OpenAI Images Generations API Antrag und Nutzung

Die OpenAI Images Generations API unterstützt derzeit verschiedene Modelle zur Bildgenerierung, darunter das klassische dall-e-3, das textbasierte Rendering mit stärkeren Fähigkeiten gpt-image-1, die neueste Generation gpt-image-2 sowie die über dieselbe Schnittstelle zugänglichen Modelle der nano-banana / nano-banana-2-lite / nano-banana-2 / nano-banana-pro Serie. Sie können alle qualitativ hochwertige Bilder basierend auf Textbeschreibungen generieren. Dieses Dokument beschreibt hauptsächlich den Ablauf der Nutzung der OpenAI Images Generations API, mit der wir die Bildgenerierungsfunktionen der OpenAI-Serie einfach nutzen können.

Antragsprozess

Um die OpenAI Images Generations API zu nutzen, müssen Sie zunächst im Ace Data Cloud Dashboard Ihr API-Token abrufen und für zukünftige Verwendung aufbewahren.

Wenn Sie noch nicht angemeldet oder registriert sind, werden Sie automatisch zur Anmeldeseite weitergeleitet, um sich zu registrieren und anzumelden. Nach Abschluss werden Sie automatisch zur aktuellen Seite zurückgeleitet. Ein API-Token reicht aus, um auf alle Dienste der Plattform zuzugreifen, es ist nicht erforderlich, für jeden Dienst separat einen Antrag zu stellen. Bei der ersten Beantragung erhalten Sie ein kostenloses Kontingent zur kostenlosen Nutzung; wenn das Kontingent erschöpft ist, können Sie im Dashboard Ihr Guthaben aufladen.

📘 Vollständige Dokumentation: OpenAI Images Generations API →

GPT-Image-2 Modell

gpt-image-2 ist das neueste Bildgenerierungsmodell von OpenAI, das im Vergleich zu dall-e-3 und gpt-image-1 in folgenden Aspekten deutliche Verbesserungen aufweist:

Stärkere Befolgung von Anweisungen: Es kann komplexe Anweisungen zu Komposition, Zählung, räumlichen Beziehungen usw. genau verstehen.
Klareres Text-Rendering: In Szenarien wie Plakaten, Menüs, Infografiken, Logos usw. treten kaum Verwirrungen bei Englisch und Zahlen auf.
Reichhaltigere Stilvariationen: Unterstützt nativ verschiedene Stile wie filmische Porträts, Vintage-Poster, Kinderillustrationen, Produktfotografie, Infografiken usw.
Nativ Unterstützung für mehrere Formate + hohe Auflösung: Deckt 5 Formate (1:1, 4:3, 3:4, 16:9, 9:16) mit insgesamt 3 Auflösungen (1K / 2K / 4K) ab.

Die Aufrufmethode ist identisch mit anderen Modellen, Sie müssen lediglich das Feld model auf gpt-image-2 setzen. Die url im Rückgabeergebnis ist ein dauerhaft auf platform.cdn.acedata.cloud gehosteter Bildlink, der direkt im Browser geöffnet oder in eine Webseite eingebettet werden kann.

Offizielle Umleitung / Umgekehrte Variante (`:official` / `:reverse`)

gpt-image-2 verwendet standardmäßig die umgekehrte Route. Durch den Suffix des Modellnamens können Sie die Route explizit auswählen:

gpt-image-2:official: Offizielle Umleitungsroute. Unterstützt n > 1 (gibt mehrere Bilder auf einmal zurück) und echte 2K / 4K Auflösung, die Abrechnung erfolgt pro Bild, der Preis beträgt das Doppelte des Standardpreises von gpt-image-2. Derzeit wird dies nur über den Kanal openai-hk bereitgestellt, wenn die Route nicht verfügbar ist, wird ein Fehler zurückgegeben, es erfolgt kein Downgrade auf die umgekehrte Route.
gpt-image-2:reverse: Vollständig äquivalent zum Standard gpt-image-2 (umgekehrte Route), um explizit die umgekehrte Route zu deklarieren, der Preis bleibt unverändert.

Die nachfolgende Einschränkung „Über den n Parameter“ gilt nur für die Standard- / umgekehrte Route; gpt-image-2:official unterstützt n > 1 und wird pro Bild abgerechnet.

