Skip to main content
OpenAI Images Generations API 目前支援多種圖像生成模型，包括經典的 dall-e-3、文字渲染能力更強的 gpt-image-1、最新一代的 gpt-image-2，以及透過同一介面接入的 nano-banana / nano-banana-2 / nano-banana-pro 系列模型。它們都能根據文本描述生成高品質的圖像。 本文檔主要介紹 OpenAI Images Generations API 操作的使用流程，利用它我們可以輕鬆使用 OpenAI 系列的圖像生成功能。

​
申請流程

要使用 OpenAI Images Generations API，首先可以到 OpenAI Images Generations API 頁面點擊「Acquire」按鈕，獲取請求所需要的憑證： 如果你尚未登入或註冊，會自動跳轉到登入頁面邀請您來註冊和登入，登入註冊之後會自動返回當前頁面。 在首次申請時會有免費額度贈送，可以免費使用該 API。

​
GPT-Image-2 模型

gpt-image-2 是 OpenAI 推出的新一代圖像生成模型，相較於 dall-e-3 和 gpt-image-1，在以下方面有明顯提升：
  • 指令遵循能力更強：能夠準確理解複雜構圖、計數、位置關係等結構化指令。
  • 文字渲染更清晰：海報、菜單、資訊圖、標誌等場景下的英文與數字幾乎不會出現錯亂。
  • 風格表現更豐富：原生支援電影感人像、復古海報、兒童插畫、產品攝影、資訊圖等多種風格。
  • 原生多比例 + 高解析度支援：覆蓋 5 種比例（1:1、4:3、3:4、16:9、9:16）共 3 檔解析度（1K / 2K / 4K）。
呼叫方式與其他模型完全一致，只需將 model 欄位設定為 gpt-image-2 即可。返回結果中的 url 是一個永久托管在 platform.cdn.xhuoapi.ai 上的圖片連結，可以直接在瀏覽器中開啟或嵌入到網頁中。

​
支援的 size 取值與計費檔位

gpt-image-2 只檢查 size 的格式，只要不是 auto 或空字串，就需要匹配 WIDTHxHEIGHT（例如 1024x1024、2048x1152、800x600）；任何其他形態會返回 400。計費只分兩個檔位：
  • 1K 標準價：輸入為下表中任一 1K 推薦尺寸，或為上游常見的 1K 輸出別名（1254x1254、1672x941、941x1672——這些是上游在 1K 檔下實際返回的尺寸，收到後重新代入不會被跳價）。
  • 其他檔位（1.5×）：任何不在上述 1K 集合裡的尺寸，包括下表推薦的 2K / 4K 預設，以及你自訂傳入的任意 WIDTHxHEIGHT。
上游對自訂尺寸的硬約束：寬高均為 16 的倍數、長邊 ≤ 3840、總像素數 ≤ 8,294,400。超出範圍會被上游拒絕並以 4xx 返回。
你也可以傳 size: "auto" 或者省略 size 欄位，此時由模型自行選擇預設尺寸，按 1K 標準價計費。 1K 檔下上游輸出不保證嚴格像素對齊 —— 你傳 1024x1024 可能拿到 1254x1254，比例保持一致。如果你重新把它當作 size 傳進來，仍然按 1K 計費。 4K 單次呼叫通常需要 4–8 分鐘，建議配合後文的 callback_url 非同步回調使用。
關於 n 參數 gpt-image-2 目前不支援 n > 1：該參數會被靜默忽略，無論傳 n=1 還是 n=10，單次請求都只會返回 1 張圖，並且只按 1 張計費。如果你需要一次拿到多張候選圖，請自行併發發起多次請求（建議同時傳不同的 prompt 或不同的 seed，否則得到的幾張圖可能高度相似）。該限制同樣適用於 gpt-image-1 / gpt-image-1.5，以及 nano-banana / nano-banana-2 / nano-banana-pro 系列。dall-e-2 是目前唯一原生支援 n > 1 的模型；dall-e-3 僅支援 n = 1。
下面透過幾個不同角度的真實範例來直觀感受 gpt-image-2 的能力。

