GPT Image 2 Noise और Texture Artifacts: reproducible troubleshooting checklist

GPT Image 2 output में specks, cracks, repeating patterns या fake detail दिखे तो हर समस्या का दोष quality: "low" को न दें। पहले raw output बचाएं और symptom को classify करें: overall detail कम है, raw file में artifact है, editing के बाद dirt आया है, या upload के बाद compression दिख रही है।

quality, size, format और compression controllable हैं, लेकिन official docs dirty texture या white specks का एक universal root cause नहीं बतातीं। लक्ष्य model के भीतर अनुमान लगाना नहीं, सबसे कम controlled comparisons से problem layer और अगला कदम पहचानना है।

Low quality और artifact अलग हैं

quality: "low" draft, thumbnail और fast iteration के लिए ठीक है और overall detail कम समझा सकता है। यह repeating texture, checkerboard, white specks या कई edit rounds के बाद covered feel को अपने-आप explain नहीं करता। पहले unconverted raw file, surface, model, quality, size और reference images record करें; image को 100% और final display size दोनों पर देखें।

Single-variable comparison

Prompt, input, surface, model और size स्थिर रखें और केवल एक quality value बदलें, जैसे low से medium। Prompt, reference, size और API surface एक साथ बदलने पर बेहतर result का कारण पता नहीं चलेगा। दोनों groups में raw file, format, dimensions, shadows, edges, text, repeating areas और final display को record करें।

यदि Group B साफ है तो केवल इस sample और settings में correlation सिद्ध होता है, universal fix नहीं। दोनों में same tiling हो तो quality को अकेला कारण न मानें; अगली round में सिर्फ reference image हटाएं।

Official controls की सीमा

Image API और Responses API अलग test surfaces हैं। quality, size, background, output format और compression को अलग fields मानें। Text clarity, logo consistency और strict composition failures को noise न कहें; वे model limitation या acceptance problem हो सकते हैं।

Publish compression पहले rule out करें

Raw file और final downloaded file को समान zoom पर compare करें। Dimensions, format, shadows, gradients, fine lines और text edges देखें। यदि raw साफ है और published file खराब है तो PNG-to-JPEG/WebP, CMS scaling या browser interpolation की delivery chain ठीक करें; generation लगातार दोहराते न रहें।

Reference image और repeated edits केवल verify करने वाली branches हैं, confirmed root cause नहीं। अगली round में बाकी सब स्थिर रखकर reference हटाएं। New chat भी isolation condition है, root-cause proof नहीं।

Stop rules

यदि एक round में कई variables बदले, raw file न बची, केवल published copy खराब हुई, दो controlled rounds fail हुए, या text/logo/composition error को noise कहा जा रहा है, तो रुकें। Prompt, input, model, quality, size, route, time और request ID save करें और provider को report करें।

High quality अपने-आप artifacts नहीं हटाता, नया chat universal fix नहीं है और 4K artifacts का प्रमाण नहीं। Reliable result वह है जिसमें problem layer, correlated variable और stopping point स्पष्ट हो।