Unterstützte `size` Werte

gpt-image-2 überprüft nur das Format von size, solange es nicht auto oder eine leere Zeichenkette ist, muss es WIDTHxHEIGHT entsprechen (z. B. 1024x1024, 2048x1152, 800x600); jede andere Form führt zu einem 400 Fehler. Alle Größen (1K / 2K / 4K / benutzerdefiniert) werden einheitlich pro Bild abgerechnet, es gibt keine Preisaufschläge für die Größe. Oben gibt es strenge Einschränkungen für benutzerdefinierte Größen: Breite und Höhe müssen Vielfache von 16 sein, die längere Seite ≤ 3840, die Gesamtpixelzahl ≤ 8.294.400. Überschreitungen werden von der Quelle abgelehnt und mit 4xx zurückgegeben.

Verhältnis	1K Empfehlung	2K Empfehlung	4K Empfehlung
1:1	`1024x1024`	`2048x2048`	`2880x2880`
4:3	`1536x1024`	`2048x1536`	`3264x2448`
3:4	`1024x1536`	`1536x2048`	`2448x3264`
16:9	`1792x1024`	`2048x1152`	`3840x2160`
9:16	`1024x1792`	`1152x2048`	`2160x3840`

Sie können auch size: "auto" übergeben oder das size Feld weglassen, in diesem Fall wählt das Modell die Standardgröße selbst aus. Bei der 1K-Stufe garantiert die Quelle keine strikte Pixelanpassung – wenn Sie 1024x1024 übergeben, erhalten Sie möglicherweise 1254x1254, das Verhältnis bleibt gleich. Wenn Sie es erneut als size übergeben, bleibt die Abrechnung unverändert. Ein 4K-Einzelaufruf benötigt normalerweise 4–8 Minuten, es wird empfohlen, dies zusammen mit dem callback_url für asynchrone Rückrufe zu verwenden.

Über den n Parameter gpt-image-2 unterstützt derzeit nicht n > 1: Dieser Parameter wird stillschweigend ignoriert, unabhängig davon, ob Sie n=1 oder n=10 übergeben, eine einzelne Anfrage gibt nur 1 Bild zurück und wird nur für 1 Bild abgerechnet. Wenn Sie mehrere Kandidatenbilder auf einmal erhalten möchten, müssen Sie selbst mehrere Anfragen parallel stellen (es wird empfohlen, gleichzeitig unterschiedliche prompt oder unterschiedliche seed zu übergeben, da sonst die erhaltenen Bilder sehr ähnlich sein könnten). Diese Einschränkung gilt auch für gpt-image-1 / gpt-image-1.5 sowie die Serien nano-banana / nano-banana-2-lite / nano-banana-2 / nano-banana-pro. dall-e-2 ist derzeit das einzige Modell, das nativ n > 1 unterstützt; dall-e-3 unterstützt nur n = 1.

Im Folgenden werden einige verschiedene reale Beispiele gezeigt, um die Fähigkeiten von gpt-image-2 anschaulich zu erleben.

Szenario 1: Filmisches Porträt

In den Eingabeaufforderungen können filmische Begriffe (35mm Film, geringe Tiefenschärfe, Neonlicht usw.) verwendet werden, um Atmosphäre und Textur präzise zu steuern. Python Beispielaufrufcode:

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gpt-image-2",
    "prompt": "Ein filmisches Porträt einer jungen Frau, die nachts in einem Lebensmittelgeschäft steht, beleuchtet von sanften rosa und cyanfarbenen Neonlichtern durch das Fenster. Auf 35-mm-Film aufgenommen, geringe Schärfentiefe, leichter Filmkorn, melancholische Stimmung.",
    "size": "1024x1536"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Das Rückgabeergebnis sieht wie folgt aus:

{
  "success": true,
  "task_id": "ab58a5df-6f46-4874-bff6-93169e2849a3",
  "created": 1777048800,
  "data": [
    {
      "revised_prompt": "Ein filmisches Porträt einer jungen Frau, die nachts in einem Lebensmittelgeschäft steht, beleuchtet von sanften rosa und cyanfarbenen Neonlichtern durch das Fenster. Auf 35-mm-Film aufgenommen, geringe Schärfentiefe, leichter Filmkorn, melancholische Stimmung.",
      "url": "https://platform.cdn.acedata.cloud/gpt-image/ab58a5df-6f46-4874-bff6-93169e2849a3_0.png"
    }
  ]
}

