API de génération d’images OpenAI : demande et utilisation

L’API de génération d’images OpenAI prend actuellement en charge plusieurs modèles de génération d’images, y compris le classique dall-e-3, le modèle avec une meilleure capacité de rendu de texte gpt-image-1, la dernière génération gpt-image-2, ainsi que la série de modèles nano-banana / nano-banana-2 / nano-banana-pro accessibles via la même interface. Tous peuvent générer des images de haute qualité à partir de descriptions textuelles. Ce document présente principalement le processus d’utilisation de l’API de génération d’images OpenAI, qui permet d’utiliser facilement les fonctionnalités de génération d’images de la série OpenAI.

Processus de demande

Pour utiliser l’API de génération d’images OpenAI, rendez-vous d’abord sur la page OpenAI Images Generations API et cliquez sur le bouton « Acquire » pour obtenir les identifiants nécessaires à la requête :

Si vous n’êtes pas encore connecté ou inscrit, vous serez automatiquement redirigé vers la page de connexion pour vous inscrire et vous connecter, puis vous reviendrez automatiquement à cette page. Lors de la première demande, un quota gratuit est offert pour utiliser l’API gratuitement.

Modèle GPT-Image-2

gpt-image-2 est un modèle de génération d’images nouvelle génération lancé par OpenAI, qui présente des améliorations significatives par rapport à dall-e-3 et gpt-image-1 dans les domaines suivants :

Meilleure capacité à suivre les instructions : comprend précisément les instructions structurées complexes telles que la composition, le comptage, les relations de position, etc.
Rendu du texte plus clair : dans des scénarios tels que posters, menus, infographies, logos, les textes en anglais et les chiffres sont quasiment exempts d’erreurs.
Expression de styles plus riche : support natif de multiples styles comme portrait cinématographique, affiche rétro, illustration pour enfants, photographie de produit, infographie, etc.
Support natif multi-rapport et haute résolution : couvre 5 rapports (1:1, 4:3, 3:4, 16:9, 9:16) avec 3 résolutions (1K / 2K / 4K).

L’appel est identique aux autres modèles, il suffit de définir le champ model à gpt-image-2. Le champ url dans le résultat retourné est un lien permanent hébergé sur platform.cdn.xhuoapi.ai, pouvant être ouvert directement dans un navigateur ou intégré dans une page web.

Valeurs supportées pour `size` et niveaux de tarification

gpt-image-2 vérifie uniquement le format de size : tant que ce n’est pas auto ou une chaîne vide, il doit correspondre au format WIDTHxHEIGHT (par exemple 1024x1024, 2048x1152, 800x600) ; toute autre forme retourne une erreur 400. La tarification se divise en deux niveaux :

Prix standard 1K : pour toute taille 1K recommandée dans le tableau ci-dessous, ou les alias 1K courants en amont (1254x1254, 1672x941, 941x1672 — ce sont les tailles effectivement retournées en 1K, réutilisées sans surcoût).
Autres niveaux (×1,5) : toute taille hors de la collection 1K ci-dessus, y compris les tailles 2K / 4K recommandées dans le tableau, ou toute taille personnalisée WIDTHxHEIGHT.

Contraintes strictes en amont pour les tailles personnalisées : largeur et hauteur multiples de 16, côté long ≤ 3840, nombre total de pixels ≤ 8 294 400. Les dépassements sont rejetés avec un code 4xx.

Rapport	1K (prix standard)	2K recommandé (×1,5)	4K recommandé (×1,5)
1:1	`1024x1024`	`2048x2048`	`2880x2880`
4:3	`1536x1024`	`2048x1536`	`3264x2448`
3:4	`1024x1536`	`1536x2048`	`2448x3264`
16:9	`1792x1024`	`2048x1152`	`3840x2160`
9:16	`1024x1792`	`1152x2048`	`2160x3840`

Vous pouvez aussi passer size: "auto" ou omettre le champ size, auquel cas le modèle choisira la taille par défaut, facturée au tarif standard 1K. En 1K, la sortie en amont ne garantit pas un alignement exact des pixels — par exemple, vous demandez 1024x1024 et obtenez 1254x1254 avec le même rapport. Si vous réutilisez cette taille comme size, la facturation reste en 1K. Les appels 4K prennent généralement 4 à 8 minutes, il est recommandé d’utiliser le mécanisme de rappel asynchrone callback_url présenté plus loin.

