OpenAI Images Generations API Solicitação e Uso

OpenAI Images Generations API atualmente suporta vários modelos de geração de imagens, incluindo o clássico dall-e-3, a capacidade de renderização de texto mais forte gpt-image-1, a mais recente geração de gpt-image-2, e a série de modelos nano-banana / nano-banana-2-lite / nano-banana-2 / nano-banana-pro que são acessíveis através da mesma interface. Todos eles podem gerar imagens de alta qualidade com base em descrições de texto. Este documento apresenta principalmente o fluxo de uso da API OpenAI Images Generations, permitindo que utilizemos facilmente as funcionalidades de geração de imagens da série OpenAI.

Fluxo de Solicitação

Para usar a OpenAI Images Generations API, primeiro acesse o console Ace Data Cloud para obter seu Token de API, que deve ser guardado para uso futuro.

Se você ainda não estiver logado ou registrado, será redirecionado automaticamente para a página de login, onde será convidado a se registrar e logar; após a conclusão, você será retornado automaticamente à página atual. Um Token de API é suficiente para acessar todos os serviços da plataforma, não sendo necessário solicitar individualmente para cada serviço. A primeira solicitação oferece um crédito gratuito, permitindo uma experiência sem custo; quando o crédito estiver baixo, você pode recarregar o saldo geral no console.

📘 Documentação Completa: OpenAI Images Generations API →

Modelo GPT-Image-2

gpt-image-2 é o novo modelo de geração de imagens lançado pela OpenAI, que apresenta melhorias significativas em comparação com dall-e-3 e gpt-image-1 nas seguintes áreas:

Capacidade de seguir instruções mais forte: capaz de entender com precisão instruções estruturadas complexas sobre composição, contagem, relações de posição, etc.
Renderização de texto mais clara: em cenários como pôsteres, menus, infográficos, logotipos, o inglês e os números quase não apresentam confusão.
Expressão de estilo mais rica: suporte nativo para uma variedade de estilos, incluindo retratos cinematográficos, pôsteres vintage, ilustrações infantis, fotografia de produtos, infográficos, entre outros.
Suporte nativo a múltiplas proporções + alta resolução: cobre 5 proporções (1:1, 4:3, 3:4, 16:9, 9:16) com 3 níveis de resolução (1K / 2K / 4K).

A forma de chamada é idêntica à de outros modelos, basta definir o campo model como gpt-image-2. O url no resultado retornado é um link de imagem hospedado permanentemente em platform.cdn.acedata.cloud, que pode ser aberto diretamente no navegador ou incorporado em uma página da web.

Variantes de Linha (`:official` / `:reverse`)

gpt-image-2 utiliza a linha padrão por padrão. Através do sufixo do nome do modelo, é possível escolher explicitamente a linha:

gpt-image-2:official: canal oficial, estável e em conformidade. Suporta resoluções reais de 2K / 4K, cobrando por imagem, com um preço que é 2 vezes o preço padrão de gpt-image-2. Se a linha não estiver disponível, retornará um erro diretamente, sem rebaixamento automático.
gpt-image-2:reverse: completamente equivalente ao gpt-image-2 padrão, com melhor custo-benefício, sem alteração de preço.

Valores suportados para `size`

gpt-image-2 apenas verifica o formato de size, desde que não seja auto ou uma string vazia, deve corresponder a WIDTHxHEIGHT (por exemplo, 1024x1024, 2048x1152, 800x600); qualquer outra forma retornará 400. Todos os tamanhos (1K / 2K / 4K / personalizado) são cobrados uniformemente por imagem, sem aumento de preço por tamanho. Limitações de tamanho: tamanhos personalizados devem ter largura e altura como múltiplos de 16, lado longo ≤ 3840, total de pixels ≤ 8.294.400; exceder esses limites resultará em retorno 4xx.

Proporção	1K Recomendado	2K Recomendado	4K Recomendado
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`

