Skip to main content
Usługa edycji obrazów OpenAI pozwala przesłać dowolną liczbę obrazów i poleceń, a następnie otrzymać zmodyfikowane obrazy. Obecnie interfejs obsługuje modele dall-e-2, gpt-image-1, najnowszy gpt-image-2, a także modele z serii nano-banana / nano-banana-2 / nano-banana-pro dostępne przez ten sam interfejs. Niniejsza dokumentacja opisuje proces korzystania z OpenAI Images Edits API, dzięki któremu możemy łatwo korzystać z oficjalnych funkcji edycji obrazów OpenAI.

Proces rejestracji

Aby korzystać z OpenAI Images Edits API, najpierw należy przejść na stronę OpenAI Images Edits API i kliknąć przycisk „Acquire”, aby uzyskać niezbędne poświadczenia do zapytań: Jeśli nie jesteś zalogowany lub zarejestrowany, zostaniesz automatycznie przekierowany na stronę logowania, gdzie możesz się zarejestrować i zalogować. Po zalogowaniu zostaniesz automatycznie przekierowany z powrotem na tę stronę. Przy pierwszym wniosku otrzymujesz darmowy limit, który pozwala bezpłatnie korzystać z API.

Model GPT-Image-2

gpt-image-2 w scenariuszach edycji obrazów oferuje znaczną poprawę w porównaniu do gpt-image-1:
  • Stabilniejsze zachowanie struktury: zmiana skórek, kolorów czy tła niemal nie narusza układu i kompozycji oryginalnego obrazu.
  • Dokładniejsze zachowanie tekstu: obrazy zawierające tekst, takie jak infografiki, plakaty, menu, po edycji zachowują czytelność tekstu.
  • Obsługa przesyłania URL bezpośrednio: oprócz tradycyjnego przesyłania plików w formacie multipart/form-data, gpt-image-2 dodatkowo obsługuje przekazywanie URL obrazu w formacie JSON, co eliminuje konieczność pobierania obrazów lokalnie i jest idealne do integracji po stronie serwera.
  • Obsługa wysokiej rozdzielczości: można przesłać obraz 1K i za pomocą parametru size zażądać wyjścia w 2K lub 4K; model podczas edycji jednocześnie dokonuje powiększenia.

Obsługiwane wartości size i poziomy rozliczeń

Ograniczenia parametru size w interfejsie edycji są takie same jak w interfejsie generowania — gpt-image-2 akceptuje size jako auto, pusty lub w formacie WIDTHxHEIGHT. Każda inna forma zwróci błąd 400. Rozliczenie odbywa się na dwóch poziomach, niezależnie od rozdzielczości oryginału, tylko na podstawie wartości size:
  • 1K – standardowa cena: dowolny z rekomendowanych rozmiarów 1K z tabeli poniżej lub popularne aliasy 1K (1254x1254, 1672x941, 941x1672).
  • Inne poziomy (1,5×): obejmują rekomendowane rozmiary 2K / 4K oraz dowolne niestandardowe WIDTHxHEIGHT.
Obowiązują też ograniczenia upstream: szerokość i wysokość muszą być wielokrotnością 16, dłuższy bok ≤ 3840, całkowita liczba pikseli ≤ 8 294 400.
Przykład: jeśli oryginał ma rozmiar 1024x1024 i size ustawimy na 2048x2048, model przerysuje obraz zgodnie z poleceniem i zwróci obraz 2K, rozliczając go na poziomie „inne”; jeśli size to 3840x2160, otrzymamy obraz 4K w orientacji poziomej, również rozliczany jako „inne”; jeśli size to auto lub pominiemy ten parametr, rozliczenie nastąpi według ceny standardowej 1K.
O parametrze n Interfejs edycji gpt-image-2 nie obsługuje n > 1: ten parametr jest ignorowany, niezależnie czy podamy n=1 czy n=10, w odpowiedzi zwrócony zostanie tylko jeden obraz i rozliczony jako jeden. Jeśli potrzebujesz wielu wariantów, musisz wykonać wiele równoległych zapytań. To samo ograniczenie dotyczy modeli gpt-image-1 / gpt-image-1.5 oraz serii nano-banana. Jedynie dall-e-2 natywnie wspiera n > 1.
Poniżej przedstawiamy dwa przykłady pokazujące możliwości edycji gpt-image-2.

Metoda wywołania 1: JSON + URL obrazu (zalecane)

Wysyłamy zapytanie jako application/json, w polu image podając URL obrazu, który model pobierze i edytuje zgodnie z prompt. Na przykład, poniższy obraz to infografika wygenerowana przez gpt-image-2:

Chcemy zmienić ją na tryb nocny. Wywołanie wygląda tak:
Lub w Pythonie:
Odpowiedź:
Edytowany obraz:

Widać, że struktura modułów, podział informacji i typografia zostały zachowane, zmieniono jedynie schemat kolorów na ciemny.
Wskazówka: pole image może przyjmować tablicę URL-i, np. "image": ["url1", "url2", "url3"], maksymalnie do 16 obrazów, co pozwala modelowi korzystać z wielu referencji podczas edycji.

