OpenAI 发布最新的4o图像生成 API ：gpt-image-1，该API支持基于文本提示生成、编辑和变体化图片。

gpt-image-1 是OpenAI目前最先进的模型，具有更强的理解能力、画面细节、现实世界知识以及更准确的文本渲染能力，推荐优先使用。

gpt-image-1 的主要亮点包括：

  • 多样化风格支持：可生成多种风格图像，满足从手绘、插画到现实照片等多种需求。
  • 高度自定义：能精准遵循定制化指令与品牌需求。
  • 文本渲染准确：显著提升了图像中文字内容的生成准确性。
  • 广泛的世界知识：具备较强的现实背景理解和知识驱动能力。
  • 高可靠性 API 接入：开发者和企业可直接集成到自身工具和平台。

这些特性使其不仅适用于简单的图片生成，还能满足对图片风格和细节要求更高的应用场景。

API 三大核心端点

  1. Generations（生成）
    通过文本描述直接生成新图片。可设置图片数量、分辨率、质量、透明度等参数。代码调用简单，支持 Python、JS、Shell 等主流环境。

    • 典型用法：用 prompt 生成插画、头像、像素风格素材等。

  2. Edits（编辑）
    对已有图片进行编辑，可以：

    • 上传一张或多张图片作为参考，让 AI 组合生成新场景（如礼品篮案例）。
    • 利用 mask（掩码），仅替换部分区域（如给房间加泳池等）。
    • 支持 inpainting，本质是“局部魔改”。
    • 图片和掩码尺寸需一致，掩码要有 alpha 通道。
  3. Variations（变体）（仅 DALL·E 2 支持）
    上传一张图片，让模型生成风格、内容相似但不同的图片变体，常用于创意扩展或批量输出。

图像输出自定义

  • 尺寸：支持正方形（1024x1024）、竖屏（1024x1536）、横屏（1536x1024）等主流分辨率，默认 auto 自动调整。
  • 质量：low、medium、high，默认 auto。高质量意味着细节更丰富，但生成慢、成本更高。
  • 格式：默认 PNG，支持 JPEG、WebP。后两者可自定义压缩比，适合网页加速等需求。
  • 透明背景：gpt-image-1 可直接输出带 alpha 透明通道的 PNG/WebP，适合制作 UI、图标、素材。
  • 多图批量生成：设置 n 参数即可一次生成多张图片，提升效率。

能力边界与限制

  • 延迟：复杂场景或高质量大尺寸，生成时间可能长达 2 分钟，不适合强时效场景。
  • 文本渲染：gpt-image-1 文字绘制能力已显著提升，但极高精度的排版/字形场景仍有概率出错。
  • 一致性：多次生成同一角色、品牌形象时偶有不一致，需结合“图片参考”/“编辑”端点配合。
  • 构图控制：对结构/版式高度敏感的画面，元素位置有时不够精准，需要反复迭代。
  • 内容审核：所有请求都受官方内容安全政策（可选“auto”/“low”审核级别），不支持违规、敏感等内容生成。

费用与 Token 计价

  • 按Token计费，文本输入、图片输入、图片输出分开计价：

    • 文本输入：$5/百万tokens
    • 图片输入：$10/百万tokens
    • 图片输出：$40/百万tokens

  • 换算到单张图片约为：

    • 低质量约$0.02/张
    • 中质量约$0.07/张
    • 高质量约$0.19/张

  • 生成图片成本由图片 token 数量决定，token 总数受分辨率、质量、输出格式等影响。

  • 高分辨率和高质量图像，token 消耗（即费用）显著增加。
  • 提示词本身也会计入输入 token，最终费用请参照官方 价格页面。

典型应用场景举例

  • 设计与编辑（Canva）：用 AI 生成/编辑平面设计、将手绘草图变为精美图像、精细化编辑等。
  • Logo 和品牌资产生成（GoDaddy）：一键生成/编辑 logo、移除背景、生成定制字体等，辅助用户打造品牌形象及社媒内容。
  • 营销物料生成（HubSpot）：为企业客户快速批量生成社交媒体、邮件推广、落地页等高质量视觉内容，无需专业设计师。
  • 食谱与购物清单配图（Instacart）：为食谱及购物清单自动生成吸引人的图片。
  • 视频编辑辅助（invideo）：提供更强大的文本生成、图像编辑、风格引导功能，提升视频创作体验。