Ao passar explicitamente size: "auto", a plataforma irá planejar a tela no espaço de proporção contínua e determinará com base na seguinte prioridade: pixels ou proporções explícitas nas instruções, padrões de nomenclatura (papel / impressão / espaço publicitário / anúncios / dispositivos / fotografia / cinema), práticas de mídia, e por último, inferência de composição. Portanto, além das proporções comuns de 1:1, 4:5, 9:16, 21:9, também podem ser mantidas proporções não predefinidas como 1.91:1, 1.85:1, 2.39:1, e papel ISO 1:√2; o tamanho final será automaticamente ajustado para múltiplos de 16 suportados pelo serviço e orçamento de pixels. Se a determinação automática não estiver disponível, retornará ao formato padrão do modelo, sem interromper a geração. Omissão do campo size usará diretamente o formato padrão do modelo; se houver requisitos rigorosos de pixels, ainda é recomendável passar diretamente WIDTHxHEIGHT. A saída na faixa de 1K não garante alinhamento rigoroso de pixels — você pode passar 1024x1024 e receber 1254x1254, mantendo a proporção. Se você passar isso novamente como size, a cobrança não mudará. Chamadas únicas de 4K geralmente levam de 4 a 8 minutos, sendo recomendável usar em conjunto com o callback_url para callbacks assíncronos.

Sobre o parâmetro n gpt-image-2 suporta n > 1 (valores de 1 a 10): uma única solicitação pode retornar e cobrar pela quantidade correspondente de imagens. Para que os resultados múltiplos tenham variação, recomenda-se passar diferentes prompt ou seed simultaneamente. Isso também se aplica a gpt-image-1 / gpt-image-1.5, bem como à série nano-banana / nano-banana-2-lite / nano-banana-2 / nano-banana-pro; dall-e-3 suporta apenas n = 1. Observe que response_format=b64_json suporta apenas n=1, e para n>1, utilize o retorno padrão de URL. Se algumas imagens falharem na geração, apenas as partes bem-sucedidas serão retornadas e cobradas.

Abaixo, apresentamos alguns exemplos reais de diferentes ângulos para sentir intuitivamente a capacidade do gpt-image-2.

Cena 1: Retrato Cinemático

Palavras-chave podem usar termos de cinema (filme 35mm, profundidade de campo rasa, luzes de néon, etc.) para controlar com precisão a atmosfera e a textura. Código de exemplo em Python:

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": "Um retrato cinematográfico de uma jovem mulher em pé em uma loja de conveniência à noite, iluminada por suaves sinais de néon rosa e ciano através da janela. Filmado em filme 35mm, profundidade de campo rasa, leve granulação, humor melancólico.",
    "size": "1024x1536"
}

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

O resultado retornado é o seguinte:

{
  "success": true,
  "task_id": "ab58a5df-6f46-4874-bff6-93169e2849a3",
  "created": 1777048800,
  "data": [
    {
      "revised_prompt": "Um retrato cinematográfico de uma jovem mulher em pé em uma loja de conveniência à noite, iluminada por suaves sinais de néon rosa e ciano através da janela. Filmado em filme 35mm, profundidade de campo rasa, leve granulação, humor melancólico.",
      "url": "https://platform.cdn.acedata.cloud/gpt-image/ab58a5df-6f46-4874-bff6-93169e2849a3_0.png"
    }
  ]
}

A imagem gerada é mostrada a seguir:

Cena 2: Pôster de Viagem Vintage (com Renderização de Texto)

gpt-image-2 se destaca na composição e renderização de fontes, sendo muito adequado para gerar pôsteres, menus, cartões comemorativos e outros designs com texto.

payload = {
    "model": "gpt-image-2",
    "prompt": "Um pôster de viagem vintage da Costa Amalfitana, Itália. Ilustração estilizada em art déco de casas amarelo-limão à beira do penhasco descendo até um mar turquesa, com um pequeno veleiro branco no porto. Tipografia ousada na parte superior lê AMALFI e na parte inferior ITALIA 1958. Paleta de cores limitada: creme, azul-marinho, amarelo-limão, terracota. Leve textura de grão de papel.",
    "size": "1024x1536"
}

A imagem correspondente ao campo url do resultado retornado é a seguinte:

Pode-se ver que o modelo não apenas reproduziu com precisão o estilo visual do pôster Art Deco, mas também renderizou claramente e corretamente o texto do título AMALFI e ITALIA 1958.

Cena 3: Composição Complexa e Contagem

Abaixo, este prompt é usado para testar a capacidade do modelo de seguir instruções estruturadas sobre “quantidade” e “posição”.

payload = {
    "model": "gpt-image-2",
    "prompt": "Uma estante de madeira composta por três prateleiras: Na prateleira superior, deve haver um livro. Na segunda prateleira, devem haver três livros. Na prateleira inferior, devem haver sete livros. Iluminação suave e quente, fotorealista, atmosfera aconchegante de biblioteca.",
    "size": "1024x1024"
}

A imagem gerada é a seguinte:

Pode-se ver que a quantidade de livros na estante de três camadas (1 / 3 / 7) corresponde exatamente ao prompt, algo que era difícil de realizar de forma estável na era do dall-e-3.

