跳轉到主要內容
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。
比例1K（標準價）2K推薦（×1.5）4K推薦（×1.5）
1:11024x10242048x20482880x2880
4:31536x10242048x15363264x2448
3:41024x15361536x20482448x3264
16:91792x10242048x11523840x2160
9:161024x17921152x20482160x3840
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： 
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)
返回結果如下： 
{
  "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"
    }
  ]
}
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。 
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"
}
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。 
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"
}
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。 
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"
}
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。
模型計費（Credits / 次）適用場景
nano-banana0.14普通圖像生成，速度最快、成本最低
nano-banana-20.28品質與細節明顯提升
nano-banana-pro0.35系列中的旗艦，構圖、細節、文字均最佳
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

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)
返回結果如下： 
{
  "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"
    }
  ]
}
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： 
payload = {
    "model": "nano-banana-pro",
    "prompt": "abstract painting",
    "size": "1024x1024"
}
返回示例： 
{
  "created": 0,
  "data": [
    {
      "url": "https://platform.cdn.xhuoapi.ai/nanobanana/6227fcc9-3442-4aa3-a76c-4a4441a99649.png",
      "revised_prompt": "abstract painting"
    }
  ]
}

​
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： 
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)
呼叫之後，我們發現返回結果如下： 
{
  "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"
    }
  ]
}
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： 
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)
呼叫之後，我們發現返回結果如下： 
{
  "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"
    }
  ]
}
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： 
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)
呼叫之後，我們發現返回結果如下： 
{
  "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"
    }
  ]
}
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： 
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)
呼叫之後，我們發現返回結果如下： 
{
  "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"
    }
  ]
}
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： 
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)
呼叫之後，我們發現返回結果如下： 
{
  "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"
    }
  ]
}
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： 
{
  "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."
    }
  ]
}

​
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： 
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)
點擊執行，可以發現會立即得到一個結果，如下： 
{
  "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c"
}
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： 
{
  "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/..."
      }
    ]
  }
}
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

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

​
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。