API การแก้ไขภาพ OpenAI: มาสก์, พารามิเตอร์, ราคา และกระบวนการทำงานของ GlobalGPT

API OpenAI Image Edit ใช้คำสั่งเพื่อปรับเปลี่ยนภาพที่มีอยู่. เส้นทางดั้งเดิมคือ POST /v1/images/edits; มันรับภาพ ข้อความคำสั่ง และตัวเลือกการควบคุมการแก้ไข เช่น มาสก์หรือภาพอ้างอิง ใช้ Image API สำหรับคำขอที่เฉพาะเจาะจง และใช้ Responses API เมื่อผลิตภัณฑ์ต้องการกระบวนการทำงานกับภาพแบบหลายขั้นตอน.

การแก้ไขที่เชื่อถือได้คือกระบวนการที่เรียบง่าย: ล็อกไฟล์ต้นแบบ ระบุส่วนที่ต้องคงไว้ ระบุส่วนที่อาจเปลี่ยนแปลง ตรวจสอบไบต์ที่ส่งกลับมา และบันทึกสินทรัพย์ที่ได้รับการอนุมัติ หากคุณต้องการสลับไปมาระหว่างโมเดลภาพและเครื่องมือสื่ออื่นๆ ในพื้นที่ทำงานเดียวกัน, สร้างและแก้ไขภาพด้วย GPT Image 2 ใน GlobalGPT; API สาธารณะของมันใช้สัญญาการทำงานแบบไม่พร้อมกันที่ต่างออกไป ซึ่งคู่มือนี้ได้แยกมันออกจากจุดปลายทางแบบดั้งเดิมของ OpenAI.

ลองใช้โมเดลภาพหลักหลายแบบบน GlobalGPT

API OpenAI Image Edit มีหน้าที่อะไร?

กระบวนการแก้ไขเริ่มต้นจากภาพที่มีอยู่ คำสั่งของคุณอธิบายถึงการเปลี่ยนแปลง ส่วนภาพต้นทางให้บริบททางภาพที่ควรคงอยู่หลังการแก้ไข คุณสามารถเปลี่ยนพื้นหลัง เพิ่มหรือลบองค์ประกอบ ปรับสไตล์โดยรวม หรือส่งภาพมากกว่าหนึ่งภาพเป็นข้อมูลอ้างอิงได้ โมเดลจะยังคงตีความคำขออยู่ API นี้ไม่ใช่เครื่องมือแก้ไขพิกเซลที่มีขอบเขตการเลือกที่รับประกันได้.

OpenAI บันทึกขั้นตอนการทำงานที่มีประโยชน์สองขั้นตอน ได้แก่ API ภาพ เป็นตัวเลือกที่เหมาะสมที่สุดเมื่อการขอข้อมูลหนึ่งครั้งควรคืนภาพหนึ่งภาพเท่านั้น การตอบสนอง API เป็นตัวเลือกที่เหมาะสมกว่าเมื่อผู้ใช้จะตรวจสอบผลลัพธ์ ขอให้ปรับเปลี่ยนเพิ่มเติม และรักษาบริบทของภาพไว้ตลอดทั้งกระบวนการ การเลือกนี้ส่งผลต่อทั้งรูปแบบของคำขอและโค้ดที่ใช้ดึงผลลัพธ์ออกมา.

ทำการแก้ไขครั้งแรกด้วย API OpenAI ของระบบ

เก็บ API key ไว้บนเซิร์ฟเวอร์ของคุณ และโหลดมันจากตัวแปรสภาพแวดล้อม ตัวอย่างด้านล่างนี้ส่งภาพหนึ่งภาพและข้อความคำสั่งไปยังจุดปลายทาง (endpoint) สำหรับการแก้ไขตามที่ระบุในเอกสาร ส่วน image[] ฟิลด์นี้สามารถทำซ้ำได้เมื่อโมเดลที่เลือกสนับสนุนข้อมูลเข้าหลายชุด ระบบ pipeline ของ shell จะถอดรหัสภาพ base64 ที่ส่งคืนมาเป็นภาพ PNG ในเครื่อง.