Cena 4: Estilo de Ilustração (Horizontal)

Ao especificar o meio artístico e palavras-chave emocionais, é possível guiar o modelo a produzir ilustrações estilizadas.

payload = {
    "model": "gpt-image-2",
    "prompt": "Uma ilustração suave e poética de um livro infantil de uma pequena raposa lendo um livro sob um cogumelo brilhante em uma floresta iluminada pela lua. Textura de aquarela e lápis, cores pastéis suaves, atmosfera sonhadora, sensação de desenho à mão.",
    "size": "1536x1024"
}

A ilustração horizontal gerada é a seguinte:

Assíncrono e Callback

gpt-image-2 normalmente requer de 60 a 90 segundos para uma única chamada. Se não desejar manter uma conexão longa, pode usar o mecanismo de callback assíncrono callback_url que será apresentado posteriormente, o fluxo de chamada é idêntico ao de outros modelos.

Série de Modelos Nano Banana

A série nano-banana é um modelo de geração de imagens baseado no Gemini, que foi integrado através do mesmo endpoint /openai/images/generations, sem necessidade de mudar o endpoint, basta alterar o model para qualquer um dos listados na tabela abaixo.

Modelo	Custo (Créditos / Chamada)	Cenários Aplicáveis
`nano-banana`	0.14	Geração de imagens comuns, mais rápida e com menor custo
`nano-banana-2-lite`	0.14	Modelo de imagem leve Gemini 3.1, suporta apenas 1K, baixa latência
`nano-banana-2`	0.28	Qualidade e detalhes significativamente melhorados
`nano-banana-pro`	0.35	O modelo flagship da série, melhor em composição, detalhes e texto

Importante: Faixa de suporte de parâmetros Nano Banana se conecta ao protocolo OpenAI através de uma camada de adaptação, e em comparação com gpt-image-*, suporta apenas os seguintes parâmetros: model, prompt, size, n.

size será mapeado para aspect_ratio interno conforme a tabela abaixo, tamanhos não listados serão degradados para 1:1:

1024x1024 / 512x512 / 256x256 → 1:1

1792x1024 → 16:9

1024x1792 → 9:16

Não suporta parâmetros como quality, style, response_format, background, output_format, etc.; se preenchidos, serão ignorados. n > 1 é suportado (1–10), retornará e cobrará pela quantidade correspondente de imagens.

A estrutura de retorno segue o formato OpenAI (data[].url), mas created é fixo em 0, e não retornará b64_json, revised_prompt sempre será igual ao prompt original.

Chamada Básica

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": "uma pequena maçã vermelha em uma mesa branca, fotorealista",
    "size": "1024x1024"
}

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

O resultado retornado é o seguinte:

{
  "created": 0,
  "data": [
    {
      "url": "https://platform.cdn.acedata.cloud/nanobanana/6870b330-65c4-436c-bb80-819fdae7a7a4.png",
      "revised_prompt": "uma pequena maçã vermelha em uma mesa branca, fotoreal"
    }
  ]
}

A imagem gerada pode ser acessada diretamente pelo campo url retornado:

Atualizar para o modelo flagship `nano-banana-pro`

Basta alterar model para nano-banana-pro, os demais parâmetros permanecem exatamente os mesmos:

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

Exemplo de retorno:

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

Callback assíncrono

O mecanismo de callback assíncrono callback_url é igualmente eficaz para o nano-banana, o fluxo de chamada é exatamente o mesmo que para outros modelos, consulte a seção Callback assíncrono abaixo.

Uso básico

Agora você pode preencher o conteúdo correspondente na interface, como mostrado na imagem:

Na primeira vez que usar esta interface, precisamos preencher pelo menos três conteúdos, um é authorization, que pode ser selecionado diretamente na lista suspensa. O outro parâmetro é model, que é a categoria do modelo que escolhemos usar do site oficial da OpenAI DALL-E, aqui temos principalmente 1 tipo de modelo, mais detalhes podem ser vistos nos modelos que fornecemos. O último parâmetro é prompt, que é a palavra-chave que inserimos para gerar a imagem. Você também pode notar que à direita há um código de chamada correspondente gerado, você pode copiar o código e executá-lo diretamente, ou pode clicar no botão “Try” para testar.

