OpenAI Images Generations API Заявка и использование

OpenAI Images Generations API в настоящее время поддерживает несколько моделей генерации изображений, включая классический dall-e-3, более мощный в текстовой рендеринге gpt-image-1, новейшее поколение gpt-image-2, а также серию моделей nano-banana / nano-banana-2-lite / nano-banana-2 / nano-banana-pro, которые подключаются через тот же интерфейс. Все они могут генерировать высококачественные изображения на основе текстовых описаний. Этот документ в основном описывает процесс использования OpenAI Images Generations API, с помощью которого мы можем легко использовать функции генерации изображений от OpenAI.

Процесс заявки

Чтобы использовать OpenAI Images Generations API, сначала перейдите в консоль Ace Data Cloud и получите ваш API Token для резервного копирования.

Если вы еще не вошли в систему или не зарегистрированы, вы будете автоматически перенаправлены на страницу входа, где вас пригласят зарегистрироваться и войти. После завершения вы будете автоматически возвращены на текущую страницу. Один API Token позволяет вызывать все услуги платформы, не нужно отдельно запрашивать для каждой услуги. При первой заявке предоставляется бесплатный лимит, чтобы вы могли попробовать; при недостатке лимита можно пополнить общий баланс в консоли.

📘 Полная документация: OpenAI Images Generations API →

Модель GPT-Image-2

gpt-image-2 — это новое поколение модели генерации изображений, выпущенное OpenAI, которое имеет явные улучшения по сравнению с dall-e-3 и gpt-image-1 в следующих аспектах:

Улучшенная способность следовать инструкциям: может точно понимать сложные композиции, подсчет, пространственные отношения и другие структурированные инструкции.
Более четкая текстовая рендеринг: английский текст и цифры в таких сценах, как постеры, меню, инфографика, логотипы, почти не будут искажены.
Более разнообразное выражение стилей: нативная поддержка различных стилей, таких как кинематографические портреты, винтажные постеры, детские иллюстрации, продуктовая фотография, инфографика и т.д.
Нативная поддержка нескольких соотношений и высокого разрешения: охватывает 5 соотношений (1:1, 4:3, 3:4, 16:9, 9:16) и 3 уровня разрешения (1K / 2K / 4K).

Способ вызова полностью аналогичен другим моделям, просто установите поле model в gpt-image-2. В возвращаемом результате url — это постоянная ссылка на изображение, размещенная на platform.cdn.acedata.cloud, которую можно открыть в браузере или встроить на веб-страницу.

Варианты маршрутов (`:official` / `:reverse`)

gpt-image-2 по умолчанию использует стандартный маршрут. С помощью суффикса имени модели можно явно выбрать маршрут:

gpt-image-2:official: официальный канал, стабильный и соответствующий требованиям. Поддерживает реальное разрешение 2K / 4K, оплата за каждое изображение, цена составляет 2 раза больше, чем у стандартного gpt-image-2. Если маршрут недоступен, возвращается ошибка, автоматического понижения не происходит.
gpt-image-2:reverse: полностью эквивалентен стандартному gpt-image-2, более выгодный по цене, цена остается прежней.

Поддерживаемые значения `size`

gpt-image-2 проверяет только формат size, если это не auto или пустая строка, то необходимо соответствовать WIDTHxHEIGHT (например, 1024x1024, 2048x1152, 800x600); любые другие формы вернут 400. Все размеры (1K / 2K / 4K / пользовательские) оплачиваются по единой ставке за одно изображение, без надбавки за размер. Ограничения по размеру: пользовательские размеры должны удовлетворять условиям, что ширина и высота являются кратными 16, длинная сторона ≤ 3840, общее количество пикселей ≤ 8,294,400, превышение диапазона будет возвращено с кодом 4xx.

Соотношение	Рекомендуется 1K	Рекомендуется 2K	Рекомендуется 4K
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`

При явной передаче size: "auto" платформа будет планировать холст в непрерывном пространстве соотношений и определять по следующему приоритету: явные пиксели или соотношения в подсказках, стандарты именования (бумага / печатные материалы / позиции платформы / реклама / устройства / фотография / кино), практики медиума, и только в последнюю очередь — вывод композиции. Поэтому, кроме распространенных 1:1, 4:5, 9:16, 21:9, также могут быть сохранены нестандартные соотношения, такие как 1.91:1, 1.85:1, 2.39:1, ISO бумага 1:√2; окончательный размер будет автоматически скорректирован до кратного 16 и пиксельного бюджета, поддерживаемого сервисом. Если автоматическое определение недоступно, будет возвращен стандартный формат модели, что не помешает генерации. Если поле size опущено, будет использован стандартный формат модели; если есть строгие требования к пикселям, рекомендуется напрямую передавать WIDTHxHEIGHT. Выход в 1K не гарантирует строгого выравнивания пикселей — вы передаете 1024x1024, но можете получить 1254x1254, соотношение остается неизменным. Если вы снова передадите это как size, оплата останется прежней. Однократный вызов 4K обычно требует 4–8 минут, рекомендуется использовать асинхронный обратный вызов с callback_url, упомянутым ниже.