À propos du paramètre n gpt-image-2 ne supporte pas n > 1 : ce paramètre est silencieusement ignoré, que vous passiez n=1 ou n=10, une seule image est retournée et facturée. Pour obtenir plusieurs images candidates, lancez plusieurs requêtes en parallèle (il est conseillé de varier prompt ou seed pour éviter des images très similaires). Cette limitation s’applique aussi à gpt-image-1 / gpt-image-1.5 et à la série nano-banana. Seul dall-e-2 supporte nativement n > 1 ; dall-e-3 supporte uniquement n = 1.

Voici plusieurs exemples réels illustrant les capacités de gpt-image-2.

Scénario 1 : portrait cinématographique

Le prompt peut utiliser des termes cinématographiques (pellicule 35 mm, faible profondeur de champ, néons, etc.) pour contrôler précisément l’ambiance et la texture. Exemple de code Python :

import requests

url = "https://api.xhuoapi.ai/v1/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gpt-image-2",
    "prompt": "A cinematic portrait of a young woman standing in a convenience store at night, illuminated by soft pink and cyan neon signs through the window. Shot on 35mm film, shallow depth of field, slight grain, melancholic mood.",
    "size": "1024x1536"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Résultat retourné :

{
  "success": true,
  "task_id": "ab58a5df-6f46-4874-bff6-93169e2849a3",
  "created": 1777048800,
  "data": [
    {
      "revised_prompt": "A cinematic portrait of a young woman standing in a convenience store at night, illuminated by soft pink and cyan neon signs through the window. Shot on 35mm film, shallow depth of field, slight grain, melancholic mood.",
      "url": "https://platform.cdn.xhuoapi.ai/gpt-image/ab58a5df-6f46-4874-bff6-93169e2849a3_0.png"
    }
  ]
}

Image générée :

Scénario 2 : affiche de voyage vintage (avec rendu de texte)

gpt-image-2 est très stable pour la mise en page et le rendu typographique, idéal pour générer posters, menus, cartes de vœux avec texte.

payload = {
    "model": "gpt-image-2",
    "prompt": "A vintage travel poster of the Amalfi Coast, Italy. Stylized art-deco illustration of cliffside lemon-yellow houses cascading down to a turquoise sea, with a small white sailboat in the harbor. Bold typography at the top reads AMALFI and at the bottom ITALIA 1958. Limited color palette: cream, sea-blue, lemon yellow, terracotta. Slight paper-grain texture.",
    "size": "1024x1536"
}

Image retournée :

Le modèle reproduit fidèlement le style visuel Art Deco, avec les titres AMALFI et ITALIA 1958 clairement et correctement rendus.

Scénario 3 : composition complexe et comptage

Ce prompt teste la capacité du modèle à suivre des instructions structurées sur les quantités et positions.

payload = {
    "model": "gpt-image-2",
    "prompt": "A wooden bookshelf consisting of three shelves: On the top shelf, there should be one book. On the second shelf, there should be three books. On the bottom shelf, there should be seven books. Soft warm lighting, photorealistic, cozy library atmosphere.",
    "size": "1024x1024"
}

Image générée :

Le nombre de livres sur chaque étagère (1 / 3 / 7) correspond parfaitement au prompt, ce qui était difficile à obtenir de manière stable avec dall-e-3.

Scénario 4 : style illustration (paysage)

En spécifiant un médium artistique et des mots-clés d’ambiance, on peut guider le modèle vers une illustration stylisée.

payload = {
    "model": "gpt-image-2",
    "prompt": "A soft, poetic children's book illustration of a small fox reading a book under a glowing mushroom in a moonlit forest. Watercolor and pencil texture, gentle pastel colors, dreamy atmosphere, hand-drawn feel.",
    "size": "1536x1024"
}

Illustration paysage générée :

Asynchrone et rappel

Un appel unique à gpt-image-2 prend généralement 60 à 90 secondes. Pour éviter de maintenir une connexion longue, vous pouvez utiliser le mécanisme de rappel asynchrone callback_url présenté plus loin, le processus d’appel est identique aux autres modèles.