Metoda wywołania 2: JSON + wiele obrazów referencyjnych

gpt-image-2 pozwala na jednoczesne użycie wielu obrazów referencyjnych do wygenerowania wyniku, np. połączenie kilku zdjęć produktów w jeden kosz prezentowy:

Przykład scenariusza: zmiana stylu z zachowaniem struktury

Inny przykład: zamiana drewnianej półki na nowoczesną, ale z zachowaniem dokładnej liczby i układu książek na każdej półce. Oryginalny obraz (drewniana półka wygenerowana przez gpt-image-2):

Wywołanie:
Wynik edycji (task_id: e9544dba-727e-44a2-81e1-223d49869380):

Widać, że styl i otoczenie zostały całkowicie zmienione zgodnie z poleceniem, ale liczba książek na każdej półce (1 / 3 / 7) pozostała nienaruszona, a na górnej półce dodano małą sukulentę.

Metoda wywołania 3: multipart/form-data (kompatybilne z OpenAI SDK)

Jeśli korzystasz z oficjalnego OpenAI Python SDK, możesz nadal używać tradycyjnego przesyłania plików multipart/form-data, wystarczy zmienić model na gpt-image-2:
Przed użyciem SDK należy ustawić dwa zmienne środowiskowe: OPENAI_BASE_URL na https://api.xhuoapi.ai/v1/openai oraz OPENAI_API_KEY na uzyskany token:

Modele z serii Nano Banana

Modele z serii nano-banana również obsługują endpoint /openai/images/edits; wystarczy zmienić model na dowolny z poniższej tabeli.
Ważne: obsługiwane parametry Nano Banana korzysta z warstwy adaptacyjnej zgodnej z protokołem OpenAI i obsługuje tylko parametry: model, prompt, image.
  • image można przesłać jako plik w multipart/form-data (wewnętrznie konwertowany do data:<mime>;base64,... dla upstream) lub jako URL w polu formularza.
  • Nie obsługuje parametrów mask, n, size, response_format – jeśli zostaną podane, zostaną zignorowane.
  • Odpowiedź ma format zgodny z OpenAI (data[].url), ale created jest zawsze 0, nie zwracany jest b64_json, a revised_prompt jest zawsze taki sam jak oryginalny prompt.

Wywołanie przez formularz + URL obrazu

Przykładowa odpowiedź:
Edytowany obraz:

Wywołanie przez formularz + plik lokalny

Asynchroniczne wywołanie zwrotne (callback)

Mechanizm asynchronicznego callback callback_url działa również z nano-banana, proces wywołania jest identyczny jak dla innych modeli, opisany w sekcji Asynchroniczne wywołanie zwrotne.

Podstawowe użycie

Poniżej przykład wywołania CURL:
Przy pierwszym użyciu tego interfejsu należy podać co najmniej cztery elementy: authorization (wybierane z listy rozwijanej), model (wybór modelu OpenAI, tutaj mamy 1 model, szczegóły w dokumentacji modeli), prompt (tekst polecenia do wygenerowania obrazu) oraz image (ścieżka do obrazu do edycji). Przykładowy obraz do edycji:

Równoważny przykład w Pythonie:
Przed wywołaniem w Pythonie należy ustawić dwie zmienne środowiskowe: OPENAI_BASE_URL na https://api.xhuoapi.ai/v1/openai oraz OPENAI_API_KEY na token z pola authorization. Na Mac OS można to zrobić tak:
Po wywołaniu w bieżącym katalogu pojawi się plik gift-basket.png, efekt:

W ten sposób zakończyliśmy edycję obrazu. Interfejs Edits obsługuje obecnie trzy modele: dall-e-2, gpt-image-1 oraz gpt-image-2. Zalecanym modelem jest gpt-image-2, szczegóły powyżej w sekcji Model GPT-Image-2.

Asynchroniczne wywołanie zwrotne

Ponieważ edycja obrazów przez OpenAI Images Edits API może trwać dłużej, a długie oczekiwanie na odpowiedź HTTP może obciążać zasoby systemowe, API oferuje wsparcie dla asynchronicznego callbacku. Proces jest następujący: klient wysyła zapytanie z dodatkowym polem callback_url. API natychmiast zwraca odpowiedź z task_id – identyfikatorem zadania. Po zakończeniu edycji wynik jest przesyłany metodą POST w formacie JSON na wskazany callback_url, zawierając również task_id, co pozwala powiązać wynik z zadaniem. Przykład działania: Webhook to usługa HTTP, która odbiera zapytania. Należy podać adres własnego serwera HTTP. Dla demonstracji można użyć publicznego serwisu https://webhook.site/, który generuje unikalny URL webhooka, np.: Skopiuj URL, np. https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab, i użyj go jako callback_url:
Otrzymasz natychmiast:
Po chwili na stronie webhooka pojawi się wynik edycji:
Wynik zawiera task_id oraz pole data z obrazem w formacie base64, co pozwala powiązać odpowiedź z zadaniem.

Obsługa błędów

W przypadku błędów API zwraca odpowiedni kod i komunikat, np.:
  • 400 token_mismatched: Niepoprawne żądanie, brak lub błędne parametry.
  • 400 api_not_implemented: Niepoprawne żądanie, brak lub błędne parametry.
  • 401 invalid_token: Nieautoryzowany, nieprawidłowy lub brakujący token.
  • 429 too_many_requests: Zbyt wiele żądań, przekroczono limit.
  • 500 api_error: Błąd wewnętrzny serwera.

Przykład odpowiedzi błędu

Podsumowanie

W tej dokumentacji poznaliście sposób korzystania z OpenAI Images Edits API, które umożliwia łatwe użycie oficjalnych funkcji edycji obrazów OpenAI. Mamy nadzieję, że pomoże to w integracji i efektywnym wykorzystaniu API. W razie pytań prosimy o kontakt z zespołem wsparcia technicznego.