О параметре n gpt-image-2 поддерживает n > 1 (значения от 1 до 10): один запрос может вернуть и выставить счет за соответствующее количество изображений. Чтобы результаты были различными, рекомендуется одновременно передавать разные prompt или seed. Это также применимо к gpt-image-1 / gpt-image-1.5, а также к сериям nano-banana / nano-banana-2-lite / nano-banana-2 / nano-banana-pro; dall-e-3 поддерживает только n = 1. Обратите внимание, что response_format=b64_json поддерживает только n=1, при n>1 используйте стандартный возврат URL. Если некоторые изображения не были сгенерированы, будут возвращены и выставлены счета только за успешные.

Ниже приведены несколько различных реальных примеров, чтобы наглядно продемонстрировать возможности gpt-image-2.

Сцена 1: Кинематографический портрет

В подсказках можно использовать кинотермины (35mm пленка, малая глубина резкости, неоновый свет и т.д.) для точного контроля атмосферы и текстуры. Пример кода на 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": "Кинематографический портрет молодой женщины, стоящей в магазине у дома ночью, освещенной мягкими розовыми и циановыми неоновыми вывесками через окно. Снято на 35mm пленку, малая глубина резкости, легкая зернистость, меланхоличное настроение.",
    "size": "1024x1536"
}

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

Возвращаемый результат:

{
  "success": true,
  "task_id": "ab58a5df-6f46-4874-bff6-93169e2849a3",
  "created": 1777048800,
  "data": [
    {
      "revised_prompt": "Кинематографический портрет молодой женщины, стоящей в магазине у дома ночью, освещенной мягкими розовыми и циановыми неоновыми вывесками через окно. Снято на 35mm пленку, малая глубина резкости, легкая зернистость, меланхоличное настроение.",
      "url": "https://platform.cdn.acedata.cloud/gpt-image/ab58a5df-6f46-4874-bff6-93169e2849a3_0.png"
    }
  ]
}

Сгенерированное изображение:

Сцена 2: Винтажный туристический постер (с текстовой отрисовкой)

gpt-image-2 стабильно показывает хорошие результаты в типографике и отрисовке шрифтов, что делает его идеальным для создания постеров, меню, открыток и других дизайнов с текстом.

payload = {
    "model": "gpt-image-2",
    "prompt": "Винтажный туристический постер побережья Амальфи, Италия. Стилизованная арт-деко иллюстрация желтых домов на скалах, спускающихся к бирюзовому морю, с маленькой белой парусной лодкой в гавани. Жирная типографика вверху гласит AMALFI, а внизу ITALIA 1958. Ограниченная цветовая палитра: кремовый, морской синий, лимонный желтый, терракотовый. Легкая текстура бумаги.",
    "size": "1024x1536"
}

Изображение по полю url в возвращаемом результате:

Можно увидеть, что модель не только точно воспроизвела визуальный стиль постера в стиле Арт Деко, но и текст заголовка AMALFI и ITALIA 1958 был четко и правильно отрисован.

Сцена 3: Сложная компоновка и подсчет

Следующая подсказка используется для тестирования способности модели следовать структурированным инструкциям, таким как “количество” и “расположение”.

payload = {
    "model": "gpt-image-2",
    "prompt": "Деревянная книжная полка, состоящая из трех полок: на верхней полке должна быть одна книга. На второй полке должно быть три книги. На нижней полке должно быть семь книг. Мягкое теплое освещение, фотореалистично, уютная библиотечная атмосфера.",
    "size": "1024x1024"
}

Сгенерированное изображение:

Можно увидеть, что количество книг на трех полках (1 / 3 / 7) полностью соответствует подсказке, что было трудно стабильно достичь в эпоху dall-e-3.