Série Nano Banana

La série nano-banana est un modèle de génération d’images basé sur Gemini, accessible via la même interface /openai/images/generations sans changer d’endpoint, il suffit de changer le champ model par l’un des suivants.

Modèle	Tarification (Crédits / appel)	Scénarios d’usage
`nano-banana`	0.14	Génération d’images standard, la plus rapide et économique
`nano-banana-2`	0.28	Qualité et détails nettement améliorés
`nano-banana-pro`	0.35	Modèle phare, composition, détails et texte optimaux

Important : portée des paramètres supportés Nano Banana est intégré via une couche d’adaptation au protocole OpenAI et supporte uniquement les paramètres suivants comparé à gpt-image-* : model, prompt, size.

size est mappé en interne sur aspect_ratio selon le tableau ci-dessous, les tailles non listées sont ramenées à 1:1 :

1024x1024 / 512x512 / 256x256 → 1:1

1792x1024 → 16:9

1024x1792 → 9:16

Ne supporte pas n, quality, style, response_format, background, output_format ; ces paramètres sont ignorés s’ils sont fournis.

La structure de retour suit le format OpenAI (data[].url), mais created est toujours 0, pas de b64_json, et revised_prompt est toujours identique au prompt original.

Appel basique

import requests

url = "https://api.xhuoapi.ai/v1/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "nano-banana",
    "prompt": "a small red apple on a white table, photoreal",
    "size": "1024x1024"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Réponse :

{
  "created": 0,
  "data": [
    {
      "url": "https://platform.cdn.xhuoapi.ai/nanobanana/6870b330-65c4-436c-bb80-819fdae7a7a4.png",
      "revised_prompt": "a small red apple on a white table, photoreal"
    }
  ]
}

Image accessible via le champ url :

Passage au modèle phare `nano-banana-pro`

Il suffit de changer model en nano-banana-pro, les autres paramètres restent identiques :

payload = {
    "model": "nano-banana-pro",
    "prompt": "abstract painting",
    "size": "1024x1024"
}

Exemple de réponse :

{
  "created": 0,
  "data": [
    {
      "url": "https://platform.cdn.xhuoapi.ai/nanobanana/6227fcc9-3442-4aa3-a76c-4a4441a99649.png",
      "revised_prompt": "abstract painting"
    }
  ]
}

Rappel asynchrone

Le mécanisme callback_url fonctionne également avec nano-banana, le processus d’appel est identique aux autres modèles, voir la section Rappel asynchrone.

Utilisation basique

Vous pouvez ensuite remplir les champs correspondants dans l’interface, comme illustré :

Lors du premier usage, il faut au minimum renseigner trois éléments : authorization (à sélectionner dans la liste déroulante), model (le modèle OpenAI DALL-E à utiliser, ici principalement un modèle disponible, détails dans la liste fournie), et enfin prompt (le texte décrivant l’image à générer). Vous pouvez aussi voir le code d’appel généré à droite, que vous pouvez copier ou tester directement via le bouton « Try ».

Exemple de code Python :

import requests

url = "https://api.xhuoapi.ai/v1/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Réponse obtenue :

{
  "created": 1721626477,
  "data": [
    {
      "revised_prompt": "A delightful image showcasing a young sea otter, who is born brown, with wide charming eyes. It is delightfully lying on its back, paddling in the calm sea waters. Its dense, velvety fur appears wet and shimmering, capturing the essence of its habitat. The small creature curiously plays with a sea shell with its small paws, looking absolutely innocent and charming in its natural environment.",
      "url": "https://dalleprodsec.blob.core.windows.net/private/images/5d98aa7c-80c6-4523-b571-fc606ad455b9/generated_00.png?se=2024-07-23T05%3A34%3A48Z&sig=GAz%2Bi3%2BkHOQwAMhxcv22tBM%2FaexrxPgT9V0DbNrL4ik%3D&ske=2024-07-23T08%3A41%3A10Z&skoid=e52d5ed7-0657-4f62-bc12-7e5dbb260a96&sks=b&skt=2024-07-16T08%3A41%3A10Z&sktid=33e01921-4d64-4f8c-a055-5bdaffd5e33d&skv=2020-10-02&sp=r&spr=https&sr=b&sv=2020-10-02"
    }
  ]
}

Les champs retournés sont :

created : identifiant unique de la génération d’image.
data : informations sur le résultat de la génération.