curl -s \
  -X POST "https://api.openai.com/v1/images/edits" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F "model=gpt-image-2.5-sunburst" \
  -F "image[]=@source.png" \
  -F "prompt=Replace only the background with a warm beige studio scene; keep the product and label unchanged." \
| jq -r '.data[0].b64_json' \
| base64 --decode > edited.png

from openai import OpenAI
import base64

client = OpenAI()
result = client.images.edit(
    model="gpt-image-2.5-sunburst",
    image=open("source.png", "rb"),
    prompt="Replace only the background with a warm beige studio scene; keep the product and label unchanged.",
)

image_bytes = base64.b64decode(result.data[0].b64_json)
with open("edited.png", "wb") as output:
    output.write(image_bytes)

ก่อนที่จะถือว่าไฟล์นี้พร้อมสำหรับการผลิตแล้ว ให้ตรวจสอบไฟล์ที่ถอดรหัสแล้ว: ตรวจสอบประเภท MIME ขนาด จำนวนไบต์ และว่ารายละเอียดทางภาพที่สำคัญยังอยู่ครบถ้วนหรือไม่ คำตอบ 200 เพียงแต่ระบุว่าคำขอได้รับการยอมรับเท่านั้น แต่ไม่ได้ระบุว่าป้ายชื่อ โลโก้ หรือรูปทรงของผลิตภัณฑ์ยังคงอยู่ครบถ้วน.

ใช้ภาพตัวอย่างและภาพอ้างอิงอย่างปลอดภัย

มาสก์จะบอกให้โมเดลทราบว่าคุณต้องการเปลี่ยนแปลงพื้นที่ใด แต่การมาสก์ภาพของ GPT Image ยังคงใช้คำสั่งเป็นพื้นฐาน คู่มือของ OpenAI เตือนอย่างชัดเจนว่าโมเดลใช้มาสก์เป็นแนวทางเท่านั้น ไม่ใช่ขอบเขตพิกเซลที่แน่นอน ดังนั้น ให้เขียนคำสั่งให้ชัดเจนเกี่ยวกับวัตถุที่ต้องการปกป้อง และตรวจสอบภาพทั้งหมดหลังจากสร้างภาพเสร็จแล้ว.

from PIL import Image

source = Image.open("source.png")
mask = Image.open("mask.png")

assert source.format == mask.format, (source.format, mask.format)
assert source.size == mask.size, (source.size, mask.size)
assert mask.width * mask.height > 0
assert mask.mode in {"RGBA", "LA"}, mask.mode
assert mask.fp is None or True  # ตรวจสอบขนาดไฟล์บนดิสก์แยกต่างหาก
print("source:", source.size, source.format)
print("mask:", mask.size, mask.mode)

หากคุณส่งภาพหลายภาพพร้อมมาสก์ คู่มือปัจจุบันระบุว่ามาสก์จะถูกนำไปใช้กับภาพแรกเท่านั้น ซึ่งถือเป็นขอบเขตที่มีประโยชน์ในการออกแบบกระบวนการทำงานแบบอ้างอิง: ให้ภาพแรกที่ส่งเข้าเป็นภาพหลักที่คุณต้องการแก้ไขพื้นที่ และถือว่าภาพที่เหลือเป็นภาพอ้างอิง แทนที่จะสมมติว่ามาสก์จะเลือกพื้นที่จากภาพทั้งหมด.

ภาพอ้างอิงช่วยแก้ปัญหาในลักษณะที่ต่างออกไป ภาพเหล่านี้สามารถให้ข้อมูลเกี่ยวกับเอกลักษณ์ของผลิตภัณฑ์ กลุ่มแสง โทนสี หรือแนวทางในการจัดองค์ประกอบได้ โดยไม่บังคับให้โมเดลต้องรักษาทุกรายละเอียดของรูปทรงไว้ หากจำเป็นต้องรักษารูปทรงของบรรจุภัณฑ์หรือฉลากให้คงเดิมอย่างแม่นยำ ให้ใช้ขั้นตอนการตรวจสอบภาพ (visual review gate) หรือขั้นตอนการแก้ไขแบบดั้งเดิม หลังจากที่โมเดลสร้างผลลัพธ์ออกมาแล้ว.

