图改图 (Image-to-Image)

「图改图」= 给模型一张或多张参考图 + 一句编辑指令,拿回改过的新图(换色、替换元素、风格迁移、多图融合)。本平台有两个端点可用,底下是同一条管线:

两个端点的模型、计费、渠道阶梯、Idempotency-Key 幂等、错误形状完全一致 —— /v1/images/edits 只是把 multipart 归一化成同一个 JSON 信封再往下走。唯一的行为差别:在 /v1/images/edits 上不带参考图会直接 400(那里缺参考图是调用方的 bug,不会静默降级成文生图);在 /v1/images/generations 上不带 image 则正常按文生图处理。

旧文档更正(2026-08-02):本页此前写着「gpt-image-2 只能文生图,平台没有 /v1/images/edits」。该结论已作废 —— 根因是我们当时只探测了上游的 /images/generations 一条端点(参考图只在上游的 edits 面被解析),把自己的配置缺失记成了模型的能力上限。现在 gpt-image-2 的图改图已在生产验证并上线,两个端点都可用。

方案一:gpt-image-2(推荐)#

gpt-image-2 同时吃公网 URL 和 base64 data URI,两个端点都能进,$0.059/张,参考图不额外计费(带 1 张和带 10 张同价)。

请求(/v1/images/generations)#

{
  "model": "gpt-image-2",
  "prompt": "把沙发改成蓝色,其余保持不变。画面比例:3:2(横构图)",
  "image": ["https://your-host.com/original.png"]
}

curl#

curl https://zhonkezhonkeapi.dflop.top/v1/images/generations \
  -H "Authorization: Bearer $PLATFORM_API_KEY" \
  -H "Content-Type: application/json" \
  --max-time 300 \
  -d '{
    "model": "gpt-image-2",
    "prompt": "把沙发改成蓝色,其余保持不变。画面比例:3:2(横构图)",
    "image": ["https://your-host.com/original.png"]
  }'

响应是 OpenAI Images 形状,data[].url 就是改后的图(实测原样返回):

{
  "created": 1765432100,
  "expires_at": 1765518500,
  "data": [
    {
      "url": "https://r2.dflop.top/gateway/images/ephemeral/ab2f1e08-....png",
      "revised_prompt": "..."
    }
  ],
  "usage": {
    "input_tokens": 1103,
    "input_tokens_details": { "image_tokens": 1024, "text_tokens": 79 },
    "output_tokens": 229,
    "total_tokens": 1332
  }
}

usage.input_tokens_details.image_tokens > 0 说明参考图确实被消费了。这是判断「改图有没有真生效」最可靠的机器判据 —— 它 0 而图又变了,那是模型按 prompt 重画,不是在改你的图。实测:一张 768×768 参考图 = 1024,一张 1254×1254 = 1521。(参考图 ≥8 张时上游的用量统计会塌成 0,那是它的统计 bug,不代表丢图。)

⚠️ data[] 里没有 size 字段(与 Seedream 不同),要知道实际尺寸得自己解码图片。

用 OpenAI 官方 SDK(/v1/images/edits,直接传本地文件)#

不用自己拼 base64 —— SDK 的 images.edit() 发的就是 multipart,本平台原生收:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["PLATFORM_API_KEY"],
    base_url="https://zhonkezhonkeapi.dflop.top/v1",
    timeout=300.0,                      # gpt-image-2 实测 30–215 秒,别用默认超时
)

result = client.images.edit(
    model="gpt-image-2",
    image=open("original.png", "rb"),   # 多张就传 [open(a,"rb"), open(b,"rb")]
    prompt="把沙发改成蓝色,其余保持不变。画面比例:3:2(横构图)",
)
print(result.data[0].url)

import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.PLATFORM_API_KEY,
  baseURL: "https://zhonkezhonkeapi.dflop.top/v1",
  timeout: 300_000,
});

const result = await client.images.edit({
  model: "gpt-image-2",
  image: fs.createReadStream("original.png"),
  prompt: "把沙发改成蓝色,其余保持不变。画面比例:3:2(横构图)",
});
console.log(result.data[0].url);

纯 curl 走 multipart 也一样(字段名 image,多张用 image[]):

curl https://zhonkezhonkeapi.dflop.top/v1/images/edits \
  -H "Authorization: Bearer $PLATFORM_API_KEY" \
  --max-time 300 \
  -F "model=gpt-image-2" \
  -F "prompt=把沙发改成蓝色,其余保持不变" \
  -F "image[][email protected]" \
  -F "image[][email protected]"

图床不公开?用 data URI#

参考图给的是 URL 时,去拉这张图的是上游的服务器,不是我们的网关 —— 你能打开、我们能打开,都不代表上游能打开。国内对象存储、内网地址、需要鉴权或挡爬虫的图床、短时效签名链接,典型报错是上游 400 Unable to download content from the provided URL。

这种情况改传字节(data URI 或上面的 multipart),不要在 URL 上纠缠:

B64=$(base64 -i original.png | tr -d '\n')
curl https://zhonkezhonkeapi.dflop.top/v1/images/edits \
  -H "Authorization: Bearer $PLATFORM_API_KEY" \
  -H "Content-Type: application/json" \
  --max-time 300 \
  -d "{
    \"model\": \"gpt-image-2\",
    \"prompt\": \"把沙发改成蓝色,其余保持不变\",
    \"image\": [\"data:image/png;base64,$B64\"]
  }"

尺寸与比例:size 对 gpt-image-2 无效,请写进 prompt#

上游不遵守 gpt-image-2 的 size 字段(传 1536x1024 可能拿回 902×1744 的竖图)。实测有效的做法是把比例写进 prompt,命中率极高:

把沙发改成蓝色,其余保持不变。画面比例:16:9(横构图)

