GPT-Image-1 API：分步指南与示例

GPT-Image-1 API 配置

新的 GPT 图像模型受保护，这意味着使用它需要进行额外的验证。本节将介绍如何设置 API。如果您已经有 API 密钥，可以跳过第一步。

步骤 1：生成 API 密钥

第一步是生成 API 密钥。我们可以登录其平台并进入 API keys 页面。然后点击“Create new secret key”按钮。

生成密钥后，新建一个名为 .env 的文件，并按如下格式粘贴：

OPENAI_API_KEY=<paste_your_api_key_here>技术支持

步骤 2：验证组织

与其他 OpenAI 模型的一个重大区别在于，使用 GPT 图像 API 需要验证您的组织。原因在于 GPT-Image-1 能生成逼真且细节丰富的图像，这引发了潜在滥用的担忧，例如制作深度伪造或不当内容。通过验证组织，OpenAI 能更好地监控使用情况并执行其安全政策。

即使您没有公司，也可以验证您的组织。但请注意，此过程需要提供您的政府签发身份证件并完成面部验证。

要进行验证，请前往 OpenAI API 平台的 general 选项卡，并点击“Verifications”部分下的按钮。

该流程由第三方执行，包含以下步骤：

1. 上传身份证件的图像。
2. 使用手机摄像头验证您的身份与所提供证件一致。

整个流程只需几分钟完成，随后大约 15 分钟即可处理完毕。

Python 环境设置

在本教程中，我们将安装以下 Python 包：

• openai：官方 OpenAI 包，使我们能够与其 API 交互。
• dotenv：用于安全加载我们上面创建的 .env 文件中的 API 密钥。

使用以下命令安装：

pip install openai dotenv技术支持

用 GPT-Image-1 生成第一张图

让我们看看如何用 gpt-image-1 生成图像。首先在与 .env 文件相同的文件夹中新建一个 Python 文件，例如 generate_image.py。

然后导入所需的包：

# Import the packages
from openai import OpenAI
from dotenv import load_dotenv
import os
import base64
import time技术支持

请注意，os 和 base64 是 Python 内置包，无需安装。

接下来，加载 API 密钥并初始化 OpenAI 客户端：

# Load the API key
load_dotenv()
api_key = os.getenv("OPENAI_API_KEY")
# Initialize the OpenAI client
client = OpenAI(api_key=api_key)技术支持

随后，使用内置函数 input() 让用户输入文字提示，并向 API 发送图像生成请求：

# Ask the user to input a prompt in the terminal
print("What do you want to generate?")
prompt = input("> ")
print("Generating image...")
# Send the prompt to the API
img = client.images.generate(
  model="gpt-image-1",
  prompt=prompt,
  background="auto",
  n=1,
  quality="high",
  size="1024x1024",
  output_format="png",
  moderation="auto",
)技术支持

最后，将生成的图像保存为文件：

# Save the image into a file
image_bytes = base64.b64decode(img.data[0].b64_json)
with open(f"output_{int(time.time())}.png", "wb") as f:
  f.write(image_bytes)技术支持

完整脚本见 此处。运行脚本的命令：

python generate_image.py技术支持

下面是一个示例及其输出：

GPT-Image 1 参数

本节介绍 gpt-image-1 模型最相关的参数：

• prompt：描述我们希望模型生成何种图像的文本指令。
• background：图像背景类型。必须为 "transparent"、"opaque" 或 "auto" 之一。默认值为 "auto"，模型会根据内容决定最佳背景类型。请注意 JPEG 不支持透明背景。
• n：生成的图像数量。必须为 1 到 10 之间的数字。
• quality：生成图像的质量。必须为 "high"、"medium" 或 "low" 之一，默认 "high"。
• size：图像像素尺寸。必须为 "1024x1024"（正方形）、"1536x1024"（横向）、"1024x1536"（纵向）之一。
• output_format：图像格式。必须为 "png"、"jpeg" 或 "webp" 之一。默认 "png"。
• moderation：内容审核级别。可为较不严格的 "low" 或默认的 "auto"。

我们已覆盖 gpt-image-1 模型最重要的参数。更多详情及完整参数列表，请查看 官方 API 文档。

quality 参数的影响

下面是使用相同提示、不同质量生成的图像并排对比：

可以看到第一只猫（最低质量）在眼睛周围有些伪影，且随着质量提升，图像显著更趋近真实。

再看一个卡通风格输出的例子：

在这种情况下，同样能看到质量越高，图像越精致。不过在我看来，对于本就不追求写实的内容，这点的重要性会低一些。

请记住，质量越高，成本和计算时间也越高，因此根据使用场景找到合适的权衡很重要。建议从低到高尝试参数，找出在各个用例中能给出可接受结果的最低值。

background 参数

在我的实验中，我发现模型大多忽略了该参数。下面是我在并排示例中同时变化 background 参数与提示中的透明度指令的效果：

在第一个例子中，透明度参数被忽略。第二个例子里，我把透明度指令加入提示中，效果稍好。最后一个例子里，我请求不透明背景，但在提示中说明我想要贴纸，结果得到的是透明背景。

