każdy koszt na tej stronie stanowi obciążenie naszego własnego konta, a nie cennik. Przebiegi testowe przeprowadzono w Studio obrazów CombiChat na standardowym płatnym planie, a następnie odczytano liczbę kredytów z rekordu każdego przebiegu. Kredyty są jednostką, w której rozliczany jest plan, a 100 000 kredytów to jeden dolar amerykański — zatem kwota w dolarach obok każdej pozycji to wynik tej konwersji, zaokrąglony w dół i oznaczony tyldą, aby służył jako wskazówka, a nie wiążąca oferta. Marża jest identyczna dla każdego płatnego planu, więc są to wartości, które Państwo zobaczyliby w rzeczywistości.

Tabela liczby klatek obejmuje cztery oddzielne przebiegi przy identycznych ustawieniach w modelu GPT Image 2.6 Flare, natomiast druga tabela dodaje dwa kolejne w modelu Sunburst. Tabela jakości zawiera jeden mierzony przebieg na każdy poziom dla ustawień low, medium i high; poziomy xhigh i max są prognozowane poprzez skalowanie zmierzonej animacji z poziomu high przy użyciu stosunku zmierzonych kosztów generowania obrazów statycznych dla tego samego modelu, co jest powodem zastosowania tildy — ta prognoza dla poziomu high mieściła się w granicach dziesięciu kredytów na dwadzieścia dwa tysiące przed przeprowadzeniem pomiaru, zatem ufaszmy jej, lecz oznaczamy jako prognozowaną. Rozmiary płótna są odczytywane z dostarczonych plików, a nie z zapytania: w tym modelu nie ma możliwości wyboru rozmiaru wyjściowego. Animacja zdjęcia obejmuje jeszcze jeden przebieg, w modelu Sunburst przy wysokiej jakości, zmierzony 7 listopada 2026 r.

Najczęściej zadawane pytania

Czy GPT Image 2.6 potrafi tworzyć animowane pliki GIF? Tak. Po ustawieniu formatu wyjściowego na GIF, model zwraca zapętloną animację zamiast nieruchomego obrazu — od 2 do 16 klatek, z opóźnieniem klatki wybieranym przez Państwa w zakresie od 20 do 2 000 milisekund oraz opcjonalnym przezroczystym tłem. Jest to ten sam model i to samo pole promptu, którego używa się do obrazów statycznych; nie jest przy tym wykorzystywany żaden model wideo.

Ile klatek może mieć GIF wygenerowany przez AI? W przypadku GPT Image 2.6 górna granica wynosi szesnaście klatek, a OpenAI odrzuca każdą wyższą wartość, wyświetlając wyraźny błąd z prośbą o podanie liczby całkowitej z zakresu od 2 do 16. Publikowane informacje o 32 lub 64 klatkach nie odnoszą się do tego modelu.

Czy prośba o większą liczbę klatek wiąże się z wyższym kosztem? Czasami. W przypadku jednego modelu i kształtu zmierzyliśmy 2, 4, 9 i 16 klatek przy identycznych ustawieniach i we wszystkich czterech przypadkach koszt był zbliżony — około 7 200 do 7 900 kredytów, czyli około siedmiu centów; w innym przypadku 16 klatek kosztowało 2,1 raza więcej niż 2 klatki. Tym, co przy większej liczbie klatek zawsze wzrasta, jest rozdzielczość — każdy wygenerowany przez nas 16-klatkowy GIF miał około pół megapiksela, podczas gdy 2-klatkowy miał pełny megapiksel.

Czy mogą Państwo zamienić własne zdjęcie w animowanego GIF-a? Tak. Należy załączyć zdjęcie jako materiał referencyjny, ustawić format na GIF i opisać ruch: GPT Image 2.6 animuje to zdjęcie, zamiast tworzyć zupełnie nowy obraz. 16-klatkowa pętla wysokiej jakości przedstawiająca sfotografowanego kotka kosztowała 17 683 kredyty, czyli około 17 centów. Jedyną rzeczą, której animowana transformacja nie może przenieść, jest maska.

Dlaczego mój GIF wygenerowany przez AI wygląda na kanciasty lub posiada efekt pasmowania? Przyczyną są dwa nakładające się na siebie czynniki. Format GIF przechowuje maksymalnie 256 kolorów na klatkę, przez co płynne, fotograficzne cieniowanie ulega posteryzacji (powstaniu wyraźnych pasm); dodatkowo ustawienie jakości jest domyślnie niskie, co powoduje rozmycie właśnie tych ruchomych elementów, na których skupia się wzrok. W poleceniu (prompt) należy użyć określeń takich jak „flat cel-shaded art with bold outlines” i zwiększyć jakość — format ten został stworzony z myślą o grafice płaskiej.

Czy GIF wygenerowany przez AI może mieć przezroczyste tło? Tak. Po ustawieniu parametru Background na transparent, każda klatka otrzyma przezroczysty indeks kolorów, co sprawia, że wynik można wykorzystać jako naklejkę, a nie obraz na białym kwadracie. Przezroczystość w formacie GIF działa binarnie (włączona lub wyłączona dla każdego piksela), a nie w sposób stopniowany, dlatego wyraźne obrysy i płaskie wypełnienia zachowują czystość, podczas gdy miękkie, fotograficzne krawędzie nie radzą sobie z tym ograniczeniem.

Czego potrzebuję, aby generować GIF-y w CombiChat? Plan Plus lub wyższy. Oba modele GPT Image 2.6 znajdują się powyżej poziomu modeli oferowanego w planie darmowym. Animacja nie jest płatnym dodatkiem — znajduje się ona w wierszu Format w kreatorze obrazów i nie kosztuje więcej niż sama kolejka (turn).