> ## Documentation Index > Fetch the complete documentation index at: https://docs.xhuoapi.ai/llms.txt > Use this file to discover all available pages before exploring further. # OpenAI Images Edits API Ansökan och Användning > OpenAI generation 集成指南 - XHuoAPI OpenAI bildredigeringstjänst låter dig skicka in valfritt antal bilder och instruktioner för att få redigerade bilder som resultat. För närvarande stöder API:et samtidigt `dall-e-2`, `gpt-image-1`, den senaste **`gpt-image-2`**, samt modellerna i **`nano-banana` / `nano-banana-2` / `nano-banana-pro`** serien som är anslutna via samma gränssnitt. Det här dokumentet beskriver huvudsakligen användningsflödet för OpenAI Images Edits API, med vilket du enkelt kan använda den officiella OpenAI bildredigeringsfunktionen. ## Ansökningsprocess För att använda OpenAI Images Edits API kan du först gå till [OpenAI Images Edits API](https://api.xhuoapi.ai/documents/251f1efa-aaa6-462e-8af4-66854b1bc94d) sidan och klicka på knappen "Acquire" för att få de autentiseringsuppgifter som krävs för förfrågningar: ![](https://cdn.xhuoapi.ai/nyq0xz.png) Om du inte är inloggad eller registrerad kommer du automatiskt att omdirigeras till inloggningssidan för att registrera och logga in, och efter inloggning återvänder du automatiskt till den aktuella sidan. Vid första ansökan får du en gratis kvot som gör att du kan använda API:et kostnadsfritt. ## GPT-Image-2 modellen `gpt-image-2` har en mycket tydlig förbättring jämfört med `gpt-image-1` i bildredigeringsscenarier: * **Mer stabil struktur**: Vid byte av skinn, färgschema eller bakgrund förstörs nästan aldrig originalbildens layout och komposition. * **Mer exakt textbevarande**: Text i informationsgrafik, affischer, menyer etc. förblir tydlig och läsbar efter redigering. * **Stöd för direkt URL-inmatning**: Utöver traditionell filuppladdning med `multipart/form-data` stöder `gpt-image-2` även **inmatning av bild-URL i JSON-format**, vilket eliminerar behovet av att ladda ner bilder lokalt och är mycket lämpligt för server-side pipelines. * **Stöd för högupplöst omritning**: Du kan skicka in en 1K originalbild och via `size`-parametern begära 2K / 4K-utdata, modellen förstorar samtidigt som den redigerar. ### Stödda `size`-värden och prisnivåer Redigeringsgränssnittet har samma begränsningar för `size` som genereringsgränssnittet — `gpt-image-2` accepterar endast `size` som `auto`, tomt, eller i formatet `WIDTHxHEIGHT`. Andra format ger 400-fel. Prissättningen delas in i två nivåer och baseras endast på det begärda `size`-värdet, oberoende av originalbildens upplösning: * **1K standardpris**: Någon av de rekommenderade 1K-storlekarna i tabellen nedan, eller vanliga 1K-alias från upstream (`1254x1254`, `1672x941`, `941x1672`). * **Andra nivåer (1,5×)**: Inkluderar rekommenderade 2K / 4K förinställningar i tabellen samt valfri egen `WIDTHxHEIGHT`. Upstream har samma hårda begränsningar för anpassade storlekar: bredd och höjd måste vara multipler av 16, längsta sidan ≤ 3840, och totalt antal pixlar ≤ 8 294 400. | Proportion | 1K (standardpris) | 2K rekommenderat (×1.5) | 4K rekommenderat (×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` | > Exempel: Om originalbilden är `1024x1024` och `size` sätts till `2048x2048`, kommer modellen att rita om bilden enligt redigeringsinstruktionen och ge ut en 2K-bild med "andra" prisnivån; om `size` sätts till `3840x2160` blir utdata en 4K liggande bild, också med "andra" prisnivån; om `auto` eller tomt skickas används 1K standardpris. > **Om `n`-parametern** > > `gpt-image-2` redigerings-API stöder för närvarande **inte `n > 1`**: parametern ignoreras tyst, oavsett om du skickar `n=1` eller `n=10` returneras endast en bild per förfrågan och endast en bild debiteras. Om du behöver flera redigeringsförslag samtidigt, skicka flera parallella förfrågningar. Denna begränsning gäller även för `gpt-image-1` / `gpt-image-1.5` samt `nano-banana` / `nano-banana-2` / `nano-banana-pro` serierna. `dall-e-2` är för närvarande den enda redigeringsmodellen som stödjer `n > 1` nativt. Nedan följer två verkliga exempel som visar `gpt-image-2` redigeringsförmåga från olika perspektiv. ### Anropsmetod 1: JSON + bild-URL (rekommenderat) Skicka direkt en förfrågan med `application/json` där `image`-fältet innehåller en bild-URL. Modellen hämtar bilden och redigerar enligt `prompt`. Till exempel, originalbilden nedan är en vetenskaplig illustration genererad med `gpt-image-2`:

Vi vill ändra den till ett "nattläge"-färgtema. Så här anropar du: ```shell theme={null} curl -X POST "https://api.xhuoapi.ai/v1/openai/images/edits" \ -H "Authorization: Bearer {token}" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-image-2", "image": "https://platform.cdn.xhuoapi.ai/gpt-image/5c9fa635-8794-4c6d-88f8-584d7f4716c6_0.png", "prompt": "Convert this infographic to dark mode: dark navy background, light cream text, deep gray rounded module cards with soft shadows. Keep all layout, structure, and module arrangement identical — only invert the color scheme.", "size": "1024x1536" }' ``` Eller med Python: ```python theme={null} import requests url = "https://api.xhuoapi.ai/v1/openai/images/edits" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "gpt-image-2", "image": "https://platform.cdn.xhuoapi.ai/gpt-image/5c9fa635-8794-4c6d-88f8-584d7f4716c6_0.png", "prompt": "Convert this infographic to dark mode: dark navy background, light cream text, deep gray rounded module cards with soft shadows. Keep all layout, structure, and module arrangement identical — only invert the color scheme.", "size": "1024x1536" } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` Svarsexempel: ```json theme={null} { "success": true, "task_id": "cb104e35-af1f-45be-9fac-b62e2b256753", "trace_id": "3e5c77c6-6c2e-4bba-a42d-98ea049b58a8", "created": 1777048863, "data": [ { "revised_prompt": "Convert this infographic to dark mode: dark navy background, light cream text, deep gray rounded module cards with soft shadows. Keep all layout, structure, and module arrangement identical — only invert the color scheme.", "url": "https://platform.cdn.xhuoapi.ai/gpt-image/cb104e35-af1f-45be-9fac-b62e2b256753_0.png" } ], "elapsed": 83.859 } ``` Den redigerade bilden ser ut så här:

Du kan se att modulstrukturen, informationsavdelningarna och typografin har bevarats strikt, endast färgschemat har inverterats till ett mörkt tema. > **Tips**: `image`-fältet kan också vara en lista, t.ex. `"image": ["url1", "url2", "url3"]`, upp till 16 bilder samtidigt, så att modellen kan referera till flera bilder för redigering. ### Anropsmetod 2: JSON + flera referensbilder `gpt-image-2` stöder att referera till flera bilder samtidigt för att generera slutresultatet, till exempel att kombinera flera produktbilder till en presentkorg: ```python theme={null} payload = { "model": "gpt-image-2", "image": [ "https://example.com/item1.png", "https://example.com/item2.png", "https://example.com/item3.png" ], "prompt": "Combine all the items above into a single 'Relax & Unwind' gift basket on a clean white background, photorealistic, soft natural lighting.", "size": "1024x1024" } ``` ### Scenarieexempel: Byt stil + behåll struktur Här är ett annat exempel där en träbokhylla byts ut mot en modern flytande hylla, men där antalet och arrangemanget av böcker på varje hyllplan bevaras exakt. Originalbild (träbokhylla genererad med `gpt-image-2`):

Anrop: ```python theme={null} payload = { "model": "gpt-image-2", "image": "https://platform.cdn.xhuoapi.ai/gpt-image/141970f0-65fb-4ec8-ab7d-9be173641350_0.png", "prompt": "Replace the wooden bookshelf with a sleek modern white floating shelf mounted on a pastel blue wall. Keep the exact same arrangement of books (1 book on top, 3 in middle, 7 on bottom). Add a small potted succulent on the top shelf next to the book. Bright airy daylight from the left.", "size": "1024x1024" } ``` Redigeringsresultat (`task_id`: `e9544dba-727e-44a2-81e1-223d49869380`):