Le champ data contient les informations détaillées de l’image générée, notamment url qui est le lien vers l’image générée.

Paramètre de qualité d’image `quality`

Vous pouvez configurer la qualité de l’image générée, avec deux options : standard pour une image standard, et hd pour une image avec plus de détails et une meilleure cohérence. Exemple de configuration avec quality à standard :

Le code généré est visible à droite, vous pouvez copier ou tester directement.

Exemple Python :

import requests

url = "https://api.xhuoapi.ai/v1/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter",
    "quality": "standard"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Réponse :

{
  "created": 1721636023,
  "data": [
    {
      "revised_prompt": "A cute baby sea otter is lying playfully on its back in the water, with its fur looking glossy and soft. One of its tiny paws is reaching out curiously, and it has an expression of pure joy and warmth on its face as it looks up to the sky. Its body is surrounded by bubbles from its playful twirling in the water. A gentle breeze is playing with its fur making it look more charming. The scene portrays the tranquility and charm of marine life.",
      "url": "https://dalleprodsec.blob.core.windows.net/private/images/a93ee5e7-3abd-4923-8d79-dc9ef126da46/generated_00.png?se=2024-07-23T08%3A13%3A55Z&sig=wTXGYvUOwUIkaB2CxjK9ww%2FHjS8OwYUWcYInXYKwcAM%3D&ske=2024-07-23T11%3A32%3A05Z&skoid=e52d5ed7-0657-4f62-bc12-7e5dbb260a96&sks=b&skt=2024-07-16T11%3A32%3A05Z&sktid=33e01921-4d64-4f8c-a055-5bdaffd5e33d&skv=2020-10-02&sp=r&spr=https&sr=b&sv=2020-10-02"
    }
  ]
}

Image générée avec quality à standard :

En changeant simplement quality à hd, on obtient une image avec plus de détails et une meilleure cohérence :

Paramètre de taille d’image `size`

Vous pouvez aussi définir la taille de l’image générée. Exemple avec taille 1024x1024 :

Le code généré est visible à droite :

Exemple Python :

import requests

url = "https://api.xhuoapi.ai/v1/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter",
    "size": "1024x1024"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Réponse :

{
  "created": 1721636652,
  "data": [
    {
      "revised_prompt": "A delightful depiction of a baby sea otter. The small mammal is captured in its natural habitat in the ocean, floating on its back. It has thick brown fur that is sleek and wet from the sea water. Its eyes are closed as if it is enjoying a moment of deep relaxation. The water around it is calm, reflecting the peacefulness of the scene. The background should hint at a diverse marine ecosystem, with visible strands of kelp floating on the surface, suggesting the baby otter's preferred environment.",
      "url": "https://dalleprodsec.blob.core.windows.net/private/images/9d625ac6-fd2b-42a9-84a6-8c99eb357ccf/generated_00.png?se=2024-07-23T08%3A24%3A24Z&sig=AXtYXowEakGxfRp8LhC2DwqL%2F07LhEDW40oCP%2BdTO8s%3D&ske=2024-07-23T18%3A00%3A45Z&skoid=e52d5ed7-0657-4f62-bc12-7e5dbb260a96&sks=b&skt=2024-07-16T18%3A00%3A45Z&sktid=33e01921-4d64-4f8c-a055-5bdaffd5e33d&skv=2020-10-02&sp=r&spr=https&sr=b&sv=2020-10-02"
    }
  ]
}

Image générée en 1024x1024 :

En changeant la taille à 1792x1024, on obtient une image avec une taille visiblement différente :

D’autres tailles sont possibles, voir la documentation officielle pour plus de détails.