​
場景一：電影感人像

提示詞中可以使用電影術語（35mm 膠片、淺景深、霓虹光等）來精準控制氛圍與質感。 Python 範例呼叫程式碼：
返回結果如下：
生成的圖片如下所示：

​
場景二：復古旅行海報（帶文字渲染）

gpt-image-2 在排版與字體渲染方面表現穩定，非常適合用來生成海報、菜單、賀卡等帶文字的設計稿。
返回結果中的 url 欄位對應的圖片如下：

可以看到模型不僅準確還原了 Art Deco 海報的視覺風格，標題文字 AMALFI 與 ITALIA 1958 都被清晰、正確地渲染出來。

​
場景三：複雜構圖與計數

下面這個提示詞用來測試模型對「數量」和「位置」等結構化指令的遵循能力。
生成的圖片如下：

可以看到三層書架上的書本數量（1 / 3 / 7）與提示詞完全一致，這是 dall-e-3 時代很難穩定做到的。

​
場景四：插畫風格（橫屏）

透過指定藝術媒介與情緒關鍵詞，可以引導模型產出風格化的插畫。
生成的橫屏插畫如下：

​
非同步與回調

gpt-image-2 單次呼叫通常需要 60～90 秒，如果不希望保持長連線，可以使用本文後續介紹的 callback_url 非同步回調機制，呼叫流程與其他模型完全一致。

​
Nano Banana 系列模型

nano-banana 系列是基於 Gemini 的圖像生成模型，已透過同一個 /openai/images/generations 介面接入，無需切換 endpoint，只要把 model 改為下表中的任意一個即可。
重要：參數支援範圍 Nano Banana 透過適配層接入 OpenAI 協議，與 gpt-image-* 相比僅支援以下參數：model、prompt、size。
  • size 會按下表映射為內部 aspect_ratio，未列出的尺寸會退化為 1:1：
    • 1024x1024 / 512x512 / 256x256 → 1:1
    • 1792x1024 → 16:9
    • 1024x1792 → 9:16
  • 不支援 n、quality、style、response_format、background、output_format 等參數；填了也會被忽略。
  • 返回結構遵循 OpenAI 格式（data[].url），但 created 固定為 0，且不會返回 b64_json，revised_prompt 始終等於原始 prompt。

​
基本呼叫

返回結果如下：
生成的圖片可以直接透過返回的 url 欄位訪問：

​
升級到旗艦模型 nano-banana-pro

只需把 model 改為 nano-banana-pro，其餘參數完全一致：
返回示例：

​
非同步回調

callback_url 非同步回調機制對 nano-banana 同樣有效，呼叫流程與其他模型完全一致，詳見下文 非同步回調 一節。

​
基本使用

接下來就可以在介面上填寫對應的內容，如圖所示：

在第一次使用該介面時，我們至少需要填寫三個內容，一個是 authorization，直接在下拉列表裡面選擇即可。另一個參數是 model，model 就是我們選擇使用 OpenAI DALL-E 官網模型類別，這裡我們主要有 1 種模型，詳情可以看我們提供的模型。最後一個參數是 prompt，prompt 是我們輸入要生成圖像的提示詞。 同時您可以注意到右側有對應的呼叫程式碼生成，您可以複製程式碼直接執行，也可以直接點擊「Try」按鈕進行測試。

Python 範例呼叫程式碼：
呼叫之後，我們發現返回結果如下：
返回結果一共有多個欄位，介紹如下：
  • created，生成此次圖像生成的 ID，用於唯一標識此次任務。
  • data，包含圖像生成的結果資訊。
其中 data 是包含了模型生成圖片的具體資訊，它裡面的 url 是生成圖片的詳細連結，可以發現如圖所示。

​
圖片品質參數 quality

接下來將介紹如何設定圖像生成結果的一些詳細參數，其中圖片品質參數 quality 包含兩種，第一個 standard 表示生成標準的圖片，另一個 hd 表示建立的圖像具有更精細的細節和更大的一致性。 下面設定圖片品質參數為 standard ，具體設定如下圖：

同時您可以注意到右側有對應的呼叫程式碼生成，您可以複製程式碼直接執行，也可以直接點擊「Try」按鈕進行測試。

Python 範例呼叫程式碼：
呼叫之後，我們發現返回結果如下：
返回的結果與基本使用的內容一致，可以看到圖片品質參數為 standard 的生成圖片如下圖所示：

與上述相同操作，僅需將圖片品質參數設定為 hd ，可以得到如下圖所示的圖片：

可以看到 hd 比 standard 生成的圖片具有更精細的細節和更大的一致性。

​
圖片大小尺寸參數 size

我們還可以設定生成圖片的尺寸大小，我們可以進行下面的設定。 下面設定圖片的尺寸大小為 1024 * 1024 ，具體設定如下圖：

同時您可以注意到右側有對應的呼叫程式碼生成，您可以複製程式碼直接執行，也可以直接點擊「Try」按鈕進行測試。

Python 範例呼叫程式碼：
呼叫之後，我們發現返回結果如下：
返回的結果與基本使用的內容一致，可以看到圖片的尺寸大小為 1024 * 1024 的生成圖片如下圖所示：