เลือกรุ่นและพารามิเตอร์

รายการในคู่มือภาพ OpenAI ปัจจุบัน gpt-image-2.5-sunburst, gpt-image-2.5-flare, และ gpt-image-2. ให้ถือว่าชื่อโมเดลและตัวเลือกที่รองรับเป็นเอกสารที่อัปเดตอย่างต่อเนื่อง: ตรวจสอบหน้าโมเดลทันทีก่อนที่จะนำไปใช้ และบันทึกเวอร์ชันที่มีวันที่ไว้หากความซ้ำได้เป็นสิ่งสำคัญ.

ค่าบริการของ API OpenAI Image Edit เป็นเท่าใด?

OpenAI กำหนดราคาการใช้งาน GPT Image ตามประเภทโทเค็น แทนที่จะใช้ราคาคงที่แบบทั่วไปต่อการแก้ไขแต่ละครั้ง หน้ากำหนดราคาปัจจุบันแสดงอัตราค่าบริการแยกต่างหากสำหรับภาพเข้า (image-input), ข้อมูลที่เก็บไว้ในแคช (cached-input) และภาพออก (image-output) การแก้ไขผ่าน Direct Image API ไม่ได้รับการปรับอัตราตามข้อมูลที่บันทึกไว้สำหรับเครื่องมือสร้างภาพใน Responses API ดังนั้นจึงไม่ควรคัดลอกการประมาณการจาก Responses มาใช้ใน Direct /v1/images/edits งบประมาณ.

*คอลัมน์ cached-input แสดงขึ้นสำหรับบริบทการกำหนดราคาที่เผยแพร่แล้ว คู่มือการกำหนดราคาระบุว่า cached input ใช้กับเครื่องมือสร้างภาพใน Responses API ไม่ใช่คำขอ Images API แบบตรง เช่น /v1/images/edits. อัตราค่าบริการอาจเปลี่ยนแปลงได้; โปรดคำนวณจากข้อมูลการใช้งานที่ได้รับจากคำขอของคุณเอง.

def estimate_image_cost(image_input_tokens, image_output_tokens,
 input_rate, output_rate):
    return (image_input_tokens / 1_000_000) * input_rate + \
 (image_output_tokens / 1_000_000) * output_rate

# ตัวอย่างเท่านั้น: เปลี่ยนเป็นวิธีการใช้งานในคำตอบของคุณ
estimate = estimate_image_cost(
    image_input_tokens=250_000,
    image_output_tokens=120_000,
    input_rate=4.00,
    output_rate=15.00,
)
print(f"${estimate:.4f}")

สูตรนี้เป็นตัวอย่างการวางแผนเท่านั้น ไม่ใช่คำสัญญาว่าค่าบริการต่อภาพจะเป็นจำนวนคงที่ โปรดรวมค่าใช้จ่ายจากการลองใหม่ การจัดเก็บไฟล์ และค่าใช้จ่ายเพิ่มเติมจากการใช้ข้อความหรือเครื่องมืออื่น ๆ เข้าในงบประมาณของคุณเอง เมื่อผลลัพธ์มีความสำคัญ ให้เก็บข้อมูลการขอข้อมูล การใช้ข้อมูลตอบกลับ ค่าแฮชของไฟล์ที่ถอดรหัสแล้ว และผลการอนุมัติไว้เป็นชุดเดียวกัน.

GlobalGPT ใช้สัญญา API สำหรับการแก้ไขภาพที่ต่างออกไป

รับ API Key ทันที

The เอกสาร API ของ GlobalGPT อธิบายการสร้างภาพ วิดีโอ และเสียงว่าเป็นงานสื่อแบบไม่พร้อมกัน URL ฐานสาธารณะของมันคือ https://api2.glbgpt.com/ai-api/open/v1. ส่ง JSON ไปที่ /งาน, การสำรวจความคิดเห็น /tasks/{id}, และอ่าน output.url หลังจากเสร็จสิ้นงานอย่างสำเร็จแล้ว รายชื่อโมเดลในแคตตาล็อกแสดง gpt-image-2 และ gpt-image-2.5 เป็นเส้นทาง image-edit/reference ที่รองรับภาพต้นทางได้สูงสุดสี่ภาพ และ อัตราส่วนภาพ.

เอกสาร API สาธารณะ S05: เอกสารอ้างอิงสาธารณะสำหรับสัญญาการทำงานแบบไม่พร้อมกัน; บทความนี้แยกมันออกจากจุดปลายทางสำหรับการแก้ไขแบบหลายส่วน (multipart edits) ของ OpenAI.