最佳实践与Tips

  • 复杂场景或高要求文本推荐先低质量小尺寸试错，再上高质量大图。
  • 使用“图片编辑+掩码”功能，可以精准替换页面区域，适合 UI、包装等复用场景。
  • 要多图一致性，可以用同一参考图反复编辑，或合成同一风格素材集。
  • 尽量用详细、明确的 prompt（包括风格、元素、颜色等），结果更可控。

多家主流平台已集成或尝试该能力，包括：

  • Adobe：Firefly 和 Express 应用将集成 gpt-image-1，为创作者带来更多审美选择。
  • Figma：设计师可直接在 Figma 内用简短提示生成和编辑图片，加快创意探索与迭代。

  • HeyGen：提升头像生成和编辑，增强虚拟形象定制。

  • Wix：AI 设计平台 Wixel 让任何用户都能轻松生成专业级设计作品。

  • Photoroom：帮助电商商家用单张产品照即可生成影棚级图片、场景照及模特图。
  • 其它如 Instacart、InVideo、Canva、HubSpot 等团队也在测试工作流集成。

现在你可通过开发指南或 Playground 平台快速上手、调试和迭代图片生成。

好的，以下是该文档的准确翻译，保持原有格式和内容结构不变：

OpenA GPT Image 图像生成API指南

概览

OpenAI API 允许你通过文本提示生成和编辑图像，支持 GPT Image 或 DALL·E 模型。

目前，图像生成仅可通过 Image API 实现。我们正积极推进对 Responses API 的支持。

Image API 提供三个端点，每个端点具有不同的能力：

你还可以通过指定质量、尺寸、格式、压缩率，以及是否需要透明背景，自定义输出。

模型对比

我们最新、最先进的图像生成模型是 gpt-image-1，这是一款原生多模态语言模型。

我们推荐该模型，因为它在图像生成质量上表现优异，且能利用世界知识进行图像创作。当然，你也可以用 Image API 调用专用图像生成模型 DALL·E 2 或 DALL·E 3。

模型 支持端点 使用场景 DALL·E 2 Image API: Generations, Edits, Variations 成本较低、支持并发请求、修补（带掩码的图像编辑） DALL·E 3 Image API: 仅 Generations 图像质量高于 DALL·E 2，支持更大分辨率 GPT Image Image API: Generations, Edits – Responses API 即将支持 指令理解能力强，文本渲染优异，编辑细致，具备世界知识

本指南重点介绍 GPT Image，你也可以切换至 DALL·E 2 和 DALL·E 3 的文档。

生成图像

你可以使用 图像生成端点 ，基于文本提示创建图像。了解如何自定义输出（尺寸、质量、格式、透明度）可参见下方的自定义图像输出章节。

你可以设置 n 参数，在一次请求中生成多张图片（默认只返回一张图片）。

``` import OpenAI from "openai"; import fs from "fs"; const openai = new OpenAI();

const prompt = A children's book drawing of a veterinarian using a stethoscope to listen to the heartbeat of a baby otter. ;

const result = await openai.images.generate({ model: "gpt-image-1", prompt, });

// 保存图片到文件 const imagebase64 = result.data[0].b64json; const imagebytes = Buffer.from(imagebase64, "base64"); fs.writeFileSync("otter.png", image_bytes);

```

``` from openai import OpenAI import base64 client = OpenAI()

prompt = """ A children's book drawing of a veterinarian using a stethoscope to listen to the heartbeat of a baby otter. """

result = client.images.generate( model="gpt-image-1", prompt=prompt )

imagebase64 = result.data[0].b64json imagebytes = base64.b64decode(imagebase64)

保存图片到文件

with open("otter.png", "wb") as f: f.write(image_bytes)

```

``` curl -X POST "https://api.openai.com/v1/images/generations" \ -H "Authorization: Bearer $OPENAIAPIKEY" \ -H "Content-type: application/json" \ -d '{ "model": "gpt-image-1", "prompt": "A childrens book drawing of a veterinarian using a stethoscope to listen to the heartbeat of a baby otter." }' | jq -r '.data[0].b64_json' | base64 --decode > otter.png