與上述相同操作，僅需將圖片的尺寸大小為 1792 * 1024 ，可以得到如下圖所示的圖片： 可以看到圖片的尺寸大小很明顯不一樣，另外還可以設定更多尺寸大小，詳情資訊參考我們官網文件。

​
圖片風格參數 style

圖片風格參數 style 包含兩個參數，第一種 vivid 表示生成的圖片是更加生動的，另一種 natural 表示生成的圖片更加自然一點。 下面設定圖片風格參數為 vivid ，具體設定如下圖：

同時您可以注意到右側有對應的呼叫程式碼生成，您可以複製程式碼直接執行，也可以直接點擊「Try」按鈕進行測試。

Python 範例呼叫程式碼：
呼叫之後，我們發現返回結果如下：
返回的結果與基本使用的內容一致，可以看到圖片風格參數為 vivid 的生成圖片如下圖所示：

與上述相同操作，僅需將圖片風格參數為 natural ，可以得到如下圖所示的圖片：

可以看到 vivid 比 natural 生成的圖片具有更加生動逼真。

​
圖片連結的格式參數 response_format

最後一個圖片連結的格式參數 response_format 也有兩種，第一種 b64_json 是對圖片連結進行 Base64 編碼，另一種 url 就是普通的圖片連結，可以直接查看圖片。 下面設定圖片連結的格式參數為 url ，具體設定如下圖：

同時您可以注意到右側有對應的呼叫程式碼生成，您可以複製程式碼直接執行，也可以直接點擊「Try」按鈕進行測試。

Python 範例呼叫程式碼：
呼叫之後，我們發現返回結果如下：
返回的結果與基本使用的內容一致，可以看到圖片連結的格式參數為 url 的生成圖片的連結為 圖片 URL 這是可以直接訪問的，圖片內容如下圖所示：

與上述相同操作，僅需將圖片連結的格式參數為 b64_json ，可以得到結果 Base64 編碼後的圖片連結，具體結果如下圖所示：

​
非同步回調

由於 OpenAI Images Generations API 生成圖片的時間可能相對較長，如果 API 長時間無回應，HTTP 請求會一直保持連線，導致額外的系統資源消耗，所以本 API 也提供了非同步回調的支援。 整體流程是：用戶端發起請求的時候，額外指定一個 callback_url 欄位，用戶端發起 API 請求之後，API 會立刻返回一個結果，包含一個 task_id 的欄位資訊，代表當前的任務 ID。當任務完成之後，生成圖片的結果會透過 POST JSON 的形式發送到用戶端指定的 callback_url，其中也包括了 task_id 欄位，這樣任務結果就可以透過 ID 關聯起來了。 下面我們透過範例來了解下具體怎麼操作。 首先，Webhook 回調是一個可以接收 HTTP 請求的服務，開發者應該替換為自己搭建的 HTTP 伺服器的 URL。此處為了方便演示，使用一個公開的 Webhook 範例網站 https://webhook.site/，打開該網站即可得到一個 Webhook URL，如圖所示： 將此 URL 複製下來，就可以作為 Webhook 來使用，此處的範例為 https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab。 接下來，我們可以設定欄位 callback_url 為上述 Webhook URL，同時填入相應的參數，如以下程式碼所示：
點擊執行，可以發現會立即得到一個結果，如下：
稍等片刻，我們可以在 Webhook URL 上觀察到生成圖片的結果，內容如下：
可以看到結果中有一個 task_id 欄位，data 欄位包含了和同步呼叫一樣的圖片生成結果，透過 task_id 欄位即可實現任務的關聯。

​
錯誤處理

在呼叫 API 時，如果遇到錯誤，API 會返回相應的錯誤代碼和資訊。例如：
  • 400 token_mismatched：Bad request，可能由於缺少或無效參數。
  • 400 api_not_implemented：Bad request，可能由於缺少或無效參數。
  • 401 invalid_token：Unauthorized，無效或缺少授權令牌。
  • 429 too_many_requests：Too many requests，您已超過速率限制。
  • 500 api_error：Internal server error，伺服器內部錯誤。

​
錯誤回應示例

​
結論

透過本文檔，您已經了解了如何使用 OpenAI Images Generations API 輕鬆使用官方 OpenAI DALL-E 的圖像生成功能。希望本文檔能幫助您更好地對接和使用該 API。如有任何問題，請隨時聯繫我們的技術支援團隊。