Código de exemplo de chamada em Python:

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": "Um adorável filhote de lontra do mar"
}

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

Após a chamada, encontramos o seguinte resultado retornado:

{
  "created": 1721626477,
  "data": [
    {
      "revised_prompt": "Uma imagem encantadora mostrando uma jovem lontra do mar, que nasceu marrom, com olhos grandes e charmosos. Ela está deitada de costas, remando nas águas calmas do mar. Seu denso e aveludado pelo parece molhado e brilhante, capturando a essência de seu habitat. A pequena criatura brinca curiosamente com uma concha do mar com suas pequenas patas, parecendo absolutamente inocente e encantadora em seu ambiente natural.",
      "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"
    }
  ]
}

O resultado retornado contém vários campos, descritos a seguir:

created, ID gerado para esta geração de imagem, usado para identificar exclusivamente esta tarefa.
data, contém as informações do resultado da geração da imagem.

Dentro de data estão as informações específicas da imagem gerada pelo modelo, onde o url é o link detalhado da imagem gerada, como mostrado na imagem.

Parâmetro de qualidade da imagem `quality`

A seguir, vamos apresentar como definir alguns parâmetros detalhados do resultado da geração da imagem, onde o parâmetro de qualidade da imagem quality contém duas opções, a primeira standard indica a geração de uma imagem padrão, e a outra hd indica que a imagem criada possui detalhes mais refinados e maior consistência. Abaixo, definimos o parâmetro de qualidade da imagem como standard, as configurações específicas estão na imagem abaixo:

Você também pode notar que à direita há um código de chamada correspondente gerado, você pode copiar o código e executá-lo diretamente, ou pode clicar no botão “Try” para testar.

Código de exemplo de chamada em Python:

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": "Um adorável filhote de lontra do mar",
    "quality": "standard"
}

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

Após a chamada, encontramos o seguinte resultado retornado:

{
  "created": 1721636023,
  "data": [
    {
      "revised_prompt": "Um adorável filhote de lontra do mar está deitado brincando de costas na água, com seu pelo parecendo brilhante e macio. Uma de suas pequenas patas está se estendendo curiosamente, e ele tem uma expressão de pura alegria e calor em seu rosto enquanto olha para o céu. Seu corpo está cercado por bolhas de sua brincadeira na água. Uma brisa suave está brincando com seu pelo, tornando-o ainda mais encantador. A cena retrata a tranquilidade e o charme da vida marinha.",
      "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"
    }
  ]
}

返回的结果与基本使用的内容一致，可以看到图片质量参数为 standard 的生成图片如下图所示：

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。

Imagem tamanho parâmetro `size`

Nós também podemos definir o tamanho da imagem gerada, podemos fazer as seguintes configurações. Abaixo, definimos o tamanho da imagem como 1024 * 1024 , a configuração específica é mostrada na imagem abaixo:

Ao mesmo tempo, você pode notar que à direita há o código correspondente para a chamada, você pode copiar o código e executá-lo diretamente, ou pode clicar no botão “Try” para testar.

Código de exemplo em Python:

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)

Após a chamada, descobrimos que o resultado retornado é o seguinte:

{
  "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"
    }
  ]
}

Retornou o resultado que é consistente com o conteúdo de uso básico, podemos ver que a imagem gerada tem o tamanho de 1024 * 1024 conforme mostrado na imagem abaixo:

Com a mesma operação acima, basta definir o tamanho da imagem como 1792 * 1024 , e podemos obter a imagem mostrada abaixo:

Podemos ver que o tamanho da imagem é claramente diferente, além disso, também podemos definir mais tamanhos, para mais informações consulte a documentação do nosso site.

Parâmetro de estilo da imagem `style`

O parâmetro de estilo da imagem style contém dois parâmetros, o primeiro vivid indica que a imagem gerada é mais vívida, enquanto o segundo natural indica que a imagem gerada é mais natural. Abaixo, definimos o parâmetro de estilo da imagem como vivid , a configuração específica é mostrada na imagem abaixo:

Ao mesmo tempo, você pode notar que à direita há o código correspondente para a chamada, você pode copiar o código e executá-lo diretamente, ou pode clicar no botão “Try” para testar.

Código de exemplo em Python:

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)

Após a chamada, descobrimos que o resultado retornado é o seguinte:

{
  "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"
    }
  ]
}

Retornou o resultado que é consistente com o conteúdo de uso básico, podemos ver que a imagem gerada com o parâmetro de estilo vivid é mostrada na imagem abaixo:

Com a mesma operação acima, basta definir o parâmetro de estilo da imagem como natural , e podemos obter a imagem mostrada abaixo:

Podemos ver que vivid gera imagens mais vívidas e realistas do que natural.