```

编辑图像

图像编辑端点 可用于：

  • 编辑已有图像
  • 利用其他图片作为参考生成新图像
  • 通过上传图像和掩码，仅替换部分区域（即修补/inpainting）

使用参考图像生成新图

你可以用一张或多张图片作为参考，生成新图片。

本例中我们用 4 张输入图片生成一个包含所有物品的礼品篮新图像。

``` 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("body-lotion.png", "rb"), open("bath-bomb.png", "rb"), open("incense-kit.png", "rb"), open("soap.png", "rb"), ], prompt=prompt )

imagebase64 = result.data[0].b64json imagebytes = base64.b64decode(imagebase64)

保存图片到文件

with open("gift-basket.png", "wb") as f: f.write(image_bytes)

```

``` import fs from "fs"; import OpenAI, { toFile } from "openai";

const client = new OpenAI();

const imageFiles = [ "bath-bomb.png", "body-lotion.png", "incense-kit.png", "soap.png", ];

const images = await Promise.all( imageFiles.map( async (file) => await toFile(fs.createReadStream(file), null, { type: "image/png", }), ), );

const rsp = await client.images.edit({ model: "gpt-image-1", image: images, prompt: "Create a lovely gift basket with these four items in it", });

// 保存图片到文件 const imagebase64 = rsp.data[0].b64json; const imagebytes = Buffer.from(imagebase64, "base64"); fs.writeFileSync("basket.png", image_bytes);

```

``` curl -s -D >(grep -i x-request-id >&2) \ -o >(jq -r '.data[0].b64json' | base64 --decode > gift-basket.png) \ -X POST "https://api.openai.com/v1/images/edits" \ -H "Authorization: Bearer $OPENAIAPI_KEY" \ -F "model=gpt-image-1" \ -F "image[]=@body-lotion.png" \ -F "image[]=@bath-bomb.png" \ -F "image[]=@incense-kit.png" \ -F "image[]=@soap.png" \ -F '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'

```

使用掩码编辑图片（修补）

你可以提供掩码，指定图片哪些区域需要编辑。掩码的透明区域将被替换，黑色区域则保持不变。

你可以用提示描述整个新图像，不只限于被擦除的区域。如果提供多张输入图像，掩码会应用于第一张图片。

``` from openai import OpenAI client = OpenAI()

result = client.images.edit( model="gpt-image-1", image=open("sunlit_lounge.png", "rb"), mask=open("mask.png", "rb"), prompt="A sunlit indoor lounge area with a pool containing a flamingo" )

imagebase64 = result.data[0].b64json imagebytes = base64.b64decode(imagebase64)

保存图片到文件

with open("composition.png", "wb") as f: f.write(image_bytes)

```

``` import fs from "fs"; import OpenAI, { toFile } from "openai";

const client = new OpenAI();

const rsp = await client.images.edit({ model: "gpt-image-1", image: await toFile(fs.createReadStream("sunlit_lounge.png"), null, { type: "image/png", }), mask: await toFile(fs.createReadStream("mask.png"), null, { type: "image/png", }), prompt: "A sunlit indoor lounge area with a pool containing a flamingo", });

// 保存图片到文件 const imagebase64 = rsp.data[0].b64json; const imagebytes = Buffer.from(imagebase64, "base64"); fs.writeFileSync("lounge.png", image_bytes);

```

``` curl -s -D >(grep -i x-request-id >&2) \ -o >(jq -r '.data[0].b64json' | base64 --decode > lounge.png) \ -X POST "https://api.openai.com/v1/images/edits" \ -H "Authorization: Bearer $OPENAIAPIKEY" \ -F "model=gpt-image-1" \ -F "mask=@mask.png" \ -F "image[]=@sunlitlounge.png" \ -F 'prompt=A sunlit indoor lounge area with a pool containing a flamingo'