Du kan se att stil och miljö har bytts ut enligt prompten, men antalet böcker på varje hyllplan (1 / 3 / 7) är strikt bevarat, och en liten suckulent har lagts till enligt instruktion. ### Anropsmetod 3: multipart/form-data (kompatibel med OpenAI SDK) Om du redan använder den officiella OpenAI Python SDK fungerar den traditionella `multipart/form-data`-uppladdningen också, bara byt `model` till `gpt-image-2`: ```python theme={null} import base64 from openai import OpenAI client = OpenAI() result = client.images.edit( model="gpt-image-2", image=[open("test.png", "rb")], prompt="Convert this image to dark mode while keeping the layout intact." ) image_base64 = result.data[0].b64_json image_bytes = base64.b64decode(image_base64) with open("edited.png", "wb") as f: f.write(image_bytes) ``` Vid användning av SDK måste du först exportera två miljövariabler, `OPENAI_BASE_URL` sätts till `https://api.xhuoapi.ai/v1/openai` och `OPENAI_API_KEY` till den token du fått: ```shell theme={null} export OPENAI_BASE_URL=https://api.xhuoapi.ai/v1/openai export OPENAI_API_KEY={token} ``` ## Nano Banana serien `nano-banana` serien är också ansluten till `/openai/images/edits` för redigeringsscenarier, byt bara `model` till någon av nedanstående: | Modell | Kostnad (Credits / gång) | Användningsområde | | ----------------- | ------------------------ | ---------------------------------------------------------------- | | `nano-banana` | 0.14 | Vanlig bildredigering, snabbast och billigast | | `nano-banana-2` | 0.28 | Märkbart bättre kvalitet och detaljer | | `nano-banana-pro` | 0.35 | Flaggskeppet i serien, bäst bevarande av struktur, text och stil | > **Viktigt: stödda parametrar** > > Nano Banana är ansluten via en adapter till OpenAI-protokollet och stöder endast följande parametrar: `model`, `prompt`, `image`. > > * `image` kan skickas som fil via `multipart/form-data` (omvandlas internt till `data:;base64,...` för upstream) eller som en URL-sträng i formulärfältet. > * Parametrar som `mask`, `n`, `size`, `response_format` stöds inte och ignoreras. > * Svar följer OpenAI-formatet (`data[].url`), men `created` är alltid `0`, och `b64_json` returneras inte; `revised_prompt` är alltid samma som original `prompt`. ### Anrop via formulär + bild-URL ```shell theme={null} curl -X POST "https://api.xhuoapi.ai/v1/openai/images/edits" \ -H "Authorization: Bearer {token}" \ -F "model=nano-banana" \ -F "prompt=add a green leaf on top of the apple" \ -F "image=https://platform.cdn.xhuoapi.ai/nanobanana/6870b330-65c4-436c-bb80-819fdae7a7a4.png" ``` Svarsexempel: ```json theme={null} { "created": 0, "data": [ { "url": "https://platform.cdn.xhuoapi.ai/nanobanana/311e95b6-5eb1-4c4a-8ee6-0cb03ee44f61.jpeg", "revised_prompt": "add a green leaf on top of the apple" } ] } ``` Redigerad bild:

### Anrop via formulär + lokal fil ```python theme={null} import requests url = "https://api.xhuoapi.ai/v1/openai/images/edits" headers = { "authorization": "Bearer {token}" } files = { "image": open("apple.png", "rb"), } data = { "model": "nano-banana-pro", "prompt": "add a green leaf on top of the apple" } response = requests.post(url, headers=headers, files=files, data=data) print(response.text) ``` ### Asynkron callback `callback_url`-asynkron callback-mekanism fungerar även för nano-banana, anropsflödet är identiskt med andra modeller, se avsnittet [Asynkron callback](#asynkron-callback) nedan. ## Grundläggande användning Härnäst kan du använda kod för att anropa API:et, nedan är ett exempel med CURL: ```curl theme={null} curl -s -D >(grep -i x-request-id >&2) \ -o >(jq -r '.data[0].b64_json' | base64 --decode > gift-basket.png) \ -X POST "https://api.xhuoapi.ai/v1/v1/images/edits" \ -H "Authorization: Bearer {token}" \ -F "model=gpt-image-1" \ -F "image[]=@test.png" \ -F 'prompt=Create a lovely gift basket with these this items in it' ``` Vid första användningen av detta gränssnitt behöver vi fylla i fyra saker: en `authorization` som väljs direkt i dropdown-menyn; en `model` som är den modellkategori vi vill använda från OpenAI:s officiella modeller (här finns huvudsakligen en modell, se vår modellöversikt); en `prompt` som är textinstruktionen för bildgenerering; och slutligen `image` som är sökvägen till den bild som ska redigeras, exempelbilden visas nedan:

Samma anrop i Python: ```python theme={null} import base64 from openai import OpenAI client = OpenAI() prompt = """ Generate a photorealistic image of a gift basket on a white background labeled 'Relax & Unwind' with a ribbon and handwriting-like font, containing all the items in the reference pictures. """ result = client.images.edit( model="gpt-image-1", image=[ open("test.png", "rb") ], prompt=prompt ) image_base64 = result.data[0].b64_json image_bytes = base64.b64decode(image_base64) # Spara bilden till fil with open("gift-basket.png", "wb") as f: f.write(image_bytes) ``` Vid Python-anrop behöver vi först exportera två miljövariabler: `OPENAI_BASE_URL` som kan sättas till `https://api.xhuoapi.ai/v1/openai` och `OPENAI_API_KEY` som är den token vi fått från `authorization`. På Mac OS kan du sätta miljövariablerna så här: ```shell theme={null} export OPENAI_BASE_URL=https://api.xhuoapi.ai/v1/openai export OPENAI_API_KEY={token} ``` Efter anropet genereras en bildfil `gift-basket.png` i aktuell katalog, resultatet ser ut så här:

Så här har vi slutfört bildredigeringsoperationen. För närvarande stöder Edits API tre modeller: `dall-e-2`, `gpt-image-1` och `gpt-image-2`, där `gpt-image-2` är den rekommenderade modellen, se avsnittet [GPT-Image-2 modellen](#gpt-image-2-modellen) ovan. ## Asynkron callback Eftersom OpenAI Images Edits API kan ta relativt lång tid att redigera bilder, och om API:et inte svarar under lång tid hålls HTTP-anslutningen öppen vilket kan orsaka extra systemresursförbrukning, erbjuder detta API även stöd för asynkron callback. Flödet är: klienten skickar med ett extra fält `callback_url` vid förfrågan. API:et svarar omedelbart med ett svar som innehåller ett `task_id` som identifierar uppgiften. När redigeringen är klar skickas resultatet som en POST med JSON till klientens angivna `callback_url`, där även `task_id` finns med så att resultatet kan kopplas till uppgiften. Nedan följer ett exempel på hur detta fungerar. Först är webhook-callback en tjänst som kan ta emot HTTP-förfrågningar. Utvecklare bör ersätta med sin egen HTTP-server-URL. För demonstration används en offentlig webhook-tjänst [https://webhook.site/](https://webhook.site/), där du kan få en webhook-URL, som visas nedan: ![](https://cdn.xhuoapi.ai/cjjfly.png) Kopiera denna URL och använd som webhook, i exemplet är det `https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab`. Sedan kan vi ange fältet `callback_url` till ovanstående webhook-URL och fylla i övriga parametrar, som i följande kod: ```shell theme={null} curl -X POST "https://api.xhuoapi.ai/v1/v1/images/edits" \ -H "Authorization: Bearer {token}" \ -F "model=gpt-image-1" \ -F "image[]=@test.png" \ -F "prompt=Create a lovely gift basket with these items in it" \ -F "callback_url=https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab" ``` Efter anropet får du omedelbart ett svar som detta: ```json theme={null} { "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c" } ``` Efter en stund kan du se resultatet på webhook-URL:en, innehållet ser ut så här: ```json theme={null} { "success": true, "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c", "trace_id": "9b4b1ff3-90f2-470f-b082-1061ec2948cc", "data": { "created": 1721626477, "data": [ { "b64_json": "iVBORw0KGgo..." } ] } } ``` Du kan se att svaret innehåller ett `task_id` och `data` med samma bildredigeringsresultat som vid synkront anrop, så att du kan koppla ihop uppgiften via `task_id`. ## Felhantering Vid anrop av API:et, om ett fel uppstår, returnerar API:et motsvarande felkod och meddelande, till exempel: * `400 token_mismatched`: Felaktig förfrågan, troligen saknade eller ogiltiga parametrar. * `400 api_not_implemented`: Felaktig förfrågan, troligen saknade eller ogiltiga parametrar. * `401 invalid_token`: Obefogad, ogiltig eller saknad auktoriseringstoken. * `429 too_many_requests`: För många förfrågningar, du har överskridit hastighetsbegränsningen. * `500 api_error`: Intern serverfel, något gick fel på servern. ### Felrespons exempel ```json theme={null} { "success": false, "error": { "code": "api_error", "message": "fetch failed" }, "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89" } ``` ## Slutsats Med detta dokument har du fått en förståelse för hur du använder OpenAI Images Edits API för att enkelt använda den officiella OpenAI bildredigeringsfunktionen. Vi hoppas att dokumentet hjälper dig att bättre integrera och använda API:et. Vid frågor, vänligen kontakta vårt tekniska supportteam när som helst.