
Diorama cartografico tridimensionale della città
Un complesso prompt parametrico per la generazione di mappe di rilievo urbano 3D di alta qualità con tipografia monumentale integrata nell'architettura.
Questo è un esempio di prompt GPT Image 2 per Altre ispirazioni . Utilizza il prompt pronto per la copia qui sotto per generare immagini simili e verifica l'attribuzione Awesome GPT Image 2 Prompts e i diritti di utilizzo commerciale prima del riutilizzo.
Hai bisogno del set completo di prompt? Usa il Altre ispirazioni hub tematico per ulteriori esempi correlati oppure apri il GPT Image 2 catalogo rapido per l'indice completo degli esempi, le strutture riutilizzabili e l'attribuzione delle fonti.
Richiesta
prompt pronto per la copia
PYTHON_SCENE_GRAPH :: PARAMETRIC_CITY_RELIEF class Variables: city = "{argument name="city" default="[CITY]"} "city_name_text = "{argument name="city name" default="literal city name from input"} "region_context = "Deduce country, topography, climate, culture, and city characteristics" topography = "Deduce mountains, rivers, coastals, plains, islands, deserts, and hills" urban_grid = "Deduce region density, roads, transportation corridors, and city layout" landmarks = "Deduce landmark_set(city)" signature_core = "Deduce the most symbolic central landmark or public space" style = "Luxury 3D map city model" class TerrainSlab: form = "Spesso, rialzato, perforato map base" surface = Variables.topography edges = "Encised title panel, legend, compass, scale bar, and illustrated area map" material = "Matte materiale modello pietra/gesso/mappa" classe CityTypography: testo = Variables.city_name_text forma = "Carattere 3D monumentale" funzione = "Ogni lettera è un volume di edificio abitabile" posizionamento = "Integrato nella mappa della città, non fluttuante" regola = "Il testo deve rimanere leggibile da una vista dall'alto" classe UrbanLayer: strade = Variables.urban_grid distretti = "Deduzione di zone di comunità e densità" punti di riferimento = Variables.landmarks nucleo = Variables.signature_core etichette = "Etichette di posizione derivate in base alla geografia della città" classe Atmosphere: telecamera = "Vista macro a tre quarti dall'alto" illuminazione = "Luce diurna da studio morbida e di alta qualità" dettagli = "Veicoli, nuvole, aerei, alberi, persone mostrati solo dove appropriato" def render(): return """{nome argomento="città di destinazione" predefinito="[CITTÀ]"} Renderizzato come un modello di mappa topografica 3D in rilievo, dove i nomi delle città sono trasformati in edifici monumentali, integrati con geografia dedotta, Punti di riferimento, etichette, strade e dettagli cartografici in stile atlante.Variabili di richiesta
Segnaposto per gli argomenti modificabili presenti nel prompt, con i relativi valori predefiniti.
Variabile
city
Predefinito
[CITY]
Variabile
city name
Predefinito
literal city name from input
Variabile
target city
Predefinito
[CITY]
Altri casi in questa categoria
Prioritizzazione in base a categoria, compatibilità della modalità di input, qualità e minor rischio.

Ritratto in studio censurato
Testo in immagine

Cena romantica a lume di candela per coppie
Testo in immagine

Design dei personaggi per film drammatici
Testo in immagine

Annotazione di una foto di uno schizzo disegnato a mano
Testo in immagine

Ritratto editoriale con flash diretto
Testo in immagine

Ritratto in stile retrò di una vacanza estiva con la plumeria
Testo in immagine
Note sul riutilizzo e sulla fonte
Utilizza questo prompt in tutta sicurezza dopo aver visualizzato in anteprima il caso.
- 1.Copia il prompt oppure aprilo direttamente in Dovoo tramite il pulsante di generazione.
- 2.Regola le variabili, le proporzioni e le immagini di riferimento in base alle tue esigenze.
- 3.Prima della pubblicazione o dell'utilizzo a pagamento, verificare i diritti di fonte, i requisiti di attribuzione e i rischi relativi al marchio o all'immagine.