dall-e-3, den textrenderande gpt-image-1 med starkare förmåga, den senaste generationen gpt-image-2, samt modeller i nano-banana / nano-banana-2 / nano-banana-pro serien som nås via samma gränssnitt. Alla kan generera högkvalitativa bilder baserat på textbeskrivningar.
Detta dokument beskriver huvudsakligen användningsprocessen för OpenAI Images Generations API, med vilket vi enkelt kan använda OpenAI-seriens bildgenereringsfunktioner.
Ansökningsprocess
För att använda OpenAI Images Generations API kan du först gå till sidan OpenAI Images Generations API och klicka på knappen “Acquire” för att få de nödvändiga autentiseringsuppgifterna:
Om du inte är inloggad eller registrerad, omdirigeras du automatiskt till inloggningssidan där du kan registrera dig och logga in. 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 Modell
gpt-image-2 är OpenAIs nya generation av bildgenereringsmodell, som jämfört med dall-e-3 och gpt-image-1 har tydliga förbättringar i följande avseenden:
- Starkare instruktionstolkning: Kan exakt förstå komplexa kompositioner, räkning, positionsrelationer och andra strukturerade instruktioner.
- Klarare textrendering: Engelska och siffror i affischer, menyer, infografik, logotyper med mera visas nästan helt utan fel.
- Rikare stiluttryck: Stödjer ursprungligen flera stilar såsom filmiska porträtt, retroaffischer, barnillustrationer, produktfotografi och infografik.
- Inbyggt stöd för flera proportioner + hög upplösning: Täcker 5 proportioner (1:1, 4:3, 3:4, 16:9, 9:16) med 3 upplösningsnivåer (1K / 2K / 4K).
model till gpt-image-2. I returvärdet är url en permanent länk till bilden hostad på platform.cdn.xhuoapi.ai, som kan öppnas direkt i webbläsare eller bäddas in på webbsidor.
Stödda värden för size och prisnivåer
gpt-image-2 kontrollerar endast formatet på size. Så länge det inte är auto eller tomt, måste det matcha WIDTHxHEIGHT (t.ex. 1024x1024, 2048x1152, 800x600); andra format ger 400-fel. Prissättningen delas in i två nivåer:
- 1K standardpris: Inmatning är någon av 1K-rekommenderade storlekar i tabellen nedan eller vanliga 1K alias från upstream (
1254x1254,1672x941,941x1672— dessa är faktiska storlekar som upstream returnerar för 1K, och om de skickas tillbaka räknas de fortfarande som 1K). - Andra nivåer (1,5×): Alla storlekar utanför ovanstående 1K-mängd, inklusive rekommenderade 2K / 4K förinställningar samt valfria
WIDTHxHEIGHTsom du skickar in.
| Proportion | 1K (standardpris) | 2K rekommenderad (×1.5) | 4K rekommenderad (×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 |
Du kan även skickasize: "auto"eller utelämnasize-fältet, då väljer modellen själv standardstorlek och debiteras som 1K. Upstream garanterar inte strikt pixeljustering för 1K — om du skickar1024x1024kan du få1254x1254, proportionen är dock densamma. Om du skickar tillbaka den somsizeräknas det fortfarande som 1K. 4K-anrop tar vanligtvis 4–8 minuter, det rekommenderas att användacallback_urlför asynkron återkoppling (se nedan).
OmNedan visas några verkliga exempel som illustrerarn-parameterngpt-image-2stödjer för närvarande inten > 1: parametern ignoreras tyst, oavsett om du skickarn=1ellern=10returneras endast 1 bild per anrop och debiteras som 1 bild. Om du vill ha flera kandidater samtidigt, gör flera parallella anrop (helst med olikapromptellerseedför variation). Samma begränsning gäller förgpt-image-1/gpt-image-1.5ochnano-banana/nano-banana-2/nano-banana-pro.dall-e-2är för närvarande den enda modellen som nativt stödjern > 1;dall-e-3stödjer endastn = 1.
gpt-image-2 kapacitet.
Scenario 1: Filmiska porträtt
I prompten kan du använda filmtermer (35mm film, grund skärpedjup, neonljus etc.) för att exakt styra atmosfär och känsla. Python-exempel:
Scenario 2: Retro reseaffisch (med textrendering)
gpt-image-2 är stabil i typografi och layout, lämplig för affischer, menyer, gratulationskort med text.
url i svaret:

AMALFI och ITALIA 1958 tydligt och korrekt.
Scenario 3: Komplex komposition och räkning
Prompten testar modellens förmåga att följa strukturerade instruktioner om antal och placering.
dall-e-3.
Scenario 4: Illustrationsstil (landskap)
Genom att ange konstnärliga medier och stämningsord kan modellen styras att skapa stiliserade illustrationer.
Asynkron och callback
gpt-image-2 tar vanligtvis 60–90 sekunder per anrop. Om du inte vill hålla en lång anslutning öppen kan du använda callback_url för asynkron återkoppling, anropsflödet är identiskt med andra modeller.
Nano Banana-serien
nano-banana serien är Gemini-baserade bildgenereringsmodeller som nås via samma /openai/images/generations endpoint, du behöver bara ändra model till någon i tabellen nedan.
| Modell | Kostnad (Credits / anrop) | Användningsområde |
|---|---|---|
nano-banana | 0.14 | Vanlig bildgenerering, snabbast och billigast |
nano-banana-2 | 0.28 | Märkbart bättre kvalitet och detaljer |
nano-banana-pro | 0.35 | Flaggskepp, bäst komposition, detaljer och text |
Viktigt: stödda parametrar Nano Banana använder en adapter för OpenAI-protokollet och stödjer endast parametrarna:model,prompt,size.
sizemappas enligt tabellen nedan till internaspect_ratio; ej listade storlekar faller tillbaka till1:1:
1024x1024/512x512/256x256→1:11792x1024→16:91024x1792→9:16- Stöder inte
n,quality,style,response_format,background,output_formatetc.; dessa ignoreras.- Returnerar OpenAI-format (
data[].url), mencreatedär alltid0, ingenb64_json, ochrevised_promptär alltid samma som originalprompt.
Grundläggande anrop
url:

Uppgradera till flaggskeppsmodellen nano-banana-pro
Byt bara model till nano-banana-pro, övriga parametrar är desamma:

Asynkron callback
callback_url fungerar även för nano-banana, anropsflödet är identiskt med andra modeller, se avsnittet Asynkron callback.
Grundläggande användning
Du kan fylla i motsvarande fält i gränssnittet som visas nedan:
authorization som väljs från dropdown, model där du väljer OpenAI DALL-E modell (här finns huvudsakligen en modell, se våra modeller), och prompt där du skriver in texten för bildgenerering.
Till höger visas motsvarande genererade anropkod som du kan kopiera och köra direkt eller klicka på “Try” för att testa.

created: ID för denna bildgenerering, unikt för uppgiften.data: innehåller bildgenereringsresultatet.
data finns detaljer om genererad bild, där url är länken till bilden.

Bildkvalitetsparameter quality
Du kan ange bildkvalitet med två alternativ: standard för standardbild och hd för bild med finare detaljer och högre konsistens.
Exempel på inställning till standard:


standard kvalitet:

quality satt till hd får du:

hd ger mer detaljerad och konsekvent bild än standard.
Bildstorleksparameter size
Du kan även ange bildens storlek.
Exempel med 1024x1024:


1024x1024:

1792x1024:
Storleken är tydligt annorlunda. Fler storlekar finns i vår officiella dokumentation.
Bildstilparameter style
style har två alternativ: vivid för mer levande bilder och natural för mer naturliga bilder.
Exempel med vivid:


vivid stil:

natural stil:

vivid ger mer levande och realistisk bild än natural.
Bildlänkens formatparameter response_format
response_format har två alternativ: b64_json som kodar bilden i Base64, och url som är en vanlig bildlänk.
Exempel med url:



b64_json får du Base64-kodad bild i svaret:
Asynkron callback
Eftersom bildgenerering kan ta tid och HTTP-förfrågan annars håller anslutningen öppen och belastar systemresurser, stödjer API:et asynkron callback. Flödet är: klienten skickar med ettcallback_url i förfrågan. API returnerar omedelbart ett svar med task_id som identifierar uppgiften. När uppgiften är klar skickar API en POST med JSON till callback_url inklusive task_id och resultat.
Exempel:
Webhook är en HTTP-server som kan ta emot förfrågningar. För demonstration används https://webhook.site/ som genererar en unik URL:
Kopiera URL, t.ex. https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab.
Skicka anrop med callback_url:
task_id och data med samma bildresultat som synkront anrop, vilket möjliggör koppling via ID.
Felhantering
Vid fel returnerar API lämpliga felkoder och meddelanden, t.ex.:400 token_mismatched: Felaktig förfrågan, saknade eller ogiltiga parametrar.400 api_not_implemented: Felaktig förfrågan, saknade eller ogiltiga parametrar.401 invalid_token: Obefogad, ogiltig eller saknad autentiseringstoken.429 too_many_requests: För många förfrågningar, överskriden gräns.500 api_error: Intern serverfel.