• 提示词里的比例会压过 size 字段,两者冲突时以提示词为准
• 常用写法:1:1(方图) / 3:4(竖构图) / 16:9(横构图) / 9:16(竖构图)
• 别在提示词里写 8K / 4K 这类分辨率词 —— 它们不会提高实际像素,只会干扰构图
• 其它模型(Seedream / Nano)的 size 是正常生效的,这条只针对 gpt-image-2

多张参考图#

image 数组按书写顺序送上游,顺序是契约的一部分(「第一张的人物 + 第二张的背景」这类组合指令依赖它)。实测 40 张仍能精确读到最后一张的内容,所以真正的上限不是张数,而是请求体大小:

• 网关请求体上限 95 MB;base64 编码会让字节数涨约 33%
• 真实手机照片约 3 MB/张,换算下来实际大约 20 张就到顶
• 计费与参考图张数无关:1 张和 40 张都是 $0.059/张出图价

计费与耗时#

⚠️ 客户端超时设小(常见的 60s / 120s 默认值)会在网关仍在正常等待时把请求掐断:费用照产生,图你拿不到。

本页示例的实测状态(2026-08-04):三种传法 —— generations + data URI、edits + multipart 文件、generations + 公网 URL(用 image_urls 拼写)—— 全部 HTTP 200、image_tokens > 0,且输出保留了参考图里提示词从未提及的元素(只有被点名的那个物体变了色),即参考图是真被读进去编辑的,不是照提示词重画。把上一次的产出 URL 当输入再改一次(链式改图)同样可用。

方案二:Seedream / Nano-Banana#

同一个 /v1/images/generations 端点,同样把参考图放进 image 数组。适合要批量出图(n 多张)或想要更低单价的场景。

支持图改图的模型#

各模型对参考图的入参格式略有差异,统一传公网可访问的 https URL 最稳妥(所有模型都支持)。data-URI 仅 Seedream 全系、nano-banana-2 与 gpt-image-2 接受。

请求#

{
  "model": "doubao-seedream-4-5-251128",
  "prompt": "把沙发改成蓝色,其余保持不变",
  "image": ["https://your-host.com/original.png"],
  "size": "2048x2048"
}

image 也可写作 image_urls(等价)。多张参考图时,上游把第一张作为主编辑对象,其余作为风格 / 元素参考。

curl#

curl https://zhonkezhonkeapi.dflop.top/v1/images/generations \
  -H "Authorization: Bearer $PLATFORM_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "doubao-seedream-4-5-251128",
    "prompt": "把沙发改成蓝色,其余保持不变",
    "image": ["https://your-host.com/original.png"],
    "size": "2048x2048"
  }'

响应#

与文生图一致的 OpenAI Images 形状,data[].url 即改后的图:

{
  "model": "doubao-seedream-4-5-251128",
  "created": 1765432100,
  "data": [{ "url": "https://...", "size": "2048x2048" }],
  "usage": { "generated_images": 1 }
}

方案三:GPT-5.x 聊天 + image_generation 工具#

如果你要的是「模型先理解图的内容,再决定怎么改」,用 gpt-5.x 聊天模型的内置 image_generation 工具 —— 把参考图作为多模态消息传入。这条按 token 计费,适合需要语义理解的复杂改图。

请求#

curl https://zhonkezhonkeapi.dflop.top/v1/chat/completions \
  -H "Authorization: Bearer $PLATFORM_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.5",
    "stream": true,
    "tools": [{ "type": "image_generation" }],
    "messages": [{
      "role": "user",
      "content": [
        { "type": "text", "text": "把这张图里的沙发改成蓝色,其余不动" },
        { "type": "image_url", "image_url": { "url": "https://your-host.com/original.png" } }
      ]
    }]
  }'

返回#

改后的图内联在流式返回的正文里,以 markdown 图片语法出现:

data: {"choices":[{"delta":{"content":"![](https://...生成图...)"}}]}

从累积的 delta.content 里正则抽取 ![](url) 即可拿到图片链接。

该路径按 token 计费(不是按张):image_generation 工具一轮约 2300 输入 token 的固定开销,带参考图再叠加参考图的 vision token(约翻倍),输出 token 很小。

三条路径怎么选#

一般改图需求(换色、替换元素、风格迁移):要 GPT 的画风与多图融合能力选方案一;要精确尺寸、要快、要批量选方案二。

限制#

• 返回的图片 URL 一律是临时链接:gpt-image-2 实测走本平台托管的 r2.dflop.top/gateway/images/ephemeral/…(24 小时后清理,expires_at 是精确时刻),Seedream / Nano 等通常是上游预签名链接(约 24 小时过期)。两种都别当永久图床,拿到后尽快下载转存。
• 参考图给 URL 时,该 URL 必须能被上游服务器公网访问;拉不到会返回上游 400,改传 data URI 或 multipart 文件。
• 请求体上限 95 MB(base64 会让体积涨约 33%)。
• gpt-image-2 的 size 字段上游不遵守,比例请写进 prompt。
• /v1/images/edits 不带参考图会 400,错误文案是 `image` is required on /v1/images/edits(不计费),按提示改用 /v1/images/generations 做文生图即可。
• 出图慢(尤其 gpt-image-2 的 30–215 秒),客户端超时请设 ≥ 300 秒。
• 重试怕重复扣费就带 Idempotency-Key(两个端点都支持,同键重发拿回第一次的响应且不二次计费),见 图像 / 视频 / 音乐 API。
• 若你的 Key 配置了 allowed_models 白名单,需先把要用的图改图模型加入白名单,否则返回 403。
• 完整的图像 / 视频 / 音乐端点说明见 图像 / 视频 / 音乐 API。