Das generierte Bild sieht wie folgt aus:

Szenario zwei: Vintage-Reiseplakat (mit Textdarstellung)

gpt-image-2 zeigt eine stabile Leistung in der Typografie und Textdarstellung und eignet sich hervorragend zur Erstellung von Plakaten, Menüs, Grußkarten und anderen Designs mit Text.

payload = {
    "model": "gpt-image-2",
    "prompt": "Ein Vintage-Reiseplakat der Amalfiküste, Italien. Stilisiertes Art-Déco-Illustration von klippenartigen, zitronengelben Häusern, die zu einem türkisfarbenen Meer hinabfallen, mit einem kleinen weißen Segelboot im Hafen. Fette Typografie oben liest AMALFI und unten ITALIA 1958. Eingeschränkte Farbpalette: Creme, Meerblau, Zitronengelb, Terrakotta. Leichte Papierkorntextur.",
    "size": "1024x1536"
}

Das Bild im url-Feld des Rückgabeergebnisses sieht wie folgt aus:

Man kann sehen, dass das Modell nicht nur den visuellen Stil des Art-Déco-Plakats genau wiedergegeben hat, sondern auch die Titeltexte AMALFI und ITALIA 1958 klar und korrekt dargestellt wurden.

Szenario drei: Komplexe Komposition und Zählung

Der folgende Hinweis dient dazu, die Fähigkeit des Modells zu testen, strukturierte Anweisungen zu „Menge“ und „Position“ zu befolgen.

payload = {
    "model": "gpt-image-2",
    "prompt": "Ein Holzregal mit drei Regalböden: Auf dem obersten Regal sollte ein Buch sein. Auf dem zweiten Regal sollten drei Bücher sein. Auf dem unteren Regal sollten sieben Bücher sein. Sanfte warme Beleuchtung, fotorealistisch, gemütliche Bibliotheksatmosphäre.",
    "size": "1024x1024"
}

Das generierte Bild sieht wie folgt aus:

Man kann sehen, dass die Anzahl der Bücher auf den drei Regalen (1 / 3 / 7) vollständig mit dem Hinweis übereinstimmt, was in der Zeit von dall-e-3 schwer stabil zu erreichen war.

Szenario vier: Illustrationsstil (Querformat)

Durch die Angabe von Kunstmedien und emotionalen Schlüsselwörtern kann das Modell dazu angeregt werden, stilisierte Illustrationen zu erzeugen.

payload = {
    "model": "gpt-image-2",
    "prompt": "Eine sanfte, poetische Kinderbuchillustration eines kleinen Fuchses, der unter einem leuchtenden Pilz in einem mondbeschienenen Wald ein Buch liest. Aquarell- und Bleistifttextur, sanfte Pastellfarben, traumhafte Atmosphäre, handgezeichnetes Gefühl.",
    "size": "1536x1024"
}

Die generierte Querformat-Illustration sieht wie folgt aus:

Asynchron und Rückruf

gpt-image-2 benötigt in der Regel 60 bis 90 Sekunden für einen einzelnen Aufruf. Wenn Sie keine dauerhafte Verbindung wünschen, können Sie den in diesem Artikel später beschriebenen callback_url-Asynchron-Rückrufmechanismus verwenden. Der Aufrufprozess ist identisch mit dem anderer Modelle.

Nano Banana Modellreihe

Die nano-banana-Reihe ist ein auf Gemini basierendes Bildgenerierungsmodell, das über dasselbe /openai/images/generations-Interface integriert ist. Es ist kein Wechsel des Endpunkts erforderlich, ändern Sie einfach model in eines der untenstehenden Modelle.