Paramètre de style d’image `style`

Le paramètre style propose deux options : vivid pour des images plus vivantes, et natural pour un rendu plus naturel. Exemple avec style à vivid :

Code généré visible à droite :

Exemple Python :

import requests

url = "https://api.xhuoapi.ai/v1/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter",
    "style": "vivid"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Réponse :

{
  "created": 1721637086,
  "data": [
    {
      "revised_prompt": "A baby sea otter with soft, shiny fur and sparkling eyes floating playfully on calm ocean waters. This adorable creature is trippingly frolicking amidst small, gentle waves under a bright, clear, sunny sky. The tranquility of the sea contrasts subtly with the delightful energy of this young otter. The critter gamely clings to a tiny piece of driftwood, its small paws adorably enveloping the floating object.",
      "url": "https://dalleprodsec.blob.core.windows.net/private/images/6e48f701-7fd3-4356-839e-a2f6f0fe82d9/generated_00.png?se=2024-07-23T08%3A31%3A37Z&sig=4percxqTbUR1j3BQmkhvj%2FAhHzInKI%2FqiTo1MP69coI%3D&ske=2024-07-27T10%3A39%3A55Z&skoid=e52d5ed7-0657-4f62-bc12-7e5dbb260a96&sks=b&skt=2024-07-20T10%3A39%3A55Z&sktid=33e01921-4d64-4f8c-a055-5bdaffd5e33d&skv=2020-10-02&sp=r&spr=https&sr=b&sv=2020-10-02"
    }
  ]
}

Image générée avec style à vivid :

En changeant style à natural, on obtient une image plus naturelle :

vivid produit des images plus vivantes et réalistes que natural.

Paramètre de format de lien d’image `response_format`

Le paramètre response_format propose deux formats : b64_json encode l’image en Base64, tandis que url fournit un lien direct vers l’image. Exemple avec response_format à url :

Code généré visible à droite :

Exemple Python :

import requests

url = "https://api.xhuoapi.ai/v1/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter",
    "response_format": "url"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Réponse :

{
  "created": 1721637575,
  "data": [
    {
      "revised_prompt": "A charming depiction of a baby sea otter. The otter is seen resting serenely on its back amidst the gentle, blue ocean waves. The baby otter's fur is an endearing mix of soft greyish brown shades, glinting subtly in the muted sunlight. Its small paws are touching, lifted slightly towards the sky as if playing with an unseen object. Its round, expressive eyes are wide in curiosity, sparking with life and innocence. Use a realistic style to evoke the otter's natural habitat and its adorably fluffy exterior.",
      "url": "https://dalleprodsec.blob.core.windows.net/private/images/87792c5f-8b6d-412e-81dd-f1a1baa19bd2/generated_00.png?se=2024-07-23T08%3A39%3A47Z&sig=zzRAn30TqIKHdLVqZPUUuSJdjCYpoJdaGU6BeoA76Jo%3D&ske=2024-07-23T13%3A32%3A13Z&skoid=e52d5ed7-0657-4f62-bc12-7e5dbb260a96&sks=b&skt=2024-07-16T13%3A32%3A13Z&sktid=33e01921-4d64-4f8c-a055-5bdaffd5e33d&skv=2020-10-02&sp=r&spr=https&sr=b&sv=2020-10-02"
    }
  ]
}

Le lien url est accessible directement, image affichée ci-dessous :

En choisissant response_format à b64_json, vous obtenez une image encodée en Base64, exemple :

{
  "created": 1721638071,
  "data": [
    {
      "b64_json": "iVBORw0..............v//AQEAAP4AAAD+AAADAQAAAwEEA/4D//8Q/Pbw64mKbVTFoQAAAABJRU5ErkJggg==",
      "revised_prompt": "A charming image of a young baby sea otter. The otter is gently floating on a calm blue sea, basking in the warm, golden rays of sunlight streaming down from a clear sky above. The otter's fur is a rich chocolate brown, and it looks incredibly soft and fluffy. The otter's eyes are bright and expressive, filled with childlike curiosity and joy. It has small, pricked ears and a button-like nose which adds to its overall cuteness. In the sea around it, twinkling droplets of water can be seen, pepped up by the sunlight, the sight is certainly a delightful one."
    }
  ]
}

Rappel asynchrone

Comme la génération d’images peut prendre du temps, pour éviter de maintenir une connexion HTTP longue et consommer des ressources système, l’API supporte un mécanisme de rappel asynchrone. Le processus est : le client envoie une requête en spécifiant un champ callback_url. L’API répond immédiatement avec un task_id unique. Une fois la génération terminée, le résultat est envoyé en POST JSON à l’URL callback_url fournie, incluant le task_id pour associer la réponse à la requête. Exemple d’utilisation : Un webhook est un service HTTP pouvant recevoir des requêtes. Pour la démonstration, utilisez un service public comme https://webhook.site/ pour obtenir une URL webhook, par exemple https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab. Ensuite, envoyez la requête avec le champ callback_url :

import requests

url = "https://api.xhuoapi.ai/v1/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter",
    "callback_url": "https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Réponse immédiate :

