바이럴 토픽→FIT 점수 모듈 인포그래픽
Astra/ChatGPT로 먼저 핫이슈를 캐내고, FIT 점수에 따라 모듈을 조립한 뒤 Image 2.5로 4장의 4:5 이미지를 바로 뽑는다. 주제 시각화를 빈 캔버스에서 시작하지 말 것 — 먼저 점수를 매기고 그다음 이미지를 생성한다.
프롬프트
4 images, 4:5. Do research, pick viral topics (including an AI treadmill). For TOPIC, choose modules by maximizing: FIT(module) = 0.30 * explanatory_power + 0.22 * topic_relevance + 0.18 * visual_clarity + 0.14 * comparison_value + 0.10 * editorial_readability + 0.06 * aesthetic_cohesion Possible modules: map, timeline, ranked table, category cards, methodology box, anatomy callout, process diagram, matrix chart, flow pipeline, network diagram, scatter/radar comparison, case-study cards, source footer. Only include modules whose FIT score exceeds threshold. Then order the chosen modules by narrative logic: HOOK → EXPLAINER → METHOD → METRICS → RESULTS → NOTES
한국어 번역
4장의 이미지, 4:5. 리서치를 하고 바이럴 토픽을 고른다(AI 러닝머신 포함). TOPIC에 대해 다음을 최대화하도록 모듈을 선택한다: FIT(module) = 0.30 * explanatory_power + 0.22 * topic_relevance + 0.18 * visual_clarity + 0.14 * comparison_value + 0.10 * editorial_readability + 0.06 * aesthetic_cohesion 가능한 모듈: 지도, 타임라인, 순위 표, 카테고리 카드, 방법론 박스, 해부 콜아웃, 프로세스 다이어그램, 매트릭스 차트, 흐름 파이프라인, 네트워크 다이어그램, 산점도/레이더 비교, 사례 연구 카드, 출처 푸터. FIT 점수가 임계값을 넘는 모듈만 포함한다. 그다음 선택한 모듈을 내러티브 논리에 따라 배치한다: HOOK → EXPLAINER → METHOD → METRICS → RESULTS → NOTES
출처
- 원작자
- Gdgtify
- 게시일
- 2026-09-22
- 원문 출처
- 원문 보기 ↗
- 수록 출처
- xianyu110/awesome-gpt-image2.5 · 2102383160185208960 · MIT