Modell	Abrechnung (Credits / Aufruf)	Anwendungsbereich
`nano-banana`	0.14	Allgemeine Bildgenerierung, schnellste Geschwindigkeit, niedrigste Kosten
`nano-banana-2-lite`	0.14	Gemini 3.1 leichtes Bildmodell, unterstützt nur 1K, niedrige Latenz bei der Bildausgabe
`nano-banana-2`	0.28	Deutliche Verbesserung von Qualität und Details
`nano-banana-pro`	0.35	Flaggschiff der Reihe, beste Komposition, Details und Text

Wichtig: Unterstützter Parameterbereich Nano Banana wird über eine Anpassungsschicht in das OpenAI-Protokoll integriert und unterstützt im Vergleich zu gpt-image-* nur die folgenden Parameter: model, prompt, size.

size wird gemäß der folgenden Tabelle in das interne aspect_ratio abgebildet. Nicht aufgeführte Größen werden auf 1:1 zurückgestuft:

1024x1024 / 512x512 / 256x256 → 1:1

1792x1024 → 16:9

1024x1792 → 9:16

Unterstützt keine Parameter wie n, quality, style, response_format, background, output_format usw.; diese werden ignoriert, wenn sie ausgefüllt sind.

Die Rückgabestruktur folgt dem OpenAI-Format (data[].url), aber created ist fest auf 0 gesetzt, und b64_json wird nicht zurückgegeben, revised_prompt ist immer gleich dem ursprünglichen prompt.

Grundlegender Aufruf

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "nano-banana",
    "prompt": "ein kleiner roter Apfel auf einem weißen Tisch, fotorealistisch",
    "size": "1024x1024"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Das Rückgabeergebnis sieht wie folgt aus:

{
  "created": 0,
  "data": [
    {
      "url": "https://platform.cdn.acedata.cloud/nanobanana/6870b330-65c4-436c-bb80-819fdae7a7a4.png",
      "revised_prompt": "ein kleiner roter Apfel auf einem weißen Tisch, fotorealistisch"
    }
  ]
}

生成te Bilder können direkt über das zurückgegebene url Feld aufgerufen werden:

Upgrade auf das Flaggschiff-Modell `nano-banana-pro`

Ändern Sie einfach model in nano-banana-pro, die anderen Parameter bleiben unverändert:

payload = {
    "model": "nano-banana-pro",
    "prompt": "abstract painting",
    "size": "1024x1024"
}

Beispielantwort:

{
  "created": 0,
  "data": [
    {
      "url": "https://platform.cdn.acedata.cloud/nanobanana/6227fcc9-3442-4aa3-a76c-4a4441a99649.png",
      "revised_prompt": "abstract painting"
    }
  ]
}

Asynchrone Rückruf

Die callback_url asynchrone Rückruffunktion ist auch für nano-banana wirksam, der Aufrufprozess ist identisch mit anderen Modellen, siehe den Abschnitt Asynchrone Rückrufe weiter unten.

Grundlegende Nutzung

Nun können Sie die entsprechenden Inhalte im Interface ausfüllen, wie im Bild gezeigt:

Bei der ersten Nutzung dieser Schnittstelle müssen wir mindestens drei Inhalte ausfüllen, einer ist authorization, den Sie direkt aus der Dropdown-Liste auswählen können. Ein weiterer Parameter ist model, model ist die Modellkategorie, die wir von der OpenAI DALL-E-Website auswählen, hier haben wir hauptsächlich 1 Modell, Details finden Sie in den von uns bereitgestellten Modellen. Der letzte Parameter ist prompt, prompt ist das Stichwort, das wir eingeben, um das Bild zu generieren. Gleichzeitig können Sie auf der rechten Seite den entsprechenden Aufrufcode sehen, den Sie kopieren und direkt ausführen oder einfach auf die Schaltfläche „Try“ klicken können, um einen Test durchzuführen.

Python Beispielaufrufcode:

import requests

url = "https://api.acedata.cloud/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)

Nach dem Aufruf stellen wir fest, dass das Rückgabeergebnis wie folgt aussieht:

{
  "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"
    }
  ]
}

Die Rückgabeergebnisse enthalten mehrere Felder, die wie folgt beschrieben werden:

created , die ID der Bildgenerierung, die zur eindeutigen Identifizierung dieser Aufgabe dient.
data, die Informationen über das Ergebnis der Bildgenerierung enthält.

Dabei enthält data die spezifischen Informationen über die vom Modell generierten Bilder, und der url darin ist der detaillierte Link zum generierten Bild, wie im Bild gezeigt.