Сцена 4: Стиль иллюстрации (горизонтальный)

Указывая художественные средства и ключевые слова настроения, можно направить модель на создание стилизованных иллюстраций.

payload = {
    "model": "gpt-image-2",
    "prompt": "Мягкая, поэтическая иллюстрация детской книги с маленькой лисой, читающей книгу под светящимся грибом в лунном лесу. Текстура акварели и карандаша, нежные пастельные цвета, мечтательная атмосфера, ощущение ручной работы.",
    "size": "1536x1024"
}

Сгенерированная горизонтальная иллюстрация:

Асинхронный вызов и обратный вызов

gpt-image-2 обычно требует 60–90 секунд на один вызов. Если вы не хотите поддерживать долгое соединение, вы можете использовать механизм асинхронного обратного вызова callback_url, который будет работать так же, как и другие модели.

Серия моделей Nano Banana

Серия nano-banana основана на Gemini и подключена через тот же интерфейс /openai/images/generations, без необходимости переключать конечные точки, просто измените model на любое из приведенных ниже.

Модель	Оплата (Credits / раз)	Подходящие сценарии
`nano-banana`	0.14	Обычное создание изображений, самая быстрая и дешевая
`nano-banana-2-lite`	0.14	Легкая модель изображений Gemini 3.1, поддерживает только 1K, низкая задержка
`nano-banana-2`	0.28	Значительное улучшение качества и деталей
`nano-banana-pro`	0.35	Флагманская модель в серии, лучшее качество компоновки, деталей и текста

Важно: диапазон поддерживаемых параметров Nano Banana подключается к протоколу OpenAI через адаптер и, по сравнению с gpt-image-*, поддерживает только следующие параметры: model, prompt, size, n.

size будет отображаться в соответствии с внутренним aspect_ratio, не перечисленные размеры будут преобразованы в 1:1:

1024x1024 / 512x512 / 256x256 → 1:1

1792x1024 → 16:9

1024x1792 → 9:16

Не поддерживаются параметры quality, style, response_format, background, output_format и т.д.; если они указаны, будут проигнорированы. n > 1 поддерживается (1–10), будет возвращено и выставлено по количеству изображений.

Структура ответа соответствует формату OpenAI (data[].url), но created фиксирован на 0, и не будет возвращено b64_json, revised_prompt всегда равен исходному prompt.

Основной вызов

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": "маленькое красное яблоко на белом столе, фотореалистично",
    "size": "1024x1024"
}

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

Возвращаемый результат:

{
  "created": 0,
  "data": [
    {
      "url": "https://platform.cdn.acedata.cloud/nanobanana/6870b330-65c4-436c-bb80-819fdae7a7a4.png",
      "revised_prompt": "маленькое красное яблоко на белом столе, фотореалистично"
    }
  ]
}

Сгенерированное изображение можно получить напрямую по возвращенному полю url:

Обновите до флагманской модели `nano-banana-pro`

Просто измените model на nano-banana-pro, остальные параметры остаются прежними:

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

Пример ответа:

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

Асинхронный обратный вызов

Механизм асинхронного обратного вызова callback_url также работает для nano-banana, процесс вызова полностью аналогичен другим моделям, подробности смотрите в разделе Асинхронный обратный вызов.

Основное использование

Теперь вы можете заполнить соответствующие поля на интерфейсе, как показано на изображении:

При первом использовании этого интерфейса нам необходимо заполнить как минимум три поля: одно из них — authorization, его можно выбрать из выпадающего списка. Другой параметр — model, model — это категория модели, которую мы выбираем для использования на сайте OpenAI DALL-E, здесь у нас в основном 1 модель, подробности можно посмотреть в предоставленных моделях. Последний параметр — prompt, prompt — это подсказка, которую мы вводим для генерации изображения. Также вы можете заметить, что справа есть соответствующий сгенерированный код вызова, вы можете скопировать код и запустить его, или просто нажать кнопку «Попробовать» для тестирования.

Пример кода вызова на 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": "Милый детеныш морского выдры"
}

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

После вызова мы получаем следующий результат:

{
  "created": 1721626477,
  "data": [
    {
      "revised_prompt": "Очаровательное изображение, показывающее молодую морскую выдру, которая родилась коричневой, с широкими очаровательными глазами. Она с удовольствием лежит на спине, гребя в спокойных морских водах. Ее густая, бархатистая шерсть выглядит влажной и сверкающей, отражая суть ее среды обитания. Маленькое существо любопытно играет с морской ракушкой своими маленькими лапками, выглядя абсолютно невинным и очаровательным в своей естественной среде.",
      "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"
    }
  ]
}

Возвращаемый результат содержит несколько полей, описание которых следующее:

created, ID, созданный для этой генерации изображения, используется для уникальной идентификации этой задачи.
data, содержит информацию о результате генерации изображения.