{
  "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c"
}

Après un court délai, vous verrez dans le webhook la réponse complète :

{
  "success": true,
  "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c",
  "trace_id": "9b4b1ff3-90f2-470f-b082-1061ec2948cc",
  "data": {
    "created": 1721626477,
    "data": [
      {
        "revised_prompt": "A delightful image showcasing a young sea otter...",
        "url": "https://dalleprodsec.blob.core.windows.net/private/images/..."
      }
    ]
  }
}

Le champ task_id permet de relier la réponse à la requête initiale.

Gestion des erreurs

En cas d’erreur, l’API retourne un code et un message d’erreur, par exemple :

400 token_mismatched : requête incorrecte, paramètres manquants ou invalides.
400 api_not_implemented : requête incorrecte, paramètres manquants ou invalides.
401 invalid_token : non autorisé, jeton d’autorisation invalide ou manquant.
429 too_many_requests : trop de requêtes, dépassement du quota.
500 api_error : erreur interne du serveur.

Exemple de réponse d’erreur

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

Conclusion

Ce document vous a présenté comment utiliser l’API de génération d’images OpenAI pour exploiter facilement la fonctionnalité officielle de génération d’images OpenAI DALL-E. Nous espérons qu’il vous aidera à intégrer et utiliser cette API efficacement. Pour toute question, n’hésitez pas à contacter notre équipe de support technique.

Démarrage

Chat IA

Image IA

Vidéo IA

Audio IA

Web & Données

CAPTCHA

Identité

Proxy

Avancé

API de génération d’images OpenAI : demande et utilisation

Processus de demande

Modèle GPT-Image-2

Valeurs supportées pour `size` et niveaux de tarification

Scénario 1 : portrait cinématographique

Scénario 2 : affiche de voyage vintage (avec rendu de texte)

Scénario 3 : composition complexe et comptage

Scénario 4 : style illustration (paysage)

Asynchrone et rappel

Série Nano Banana

Appel basique

Passage au modèle phare `nano-banana-pro`

Rappel asynchrone

Utilisation basique

Paramètre de qualité d’image `quality`

Paramètre de taille d’image `size`

Paramètre de style d’image `style`

Paramètre de format de lien d’image `response_format`

Rappel asynchrone

Gestion des erreurs

Exemple de réponse d’erreur

Conclusion

​Processus de demande

​Modèle GPT-Image-2

​Valeurs supportées pour size et niveaux de tarification

​Scénario 1 : portrait cinématographique

​Scénario 2 : affiche de voyage vintage (avec rendu de texte)

​Scénario 3 : composition complexe et comptage

​Scénario 4 : style illustration (paysage)

​Asynchrone et rappel

​Série Nano Banana

​Appel basique

​Passage au modèle phare nano-banana-pro

​Rappel asynchrone

​Utilisation basique

​Paramètre de qualité d’image quality

​Paramètre de taille d’image size

​Paramètre de style d’image style

​Paramètre de format de lien d’image response_format

​Rappel asynchrone

​Gestion des erreurs

​Exemple de réponse d’erreur

​Conclusion

Processus de demande

Modèle GPT-Image-2

Valeurs supportées pour `size` et niveaux de tarification

Scénario 1 : portrait cinématographique

Scénario 2 : affiche de voyage vintage (avec rendu de texte)

Scénario 3 : composition complexe et comptage

Scénario 4 : style illustration (paysage)

Asynchrone et rappel

Série Nano Banana

Appel basique

Passage au modèle phare `nano-banana-pro`

Rappel asynchrone

Utilisation basique

Paramètre de qualité d’image `quality`

Paramètre de taille d’image `size`

Paramètre de style d’image `style`

Paramètre de format de lien d’image `response_format`

Rappel asynchrone

Gestion des erreurs

Exemple de réponse d’erreur

Conclusion