```

掩码要求

待编辑图片和掩码需为相同格式和尺寸（小于 25MB）。

掩码图片还必须包含 alpha 通道。如果用图片编辑工具创建掩码，请确保保存时包含 alpha 通道。

为黑白掩码添加 alpha 通道

你可以用程序方式给黑白掩码添加 alpha 通道。

为黑白掩码添加 alpha 通道

``` from PIL import Image from io import BytesIO

1. 加载黑白掩码为灰度图

mask = Image.open(imgpathmask).convert("L")

2. 转为 RGBA，以便有 alpha 通道

mask_rgba = mask.convert("RGBA")

3. 用掩码本身填充 alpha 通道

mask_rgba.putalpha(mask)

4. 转换为字节

buf = BytesIO() maskrgba.save(buf, format="PNG") maskbytes = buf.getvalue()

5. 保存结果文件

imgpathmaskalpha = "maskalpha.png" with open(imgpathmaskalpha, "wb") as f: f.write(maskbytes)

```

自定义图像输出

你可以配置如下输出选项：

  • 尺寸：图像分辨率（如 1024x1024、1024x1536 等）
  • 质量：渲染质量（如 low、medium、high）
  • 格式：文件输出格式
  • 压缩率：JPEG 和 WebP 格式下的压缩级别（0-100%）
  • 背景：透明或不透明

尺寸和质量选项

正方形且标准质量的图片生成速度最快。默认尺寸为 1024x1024 像素。

输出格式

Image API 返回 base64 编码的图像数据。默认格式为 png，也可指定 jpeg 或 webp。

如果使用 jpeg 或 webp，还可通过 output_compression 参数控制压缩级别（0-100%）。比如 output_compression=50 表示压缩 50%。

透明度

gpt-image-1 模型支持透明背景。设置 background 参数为 transparent 即可。

仅 png 和 webp 格式支持透明背景。

透明度建议搭配 medium 或 high 质量使用。

生成透明背景图像示例

``` import OpenAI from "openai"; import fs from "fs"; const openai = new OpenAI();

const result = await openai.images.generate({ model: "gpt-image-1", prompt: "Draw a 2D pixel art style sprite sheet of a tabby gray cat", size: "1024x1024", background: "transparent", quality: "high", });

// 保存图片到文件 const imagebase64 = result.data[0].b64json; const imagebytes = Buffer.from(imagebase64, "base64"); fs.writeFileSync("sprite.png", image_bytes);

```

``` from openai import OpenAI import base64 client = OpenAI()

result = client.images.generate( model="gpt-image-1", prompt="Draw a 2D pixel art style sprite sheet of a tabby gray cat", size="1024x1024", background="transparent", quality="high", )

imagebase64 = result.json()["data"][0]["b64json"] imagebytes = base64.b64decode(imagebase64)

保存图片到文件

with open("sprite.png", "wb") as f: f.write(image_bytes)

```

``` curl -X POST "https://api.openai.com/v1/images" \ -H "Authorization: Bearer $OPENAIAPIKEY" \ -H "Content-type: application/json" \ -d '{ "prompt": "Draw a 2D pixel art style sprite sheet of a tabby gray cat", "quality": "high", "size": "1024x1024", "background": "transparent" }' | jq -r 'data[0].b64_json' | base64 --decode > sprite.png

```

限制

GPT-4o 图像模型是一款强大且多功能的图像生成模型，但仍需注意以下局限：

  • 延迟：复杂提示可能需要最多 2 分钟处理。
  • 文本渲染：虽较 DALL·E 系列大幅提升，但在精确文字排版和清晰度方面仍有一定难度。
  • 一致性：模型有能力保持图像一致性，但多次生成同一角色或品牌元素时，偶尔仍会出现不一致。
  • 构图控制：尽管指令理解已提升，模型在元素精准布局、结构化或版式敏感的图像生成上有时仍有困难。

内容审核

所有提示与生成图像都将根据我们的内容政策进行过滤。

使用 gpt-image-1 生成图像时，可以通过 moderation 参数控制审核严格度。支持以下两种取值：

  • auto（默认）：标准过滤，限制生成某些潜在不适宜内容。
  • low：限制更少。

费用与延迟

本模型通过先生成专用图像 token 再渲染图片。图片尺寸越大、质量越高，token 数量越多，生成时延与成本也越高。

token 数取决于图像尺寸和质量：

此外还需计算提示文本使用的 输入 token。

详细价格信息可参考 价格页面。

官方介绍：https://openai.com/index/image-generation-api/