Внутри data содержится конкретная информация о сгенерированном изображении, где url — это ссылка на детали сгенерированного изображения, как показано на изображении.

Параметр качества изображения `quality`

Теперь мы расскажем, как настроить некоторые детализированные параметры результата генерации изображения, среди которых параметр качества изображения quality включает два варианта: первый standard обозначает стандартное изображение, второй hd обозначает, что создаваемое изображение имеет более тонкие детали и большую согласованность. Ниже устанавливается параметр качества изображения на standard, конкретные настройки показаны на изображении:

Также вы можете заметить, что справа есть соответствующий сгенерированный код вызова, вы можете скопировать код и запустить его, или просто нажать кнопку «Попробовать» для тестирования.

Пример кода вызова на 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": "Милый детеныш морской выдры",
    "quality": "standard"
}

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

После вызова мы получаем следующий результат:

{
  "created": 1721636023,
  "data": [
    {
      "revised_prompt": "Милый детеныш морской выдры лежит игриво на спине в воде, его шерсть выглядит блестящей и мягкой. Одна из его крошечных лапок тянется любопытно, и на его лице выражение чистой радости и тепла, когда он смотрит на небо. Его тело окружено пузырьками от игривого вращения в воде. Легкий ветерок играет с его шерстью, делая его еще более очаровательным. Сцена изображает спокойствие и очарование морской жизни.",
      "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。

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。

Пример кода для вызова на 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": "Милый детеныш морского выдры",
    "response_format": "url"
}

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

После вызова мы обнаружили, что возвращаемый результат выглядит следующим образом:

{
  "created": 1721637575,
  "data": [
    {
      "revised_prompt": "Очаровательное изображение детеныша морской выдры. Выдра спокойно лежит на спине среди нежных, голубых океанских волн. Шерсть детеныша выдры — это милое сочетание мягких серовато-коричневых оттенков, слегка сверкающих на приглушенном солнечном свете. Его маленькие лапки приподняты к небу, как будто он играет с невидимым объектом. Его круглые, выразительные глаза широко открыты от любопытства, искрящиеся жизнью и невинностью. Используйте реалистичный стиль, чтобы передать естественную среду обитания выдры и ее очаровательную пушистую внешность.",
      "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"
    }
  ]
}

Возвращаемый результат соответствует основному использованию, можно увидеть, что формат параметра ссылки на изображение url для сгенерированного изображения — это URL изображения, который можно открыть напрямую, содержание изображения показано на следующем рисунке:

При аналогичной операции, просто изменив формат параметра ссылки на изображение на b64_json, можно получить результат с закодированной в Base64 ссылкой на изображение, конкретный результат показан на следующем рисунке:

{
  "created": 1721638071,
  "data": [
    {
      "b64_json": "iVBORw0..............v//AQEAAP4AAAD+AAADAQAAAwEEA/4D//8Q/Pbw64mKbVTFoQAAAABJRU5ErkJggg==",
      "revised_prompt": "Очаровательное изображение молодого детеныша морской выдры. Выдра нежно плавает на спокойном синем море, наслаждаясь теплыми, золотыми лучами солнечного света, проникающими с ясного неба сверху. Шерсть выдры — насыщенного шоколадного коричневого цвета, и она выглядит невероятно мягкой и пушистой. Глаза выдры яркие и выразительные, полные детского любопытства и радости. У нее маленькие, торчащие уши и носик, похожий на пуговку, что добавляет ей общей милоты. В море вокруг нее видны сверкающие капли воды, освеженные солнечным светом, зрелище, безусловно, восхитительное."
    }
  ]
}

Асинхронный обратный вызов

Поскольку время генерации изображений API OpenAI может быть относительно долгим, если API долго не отвечает, HTTP-запрос будет поддерживать соединение, что приведет к дополнительному расходу системных ресурсов, поэтому этот API также предоставляет поддержку асинхронных обратных вызовов. Общий процесс таков: когда клиент инициирует запрос, дополнительно указывается поле callback_url, после того как клиент инициирует API-запрос, API немедленно возвращает результат, содержащий информацию о поле task_id, представляющем текущий идентификатор задачи. Когда задача завершена, результат генерации изображения будет отправлен на указанный клиентом callback_url в формате POST JSON, который также включает поле task_id, таким образом, результат задачи можно связать по ID. Давайте рассмотрим пример, чтобы понять, как это работает. Во-первых, Webhook-обратный вызов — это служба, которая может принимать HTTP-запросы, разработчики должны заменить его на URL своего собственного HTTP-сервера. Для удобства демонстрации используется публичный сайт примеров Webhook https://webhook.site/, открыв этот сайт, вы получите URL Webhook, как показано на рисунке:

Скопировав этот URL, вы можете использовать его в качестве Webhook, пример здесь — https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab. Затем мы можем установить поле callback_url на указанный выше URL Webhook, а также заполнить соответствующие параметры, как показано в следующем коде:

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": "Милый детеныш морской выдры",
    "callback_url": "https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab"
}

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

Нажав “Запустить”, вы сразу получите результат, как показано ниже:

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

Через некоторое время мы можем наблюдать результат генерации изображения на URL Webhook, содержание выглядит следующим образом:

{
  "success": true,
  "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c",
  "trace_id": "9b4b1ff3-90f2-470f-b082-1061ec2948cc",
  "data": {
    "created": 1721626477,
    "data": [
      {
        "revised_prompt": "Очаровательное изображение, демонстрирующее молодую морскую выдру...",
        "url": "https://dalleprodsec.blob.core.windows.net/private/images/..."
      }
    ]
  }
}

Можно увидеть, что в результате есть поле task_id, поле data содержит такие же результаты генерации изображений, как и при синхронном вызове, с помощью поля task_id можно связать задачи.

Обработка ошибок

При вызове API, если возникнет ошибка, API вернет соответствующий код ошибки и информацию. Например:

400 token_mismatched：Неверный запрос, возможно, из-за отсутствующих или недействительных параметров.
400 api_not_implemented：Неверный запрос, возможно, из-за отсутствующих или недействительных параметров.
401 invalid_token：Неавторизован, недействительный или отсутствующий токен авторизации.
429 too_many_requests：Слишком много запросов, вы превысили лимит частоты.
500 api_error：Внутренняя ошибка сервера, что-то пошло не так на сервере.

Пример ошибки ответа

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

Заключение

С помощью этого документа вы узнали, как легко использовать функцию генерации изображений официального OpenAI DALL-E через OpenAI Images Generations API. Надеемся, что этот документ поможет вам лучше интегрировать и использовать этот API. Если у вас есть какие-либо вопросы, пожалуйста, не стесняйтесь обращаться в нашу техническую поддержку.

Начало работы

AI Чат

AI Изображение

AI Видео

AI Аудио

Веб и данные

CAPTCHA

Идентичность

Прокси

Продвинутый

Coding

OpenAI Images Generations API Заявка и использование

Процесс заявки

Модель GPT-Image-2

Варианты маршрутов (`:official` / `:reverse`)

Поддерживаемые значения `size`

Сцена 1: Кинематографический портрет

Сцена 2: Винтажный туристический постер (с текстовой отрисовкой)

Сцена 3: Сложная компоновка и подсчет

Сцена 4: Стиль иллюстрации (горизонтальный)

Асинхронный вызов и обратный вызов

Серия моделей Nano Banana

Основной вызов

Обновите до флагманской модели `nano-banana-pro`

Асинхронный обратный вызов

Основное использование

Параметр качества изображения `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`

Асинхронный обратный вызов

Обработка ошибок

Пример ошибки ответа

Заключение

​Процесс заявки

​Модель GPT-Image-2

​Варианты маршрутов (:official / :reverse)

​Поддерживаемые значения size

​Сцена 1: Кинематографический портрет

​Сцена 2: Винтажный туристический постер (с текстовой отрисовкой)

​Сцена 3: Сложная компоновка и подсчет

​Сцена 4: Стиль иллюстрации (горизонтальный)

​Асинхронный вызов и обратный вызов

​Серия моделей Nano Banana

​Основной вызов

​Обновите до флагманской модели nano-banana-pro

​Асинхронный обратный вызов

​Основное использование

​Параметр качества изображения 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

​Асинхронный обратный вызов

​Обработка ошибок

​Пример ошибки ответа

​Заключение

Процесс заявки

Модель GPT-Image-2

Варианты маршрутов (`:official` / `:reverse`)

Поддерживаемые значения `size`

Сцена 1: Кинематографический портрет

Сцена 2: Винтажный туристический постер (с текстовой отрисовкой)

Сцена 3: Сложная компоновка и подсчет

Сцена 4: Стиль иллюстрации (горизонтальный)

Асинхронный вызов и обратный вызов

Серия моделей Nano Banana

Основной вызов

Обновите до флагманской модели `nano-banana-pro`

Асинхронный обратный вызов

Основное использование

Параметр качества изображения `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`

Асинхронный обратный вызов

Обработка ошибок

Пример ошибки ответа

Заключение