แคตตาล็อกแบบสาธารณะ S06: ข้อมูลจากแคตตาล็อกโมเดลสาธารณะเกี่ยวกับเส้นทาง GPT Image และข้อจำกัดของงานที่เกี่ยวข้องกับภาพที่ได้รับการบันทึกไว้; ตรวจสอบเครดิตและฟิลด์แบบไดนามิกก่อนเผยแพร่.

BASE="https://api2.glbgpt.com/ai-api/open/v1"

# (เลือกใช้): ประมาณการค่าใช้จ่ายโดยไม่ต้องสร้างงานหรือจองเครดิต
curl "$BASE/tasks/estimate" \
  -H "Authorization: Bearer $GLOBALGPT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.5",
    "prompt": "รักษาขวดและฉลากไว้ตามเดิม. เปลี่ยนเฉพาะพื้นหลังให้เป็นแสงสตูดิโอสีเบจอุ่นๆ.",
    "images": ["https://YOUR_PUBLIC_IMAGE_URL/product.png"],
    "aspect_ratio": "3:2"
  }'

# ส่งข้อมูลเพียงหลังจากตรวจสอบการประมาณการแล้ว
curl "$BASE/tasks" \
  -H "Authorization: Bearer $GLOBALGPT_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: image-edit-example-001" \
  -d '{
    "model": "gpt-image-2.5",
    "prompt": "รักษาขวดและฉลากให้ไม่เปลี่ยนแปลง. เปลี่ยนเฉพาะพื้นหลังให้เป็นแสงสตูดิโอสีเบจอุ่นๆ.",
    "images": ["https://YOUR_PUBLIC_IMAGE_URL/product.png"],
    "aspect_ratio": "3:2"
  }'

# ตรวจสอบ ID งานที่ส่งกลับมาจนกว่าจะสำเร็จหรือล้มเหลว
curl "$BASE/tasks/TASK_ID" \
  -H "Authorization: Bearer $GLOBALGPT_API_KEY"

อย่าคัดลอกและวางไฟล์ multipart ของ OpenAI หน้ากาก, ความแม่นยำของข้อมูลนำเข้า, ขนาด, หรือ คุณภาพ ใส่ฟิลด์เหล่านี้ลงใน JSON นี้ และสมมติว่าพวกมันทำงานได้ เอกสาร GlobalGPT ที่เผยแพร่ต่อสาธารณะในปัจจุบันไม่ได้ระบุฟิลด์เหล่านั้นสำหรับเส้นทางภาพนี้ ฟิลด์ที่ไม่ได้รับการสนับสนุนอาจถูกลบออกและแสดงผลใน พารามิเตอร์ที่ถูกเพิกเฉย, ดังนั้นควรตรวจสอบคำตอบนั้นก่อนที่จะสรุปว่าการตั้งค่าได้มีผลแล้ว.

GlobalGPT จะสำรองเครดิตเมื่อส่งงานสื่อ (media task) ไป และจะปล่อยเครดิตกลับเมื่องานนั้นล้มเหลว ส่วนงานสื่อที่สำเร็จจะเก็บไว้เป็นเวลา 30 วัน ตามเอกสารสาธารณะ หากต้องการให้ URL อยู่ได้นานกว่านั้น ให้เก็บสินทรัพย์ที่รับกลับมาไว้ในพื้นที่จัดเก็บข้อมูลที่คุณควบคุม ใช้จุดปลายทางสำหรับการประมาณการก่อนดำเนินการแบบกลุ่ม ใช้กุญแจ idempotency เมื่อลองส่งคำขอเครือข่ายใหม่ และใช้ ID งานเดิมเมื่อการตรวจสอบสถานะเพียงแต่ช้า.

ผลจากการทดสอบแบบจำลอง GlobalGPT แสดงให้เห็นว่า

เพื่อให้ความแตกต่างนี้ชัดเจนยิ่งขึ้น ผมได้ดำเนินการทดสอบ API ของโมเดล GlobalGPT แบบมีขอบเขต เมื่อวันที่ 28 กันยายน 2026 โดยใช้คำสั่งป้อนข้อมูลสมมติสองชุดที่ไม่มีแบรนด์ และคำสั่งแก้ไขสองชุด แต่ละงานใช้ GPT Image 2, คำขอในอัตราส่วน 3:2 และผลลัพธ์ที่ถูกต้องครั้งแรก ภาพด้านล่างเป็นหลักฐานจากการทดสอบโมเดล ไม่ใช่เซสชันพื้นที่ทำงานในเบราว์เซอร์, การวัดประสิทธิภาพ หรือคำสัญญาว่าทุกการแก้ไขจะรักษาทุกเส้นขอบไว้ได้.