我仍建议使用该参数与您的期望相匹配，但务必在提示中同时明确所需结果以加强意图。

使用 GPT-Image-1 编辑图像

正如在引言中所述，GPT-Image-1 最令人兴奋的部分是其图像编辑能力。我们先学习如何让它编辑一张图片，然后再探索几个用例。

要进行编辑，多数代码都可复用。不同之处在于，不再使用 client.images.generate()，而是使用 client.images.edit() 函数。

示例如下：

img = client.images.edit(
  model="gpt-image-1",
  image=[
    open("my-image.jpg", "rb"),
  ],
  prompt=prompt,
  n=1,
  quality="high",
  size="1024x1536",
)技术支持

新增的参数是 image。它是用于编辑的输入图像列表。此处我们只提供了一张图片 my-image.jpg，位于与脚本相同的文件夹中。

下面是用 GPT Image 1 编辑我一张照片的示例：

请注意，由于原图是纵向比例，我使用了纵向尺寸 1024x1536。不过，这与原图比例并不一致。即使在编辑模式下，模型也只能输出上述三种尺寸的图像。

完整编辑脚本见 此处。

使用遮罩（mask）

编辑模式提供了 mask 参数，我们可以用它指定需要编辑的区域。遮罩必须是大小不超过 4 MB、与原图大小一致的 PNG 图像。透明度 100% 的区域对应 GPT Image 1 被允许编辑的区域。

遮罩的提供方式与图像类似，但这里不是列表：

img = client.images.edit(
  model="gpt-image-1",
  image=[
    open(sys.argv[1], "rb"),
  ],
  # We provide the mask like this
  mask=open("mask.png", "rb"),
  prompt=prompt,
  n=1,
  quality="high",
  size="1536x1024",
)技术支持

不过，在我的实验中效果并不理想，我也在网上看到有类似问题的反馈。

示例如下：

我也尝试用它在特定位置添加元素，但效果并不稳定。与在图像生成时使用 background 参数类似，我发现直接在提示中描述想要的内容通常效果更好。

使用多张图片

该模型可以一次处理并组合多张图片。下面的例子中，我们用它来创建一张营销海报，将三种饮品的单独图片合成：

我们在 image 参数中以列表形式提供三张图片，如下：

prompt = """
Create a vibrant and eye-catching marketing poster to 
promote the cold drinks offerings at our coffee shop.
"""

img = client.images.edit(
  model="gpt-image-1",
  # We can provide multiple images at once
  image=[
    open("latte.png", "rb"),
    open("americano.png", "rb"),
    open("icetea.png", "rb"),
  ],
  prompt=prompt,
  size="1536x1024",
)技术支持

效果如下：

GPT-Image-1 计费

生成图像的计费基于以下因素：

1. 文本提示中的 token 数量。
2. 输入图像中的 token 数量。
3. 输出图像中的 token 数量。

有时我们很难理解这些成本的含义，因为我们并不知道一张图像包含多少 token。

由于输出图像的尺寸是已知的，我们也就知道每种尺寸所需的 token 数量，因此可以给出输出图像 token 价格的精确值（这通常是最昂贵的部分）：

价格取决于图像质量与尺寸。更多详情请查看 GPT Image 1 价格页面。

当我们生成图像时，API 会返回其使用的 token 数量，因此可以结合上述信息精确得知成本。

我们可以打印结果中的 usage 字段来显示使用的 token 数量：

img = client.images.generate(
  model="gpt-image-1",
  prompt=prompt,
  background="transparent",
  n=1,
  quality="medium",
  size="1024x1024",
  moderation="auto",
  output_format="png",
)
# Add this to see the usage
print("Prompt tokens:", img.usage.input_tokens_details.text_tokens)
print("Input images tokens:", img.usage.input_tokens_details.image_tokens)
print("Output image tokens:", img.usage.output_tokens)技术支持

输出：

Prompt tokens: 8
Input images tokens: 0
Output image tokens: 272技术支持

结语

尽管 API 存在一些不足，比如遮罩与透明度的可靠性不够高，但该模型能够高精度地执行提示中给出的指令。

我认为这个模型为围绕其构建应用带来了许多可能性。在本教程中，我们学习了其基本用法。以下是一些您可以在此基础上继续探索的想法：

• 将手机拍摄的食物照高效转化为可用于餐厅菜单的精美美食摄影。
• 基于好友照片或自拍，创建可在聊天应用中使用的多种情绪贴纸包。
• 根据一系列场景描述，生成对应的连环漫画分镜。