Parâmetro de formato do link da imagem `response_format`

O último parâmetro de formato do link da imagem response_format também tem dois tipos, o primeiro b64_json é a codificação Base64 do link da imagem, enquanto o segundo url é o link da imagem normal, que pode ser visualizado diretamente. Abaixo, definimos o parâmetro de formato do link da imagem como url , a configuração específica é mostrada na imagem abaixo:

Ao mesmo tempo, você pode notar que à direita há o código correspondente para a chamada, você pode copiar o código e executá-lo diretamente, ou pode clicar no botão “Try” para testar.

Código de exemplo em Python:

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": "Um adorável filhote de lontra marinha",
    "response_format": "url"
}

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

Após a chamada, descobrimos que o resultado retornado é o seguinte:

{
  "created": 1721637575,
  "data": [
    {
      "revised_prompt": "Uma encantadora representação de um filhote de lontra marinha. A lontra é vista descansando serenamente de costas em meio às suaves ondas azuis do oceano. O pelo do filhote de lontra é uma mistura adorável de tons de marrom acinzentado suave, brilhando sutilmente na luz do sol suave. Suas pequenas patas estão tocando, levantadas ligeiramente em direção ao céu como se estivesse brincando com um objeto invisível. Seus olhos redondos e expressivos estão amplos de curiosidade, brilhando com vida e inocência. Use um estilo realista para evocar o habitat natural da lontra e seu exterior adoravelmente peludo.",
      "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"
    }
  ]
}

O resultado retornado é consistente com o conteúdo de uso básico, pode-se ver que o parâmetro de formato do link da imagem para url é o link da imagem gerada Imagem URL que pode ser acessado diretamente, o conteúdo da imagem é mostrado na figura abaixo:

Com a mesma operação acima, basta alterar o parâmetro de formato do link da imagem para b64_json, e pode-se obter o resultado do link da imagem codificada em Base64, o resultado específico é mostrado na figura abaixo:

{
  "created": 1721638071,
  "data": [
    {
      "b64_json": "iVBORw0..............v//AQEAAP4AAAD+AAADAQAAAwEEA/4D//8Q/Pbw64mKbVTFoQAAAABJRU5ErkJggg==",
      "revised_prompt": "Uma imagem encantadora de um jovem filhote de lontra marinha. A lontra está flutuando suavemente em um mar azul calmo, aproveitando os quentes raios de sol dourados que descem de um céu claro acima. O pelo da lontra é de um rico marrom chocolate, e parece incrivelmente macio e peludo. Os olhos da lontra são brilhantes e expressivos, cheios de curiosidade infantil e alegria. Ela tem pequenas orelhas pontudas e um nariz em forma de botão que acrescenta à sua fofura geral. No mar ao seu redor, gotas de água cintilantes podem ser vistas, iluminadas pela luz do sol, a cena é certamente encantadora."
    }
  ]
}

Callback Assíncrono

Como a geração de imagens da API OpenAI Images Generations pode levar um tempo relativamente longo, se a API não responder por um longo período, a solicitação HTTP manterá a conexão, resultando em um consumo adicional de recursos do sistema, portanto, esta API também oferece suporte a callbacks assíncronos. O fluxo geral é: quando o cliente inicia a solicitação, deve especificar um campo callback_url adicional, após o cliente fazer a solicitação à API, a API retornará imediatamente um resultado, contendo um campo de informação task_id, representando o ID da tarefa atual. Quando a tarefa for concluída, o resultado da imagem gerada será enviado para o callback_url especificado pelo cliente em formato JSON POST, que também incluirá o campo task_id, assim o resultado da tarefa pode ser associado pelo ID. Abaixo, vamos entender como operar especificamente através de um exemplo. Primeiro, o callback Webhook é um serviço que pode receber solicitações HTTP, os desenvolvedores devem substituí-lo pela URL do servidor HTTP que construíram. Aqui, para facilitar a demonstração, usamos um site de exemplo de Webhook público https://webhook.site/, ao abrir este site, você obterá uma URL de Webhook, como mostrado na figura:

Copie esta URL, que pode ser usada como Webhook, o exemplo aqui é https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab. Em seguida, podemos definir o campo callback_url para a URL do Webhook acima, ao mesmo tempo preenchendo os parâmetros correspondentes, como mostrado no código abaixo:

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": "Um adorável filhote de lontra marinha",
    "callback_url": "https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab"
}

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

Ao clicar em executar, pode-se notar que um resultado é obtido imediatamente, como segue:

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

Após alguns momentos, podemos observar o resultado da imagem gerada na URL do Webhook, o conteúdo é o seguinte:

{
  "success": true,
  "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c",
  "trace_id": "9b4b1ff3-90f2-470f-b082-1061ec2948cc",
  "data": {
    "created": 1721626477,
    "data": [
      {
        "revised_prompt": "Uma imagem encantadora mostrando um jovem filhote de lontra marinha...",
        "url": "https://dalleprodsec.blob.core.windows.net/private/images/..."
      }
    ]
  }
}

Pode-se ver que o resultado contém um campo task_id, o campo data inclui os mesmos resultados de geração de imagem que a chamada síncrona, e a associação da tarefa pode ser realizada através do campo task_id.

Tratamento de Erros

Ao chamar a API, se ocorrer um erro, a API retornará o código de erro e a informação correspondente. Por exemplo:

400 token_mismatched：Solicitação inválida, possivelmente devido a parâmetros ausentes ou inválidos.
400 api_not_implemented：Solicitação inválida, possivelmente devido a parâmetros ausentes ou inválidos.
401 invalid_token：Não autorizado, token de autorização inválido ou ausente.
429 too_many_requests：Muitas solicitações, você excedeu o limite de taxa.
500 api_error：Erro interno do servidor, algo deu errado no servidor.

Exemplo de resposta de erro

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

Conclusão

Através deste documento, você já entendeu como usar a API de Geração de Imagens da OpenAI para utilizar facilmente a funcionalidade de geração de imagens do oficial OpenAI DALL-E. Esperamos que este documento possa ajudá-lo a integrar e usar melhor essa API. Se tiver alguma dúvida, sinta-se à vontade para entrar em contato com nossa equipe de suporte técnico.

Primeiros passos

Chat AI

Imagem AI

Vídeo AI

Áudio AI

Web e Dados

CAPTCHA

Identidade

Proxy

Avançado

Coding

OpenAI Images Generations API Solicitação e Uso

Fluxo de Solicitação

Modelo GPT-Image-2

Variantes de Linha (`:official` / `:reverse`)

Valores suportados para `size`

Cena 1: Retrato Cinemático

Cena 2: Pôster de Viagem Vintage (com Renderização de Texto)

Cena 3: Composição Complexa e Contagem

Cena 4: Estilo de Ilustração (Horizontal)

Assíncrono e Callback

Série de Modelos Nano Banana

Chamada Básica

Atualizar para o modelo flagship `nano-banana-pro`

Callback assíncrono

Uso básico

Parâmetro de qualidade da imagem `quality`

Imagem tamanho parâmetro `size`

Parâmetro de estilo da imagem `style`

Parâmetro de formato do link da imagem `response_format`

Callback Assíncrono

Tratamento de Erros

Exemplo de resposta de erro

Conclusão

​Fluxo de Solicitação

​Modelo GPT-Image-2

​Variantes de Linha (:official / :reverse)

​Valores suportados para size

​Cena 1: Retrato Cinemático

​Cena 2: Pôster de Viagem Vintage (com Renderização de Texto)

​Cena 3: Composição Complexa e Contagem

​Cena 4: Estilo de Ilustração (Horizontal)

​Assíncrono e Callback

​Série de Modelos Nano Banana

​Chamada Básica

​Atualizar para o modelo flagship nano-banana-pro

​Callback assíncrono

​Uso básico

​Parâmetro de qualidade da imagem quality

​Imagem tamanho parâmetro size

​Parâmetro de estilo da imagem style

​Parâmetro de formato do link da imagem response_format

​Callback Assíncrono

​Tratamento de Erros

​Exemplo de resposta de erro

​Conclusão

Fluxo de Solicitação

Modelo GPT-Image-2

Variantes de Linha (`:official` / `:reverse`)

Valores suportados para `size`

Cena 1: Retrato Cinemático

Cena 2: Pôster de Viagem Vintage (com Renderização de Texto)

Cena 3: Composição Complexa e Contagem

Cena 4: Estilo de Ilustração (Horizontal)

Assíncrono e Callback

Série de Modelos Nano Banana

Chamada Básica

Atualizar para o modelo flagship `nano-banana-pro`

Callback assíncrono

Uso básico

Parâmetro de qualidade da imagem `quality`

Imagem tamanho parâmetro `size`

Parâmetro de estilo da imagem `style`

Parâmetro de formato do link da imagem `response_format`

Callback Assíncrono

Tratamento de Erros

Exemplo de resposta de erro

Conclusão