ข้อมูลเข้า P00: ภาพต้นแบบที่ถูกแช่แข็ง: ขวดสมมติที่ไม่มีแบรนด์ มีฝาปิดสีขาวสั้นและฉลากสั้น.

อ้างอิง P01: ภาพอ้างอิงที่ถูกตรึงไว้: ใช้เพื่อกำหนดแสงและสีเท่านั้น ไม่ใช่เพื่อเป็นอัตลักษณ์ผลิตภัณฑ์ที่สอง.

T01: การแก้ไขพื้นหลังจากภาพเดียว

รุ่น: GPT Image 2 · วันที่: 28 กันยายน 2026 · ผลลัพธ์: ภาพ PNG ขนาด 1536×1024 ที่ถูกต้องเป็นภาพแรก

แสดงข้อความคำสั่งทั้งหมด

รักษาขวดเซรามิก ฝาขาวสั้น ข้อความบนฉลากที่สมมติว่า "NORTH" และ "250ml" สีสัน มุมกล้อง และสัดส่วนจากภาพต้นฉบับให้ไม่เปลี่ยนแปลง ให้เปลี่ยนเฉพาะพื้นหลังสีขาวบริสุทธิ์เป็นฉากสตูดิโอในร่มสีเบจอุ่นๆ ที่ได้รับแรงบันดาลใจจากแสงหน้าต่างที่นุ่มนวลและเงาที่อ่อนโยน อย่าเพิ่มวัตถุ โลโก้ คำ วอเตอร์มาร์ก บุคคล หรือฉลากใหม่ใดๆ ทั้งสิ้น ให้รักษาขวดไว้เป็นวัตถุหลักเพียงอย่างเดียวในองค์ประกอบภาพแนวนอนอัตราส่วน 3:2.

สิ่งนี้แสดงให้เห็นว่า: ขวดยังคงดูเป็นขวดเดิม ฉลาก NORTH / 250ml ยังมองเห็นได้ชัดเจน และพื้นหลังสีขาวเปลี่ยนเป็นฉากภายในห้องสีเบจอุ่นๆ พร้อมด้วยเงาอ่อนๆ ที่คล้ายกับเงาจากหน้าต่าง.

ขีดจำกัด: นี่เป็นผลลัพธ์ที่ถูกต้องครั้งแรกหนึ่งผลลัพธ์ มันไม่ได้พิสูจน์ว่ามีการรักษาพิกเซลอย่างแม่นยำหรือความถูกต้องของป้ายกำกับโดยทั่วไป.

T02: การอ้างอิงแสงและสีจากภาพสองภาพ

รุ่น: GPT Image 2 · วันที่: 28 กันยายน 2026 · ผลลัพธ์: ภาพ PNG ขนาด 1536×1024 ที่ถูกต้องเป็นภาพแรก

แสดงข้อความคำสั่งทั้งหมด

ใช้ภาพต้นแบบ 1 เป็นภาพผลิตภัณฑ์ที่ถูกต้องตามต้นแบบ และใช้ภาพต้นแบบ 2 เป็นเพียงข้อมูลอ้างอิงสำหรับแสงสีเบจอุ่น อุณหภูมิสี และเงาภายในห้องที่นุ่มนวล ให้รักษารูปทรงขวดเซรามิก ฝาขาวสั้น ข้อความบนฉลากที่สมมติขึ้นว่า "NORTH" และ "250ml" สีสัน มุมกล้อง และสัดส่วนจากภาพต้นแบบ 1 ให้คงเดิม เปลี่ยนพื้นหลังสีขาวเป็นฉากสตูดิโอในร่มสีเบจอุ่นที่ดูสงบ อย่าคัดลอกวัตถุ ข้อความ โลโก้ น้ำประทับตรา บุคคล หรือฉลากเพิ่มเติมใด ๆ จากภาพต้นฉบับ 2 ให้ขวดเป็นวัตถุหลักเพียงอย่างเดียวในองค์ประกอบภาพแนวนอนอัตราส่วน 3:2.