Bildqualitätsparameter `quality`

Als nächstes wird erklärt, wie einige detaillierte Parameter für die Bildgenerierungsergebnisse festgelegt werden, wobei der Bildqualitätsparameter quality zwei Arten umfasst, die erste standard bedeutet, dass ein Standardbild generiert wird, die andere hd bedeutet, dass das erstellte Bild feinere Details und größere Konsistenz aufweist. Hier wird der Bildqualitätsparameter auf standard gesetzt, die spezifische Einstellung ist im folgenden Bild dargestellt:

Gleichzeitig können Sie auf der rechten Seite den entsprechenden Aufrufcode sehen, den Sie kopieren und direkt ausführen oder einfach auf die Schaltfläche „Try“ klicken können, um einen Test durchzuführen.

Python Beispielaufrufcode:

import requests

url = "https://api.acedata.cloud/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)

Nach dem Aufruf stellen wir fest, dass das Rückgabeergebnis wie folgt aussieht:

{
  "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"
    }
  ]
}

Die Rückgabeergebnisse sind mit den Inhalten der grundlegenden Nutzung identisch, und Sie können sehen, dass das generierte Bild mit dem Bildqualitätsparameter standard wie im folgenden Bild dargestellt ist:

与上述相同操作，仅需将图片质量参数设置为 hd ，可以得到如下图所示的图片：

可以看到 hd 比 standard 生成的图片具有更精细的细节和更大的一致性。

图片大小尺寸参数 `size`

我们还可以设置生成图片的尺寸大小，我们可以进行下面的设置。下面设置图片的尺寸大小为 1024 * 1024 ，具体设置如下图：

同时您可以注意到右侧有对应的调用代码生成，您可以复制代码直接运行，也可以直接点击「Try」按钮进行测试。

Python 样例调用代码：

import requests

url = "https://api.acedata.cloud/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)

调用之后，我们发现返回结果如下：

{
  "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"
    }
  ]
}

返回的结果与基本使用的内容一致，可以看到图片的尺寸大小为 1024 * 1024 的生成图片如下图所示：

与上述相同操作，仅需将图片的尺寸大小为 1792 * 1024 ，可以得到如下图所示的图片：

可以看到图片的尺寸大小很明显不一样，另外还可以设置更多尺寸大小，详情信息参考我们官网文档。

图片风格参数 `style`

图片风格参数 style 包含俩个参数，第一种 vivid 表示生成的图片是更加生动的，另一种 natural 表示生成的图片更加的自然一点。下面设置图片风格参数为 vivid ，具体设置如下图：

同时您可以注意到右侧有对应的调用代码生成，您可以复制代码直接运行，也可以直接点击「Try」按钮进行测试。

Python 样例调用代码：

import requests

url = "https://api.acedata.cloud/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)

调用之后，我们发现返回结果如下：

{
  "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"
    }
  ]
}

返回的结果与基本使用的内容一致，可以看到图片风格参数为 vivid 的生成图片如下图所示：

与上述相同操作，仅需将图片风格参数为 natural ，可以得到如下图所示的图片：

可以看到 vivid 比 natural 生成的图片具有更加生动逼真。

图片链接的格式参数 `response_format`

最后一个图片链接的格式参数 response_format 也有俩种，第一种 b64_json 是对图片链接进行 Base64 编码，另一种 url 就是普通的图片链接，可以直接查看图片。下面设置图片链接的格式参数为 url ，具体设置如下图：

同时您可以注意到右侧有对应的调用代码生成，您可以复制代码直接运行，也可以直接点击「Try」按钮进行测试。

Python 样例调用代码：

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "Ein süßes Baby-Seelöwen",
    "response_format": "url"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Nach dem Aufruf haben wir festgestellt, dass das Rückgabeergebnis wie folgt aussieht:

{
  "created": 1721637575,
  "data": [
    {
      "revised_prompt": "Eine charmante Darstellung eines Baby-Seelöwen. Der Seelöwe wird gesehen, wie er friedlich auf dem Rücken inmitten der sanften, blauen Ozeanwellen ruht. Das Fell des Baby-Seelöwen ist eine liebenswerte Mischung aus sanften graubraunen Farbtönen, die subtil im gedämpften Sonnenlicht schimmert. Seine kleinen Pfoten berühren sich, leicht zum Himmel gehoben, als ob er mit einem unsichtbaren Objekt spielt. Seine runden, ausdrucksvollen Augen sind weit vor Neugier, sprühen vor Leben und Unschuld. Verwenden Sie einen realistischen Stil, um den natürlichen Lebensraum des Seelöwen und sein adorabel flauschiges Äußeres hervorzurufen.",
      "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"
    }
  ]
}