สิ่งนี้แสดงให้เห็นว่า: ผลิตภัณฑ์และฉลาก NORTH / 250ml ยังคงสามารถระบุได้ชัดเจน ส่วนฉากหลังได้นำบรรยากาศห้องสีเบจอุ่นๆ โต๊ะ และแสงจากหน้าต่างของ P01 มาใช้.

ขีดจำกัด: สัดส่วนของฝาขวด รูปทรงขวด และตำแหน่งการจัดวางได้เปลี่ยนแปลงอย่างชัดเจน อย่าเรียกสิ่งนี้ว่าเป็นการรักษาเอกลักษณ์ที่สมบูรณ์แบบหรือแม่นยำ; ให้ใช้การเปรียบเทียบด้วยมือเมื่อขนาดของสินค้าต้องตรงกัน.

วิธีใช้ข้อมูลนี้: ผลลัพธ์ที่มีประโยชน์คือกระบวนการตรวจสอบที่สามารถทำซ้ำได้ ให้ล็อก URL ที่ป้อนเข้า กำหนดชื่อหัวข้อที่ได้รับการคุ้มครอง อธิบายบทบาทการอ้างอิง ตรวจสอบไบต์ที่ส่งกลับมา และเปรียบเทียบผลิตภัณฑ์ที่ได้รับการอนุมัติกับแหล่งต้นแบบก่อนการเผยแพร่ การถ่ายโอนสไตล์สามารถประสบความสำเร็จได้แม้รูปทรงเรขาคณิตจะยังคงเปลี่ยนแปลงไป.

จัดการกับข้อผิดพลาดและการตอบสนองที่ช้า

แยกหลักฐานด้านการขนส่งออกจากหลักฐานด้านคุณภาพ การเกิดไทม์เอาต์ ความล้มเหลวของ DNS หรือการตอบสนองเกี่ยวกับความจุของผู้ให้บริการ หมายความว่าคุณไม่มีภาพที่ถูกต้องเพื่อประเมินคะแนน ในทางตรงกันข้าม ภาพที่ถูกต้องแต่มีการเปลี่ยนแปลงขีดจำกัดหรือป้ายกำกับ ถือเป็นผลลัพธ์ทางภาพที่ควรรายงานตามสภาพเดิม แม้ว่าการจัดองค์ประกอบจะดูน่าดึงดูดก็ตาม.

รายการตรวจสอบสำหรับการแก้ไขภาพที่ปลอดภัยสำหรับการผลิต

1. หยุดการแก้ไขต้นฉบับ: บันทึกไฟล์ข้อมูลที่ป้อนเข้ามา ขนาด รูปแบบ และค่าแฮช.
2. กำหนดบทบาทของภาพ: ระบุภาพต้นแบบและข้อมูลอ้างอิงเกี่ยวกับแสง สี หรือการจัดองค์ประกอบ.
3. สัญญาณที่ป้องกันการเขียน: ระบุชื่อแบรนด์ รูปทรง สี และสัดส่วนที่จำเป็นต้องตรวจสอบ.
4. เลือกสัญญา: ใช้ OpenAI multipart สำหรับจุดปลายทาง native edits หรือ GlobalGPT JSON tasks สำหรับ API สื่อสาธารณะของมัน.
5. ประมาณการและส่ง: ใช้อัตราปัจจุบันของ OpenAI หรือ GlobalGPT /งาน/ประมาณการ; เพิ่มกุญแจ idempotency เพื่อการส่งข้อมูลที่ปลอดภัยต่อการลองใหม่.
6. รับข้อมูลและถอดรหัส: เก็บ ID ของงานหนึ่งไว้ ตรวจสอบความถูกต้องของไฟล์ที่ส่งกลับมา และบันทึกไบต์หรือ URL ลงในพื้นที่จัดเก็บที่ได้รับการอนุมัติ.
7. อนุมัติด้วยตา: เปรียบเทียบผลลัพธ์กับต้นฉบับก่อนที่จะนำเข้าสู่แคตตาล็อกผลิตภัณฑ์ โฆษณา หรือหน้าเว็บที่แสดงให้ลูกค้าเห็น.

หากคุณต้องการเรียกใช้กระบวนการเดียวกันโดยไม่ต้องรวมแดชบอร์ดของโมเดลต่าง ๆ เข้าด้วยกัน ลอง GPT Image 2 in GlobalGPT. สำหรับเวอร์ชันของกระบวนการทำงานที่ออกแบบมาสำหรับเบราว์เซอร์ โปรดดู แก้ไขภาพในพื้นที่ทำงาน GlobalGPT; สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการตั้งค่าและราคา โปรดดู การตั้งค่าและราคาของ GPT Image API.

คำถามที่มักถูกถาม

API OpenAI Image Edit คืออะไร?

นี่คือเส้นทางสำหรับการแก้ไขภาพที่ POST /v1/images/edits คุณส่งภาพต้นทางและข้อความคำสั่ง (prompt) พร้อมด้วยมาสก์หรือภาพอ้างอิง (หากต้องการ) จากนั้นถอดรหัสข้อมูลภาพที่ส่งกลับมา ใช้ Image API สำหรับการแก้ไขภาพครั้งเดียว และใช้ Responses API เมื่อผลิตภัณฑ์ต้องการการสนทนาภาพแบบหลายรอบ.

API OpenAI Image Edit ส่งคืน URL ของภาพสาธารณะหรือไม่?

ตัวอย่าง Image API ที่บันทึกไว้จะส่งคืนข้อมูลในรูปแบบ b64_json ให้ถอดรหัสไบต์เหล่านั้น ตรวจสอบความถูกต้องของไฟล์ และบันทึกไว้ในพื้นที่จัดเก็บที่คุณควบคุม อย่าสมมติว่าคำตอบที่สำเร็จคือ URL ของ CDN ที่ถูกโฮสต์.

มาสก์ภาพ OpenAI เป็นการเลือกพิกเซลอย่างแม่นยำหรือไม่?

ไม่ครับ มาสก์ใช้เพื่อกำหนดทิศทางการแก้ไขตามคำสั่ง โมเดลสามารถปรับเปลี่ยนพิกเซลในบริเวณรอบพื้นที่ที่ระบุได้ ดังนั้นควรตรวจสอบป้ายกำกับ รายละเอียดผลิตภัณฑ์ เครื่องหมายความปลอดภัย และองค์ประกอบอื่น ๆ ที่ต้องรักษาความถูกต้องไว้.

โปรแกรมแก้ไขภาพสามารถใช้ภาพต้นทางได้กี่ภาพ?

คู่มือภาพปัจจุบันรองรับภาพต้นทางหลายภาพสำหรับกระบวนการทำงานแบบอ้างอิง สำหรับข้อจำกัดที่แน่นอนและพฤติกรรมเฉพาะของโมเดล โปรดตรวจสอบเอกสารประกอบของโมเดลปัจจุบัน; จำนวนภาพสูงสุดที่รองรับไม่ได้รับประกันว่าการรักษาคุณภาพภาพจะสมบูรณ์แบบในทุกการจัดองค์ประกอบ.

ผมสามารถส่งคำขอ OpenAI /v1/images/edits ไปยัง GlobalGPT ได้หรือไม่ โดยเปลี่ยนค่า base_url?

สัญญาสื่อสาธารณะของ No. GlobalGPT ใช้ JSON POST /tasks แล้วตามด้วย GET /tasks/{id} พร้อมด้วยภาพและ aspect_ratio ในกรณีที่โมเดลที่เลือกสนับสนุนข้อมูลดังกล่าว เอกสารสาธารณะไม่ได้ระบุมาสก์ multipart, input_fidelity, size หรือสัญญาคุณภาพของ OpenAI สำหรับเส้นทางดังกล่าว.

ควรประเมินงานประมวลผลภาพอย่างไรก่อนส่งไป?

สำหรับ GlobalGPT ให้ส่งเนื้อหา JSON ที่เดียวกันไปยัง /tasks/estimate ก่อน ซึ่งขั้นตอนนี้จะไม่สร้างงานหรือสำรองเครดิต สำหรับ OpenAI ให้คำนวณตามอัตราปัจจุบันต่อหนึ่งล้านโทเค็น แล้วตรวจสอบการใช้งานจริงในคำตอบหรือบันทึกการเรียกเก็บเงิน.