Das zurückgegebene Ergebnis stimmt mit dem grundlegenden Inhalt überein, und man kann sehen, dass der Formatparameter des Bildlinks für url der generierte Bildlink ist Bild-URL, der direkt zugänglich ist, der Bildinhalt ist wie im folgenden Bild dargestellt:

Mit der gleichen Vorgehensweise, indem man den Formatparameter des Bildlinks auf b64_json setzt, kann man das Ergebnis des Base64-codierten Bildlinks erhalten, das spezifische Ergebnis ist wie im folgenden Bild dargestellt:

{
  "created": 1721638071,
  "data": [
    {
      "b64_json": "iVBORw0..............v//AQEAAP4AAAD+AAADAQAAAwEEA/4D//8Q/Pbw64mKbVTFoQAAAABJRU5ErkJggg==",
      "revised_prompt": "Ein charmantes Bild eines jungen Baby-Seelöwen. Der Seelöwe schwebt sanft auf einem ruhigen blauen Meer und sonnt sich in den warmen, goldenen Sonnenstrahlen, die von einem klaren Himmel darüber strömen. Das Fell des Seelöwen ist ein reiches schokoladenbraun und sieht unglaublich weich und flauschig aus. Die Augen des Seelöwen sind hell und ausdrucksvoll, gefüllt mit kindlicher Neugier und Freude. Er hat kleine, aufgerichtete Ohren und eine knopfartige Nase, die zu seiner allgemeinen Niedlichkeit beiträgt. Im Meer um ihn herum sind funkelnde Wassertropfen zu sehen, die vom Sonnenlicht belebt werden, der Anblick ist sicherlich ein erfreulicher."
    }
  ]
}

Asynchrone Rückrufe

Da die OpenAI Images Generations API möglicherweise relativ lange benötigt, um Bilder zu generieren, bleibt die HTTP-Anfrage bei längerer Nichtreaktion verbunden, was zu einem zusätzlichen Verbrauch von Systemressourcen führt. Daher bietet diese API auch Unterstützung für asynchrone Rückrufe. Der gesamte Prozess ist: Wenn der Client die Anfrage startet, wird zusätzlich ein callback_url-Feld angegeben. Nachdem der Client die API-Anfrage gestartet hat, gibt die API sofort ein Ergebnis zurück, das ein task_id-Feld enthält, das die aktuelle Aufgaben-ID darstellt. Wenn die Aufgabe abgeschlossen ist, werden die Ergebnisse der generierten Bilder in Form von POST JSON an die vom Client angegebene callback_url gesendet, wobei auch das task_id-Feld enthalten ist, sodass die Aufgabenergebnisse über die ID miteinander verknüpft werden können. Lassen Sie uns anhand eines Beispiels verstehen, wie dies konkret funktioniert. Zunächst ist der Webhook-Rückruf ein Dienst, der HTTP-Anfragen empfangen kann. Entwickler sollten ihn durch die URL ihres eigenen HTTP-Servers ersetzen. Hier verwenden wir zur Demonstration eine öffentliche Webhook-Beispielwebsite https://webhook.site/, auf der Sie eine Webhook-URL erhalten können, wie im Bild gezeigt:

Kopieren Sie diese URL, um sie als Webhook zu verwenden. In diesem Beispiel lautet die URL https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab. Als Nächstes können wir das Feld callback_url auf die oben genannte Webhook-URL setzen und die entsprechenden Parameter wie im folgenden Code gezeigt ausfüllen:

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "Ein süßes Baby-Seelöwen",
    "callback_url": "https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Wenn Sie auf Ausführen klicken, können Sie sofort ein Ergebnis erhalten, wie folgt:

{
  "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c"
}

Nach einer kurzen Wartezeit können wir die Ergebnisse der generierten Bilder an der Webhook-URL beobachten, der Inhalt sieht wie folgt aus:

{
  "success": true,
  "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c",
  "trace_id": "9b4b1ff3-90f2-470f-b082-1061ec2948cc",
  "data": {
    "created": 1721626477,
    "data": [
      {
        "revised_prompt": "Ein erfreuliches Bild, das einen jungen Seelöwen zeigt...",
        "url": "https://dalleprodsec.blob.core.windows.net/private/images/..."
      }
    ]
  }
}

Man kann sehen, dass das Ergebnis ein task_id-Feld enthält, und das data-Feld die gleichen Bildgenerierungsergebnisse wie bei der synchronen Anfrage enthält. Durch das task_id-Feld kann die Aufgabe verknüpft werden.

Fehlerbehandlung

Bei der API-Anfrage, wenn ein Fehler auftritt, gibt die API die entsprechenden Fehlercodes und Informationen zurück. Beispielsweise:

400 token_mismatched：Ungültige Anfrage, möglicherweise aufgrund fehlender oder ungültiger Parameter.
400 api_not_implemented：Ungültige Anfrage, möglicherweise aufgrund fehlender oder ungültiger Parameter.
401 invalid_token：Unbefugt, ungültiges oder fehlendes Autorisierungstoken.
429 too_many_requests：Zu viele Anfragen, Sie haben das Rate-Limit überschritten.
500 api_error：Interner Serverfehler, etwas ist auf dem Server schiefgegangen.

Fehlerantwort Beispiel

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

Fazit

Durch dieses Dokument haben Sie gelernt, wie Sie die Bildgenerierungs-API von OpenAI Images Generations einfach nutzen können, um die Bildgenerierungsfunktionen von OpenAI DALL-E zu verwenden. Wir hoffen, dass dieses Dokument Ihnen hilft, die API besser zu integrieren und zu nutzen. Bei Fragen wenden Sie sich bitte jederzeit an unser technisches Support-Team.

Erste Schritte

KI Chat

KI Bild

KI Video

KI Audio

Web & Daten

CAPTCHA

Identität

Proxy

Erweitert

OpenAI Images Generations API Antrag und Nutzung

Antragsprozess

GPT-Image-2 Modell

Offizielle Umleitung / Umgekehrte Variante (`:official` / `:reverse`)

Unterstützte `size` Werte

Szenario 1: Filmisches Porträt

Szenario zwei: Vintage-Reiseplakat (mit Textdarstellung)

Szenario drei: Komplexe Komposition und Zählung

Szenario vier: Illustrationsstil (Querformat)

Asynchron und Rückruf

Nano Banana Modellreihe

Grundlegender Aufruf

Upgrade auf das Flaggschiff-Modell `nano-banana-pro`

Asynchrone Rückruf

Grundlegende Nutzung

Bildqualitätsparameter `quality`

图片大小尺寸参数 `size`

图片风格参数 `style`

图片链接的格式参数 `response_format`

Asynchrone Rückrufe

Fehlerbehandlung

Fehlerantwort Beispiel

Fazit

​Antragsprozess

​GPT-Image-2 Modell

​Offizielle Umleitung / Umgekehrte Variante (:official / :reverse)

​Unterstützte size Werte

​Szenario 1: Filmisches Porträt

​Szenario zwei: Vintage-Reiseplakat (mit Textdarstellung)

​Szenario drei: Komplexe Komposition und Zählung

​Szenario vier: Illustrationsstil (Querformat)

​Asynchron und Rückruf

​Nano Banana Modellreihe

​Grundlegender Aufruf

​Upgrade auf das Flaggschiff-Modell nano-banana-pro

​Asynchrone Rückruf

​Grundlegende Nutzung

​Bildqualitätsparameter quality

​图片大小尺寸参数 size

​图片风格参数 style

​图片链接的格式参数 response_format

​Asynchrone Rückrufe

​Fehlerbehandlung

​Fehlerantwort Beispiel

​Fazit

Antragsprozess

GPT-Image-2 Modell

Offizielle Umleitung / Umgekehrte Variante (`:official` / `:reverse`)

Unterstützte `size` Werte

Szenario 1: Filmisches Porträt

Szenario zwei: Vintage-Reiseplakat (mit Textdarstellung)

Szenario drei: Komplexe Komposition und Zählung

Szenario vier: Illustrationsstil (Querformat)

Asynchron und Rückruf

Nano Banana Modellreihe

Grundlegender Aufruf

Upgrade auf das Flaggschiff-Modell `nano-banana-pro`

Asynchrone Rückruf

Grundlegende Nutzung

Bildqualitätsparameter `quality`

图片大小尺寸参数 `size`

图片风格参数 `style`

图片链接的格式参数 `response_format`

Asynchrone Rückrufe

Fehlerbehandlung

Fehlerantwort Beispiel

Fazit