OpenAI/gpt-image-2-edit

gpt-image-2-edit

複数画像入力と品質制御に対応した OpenAI GPT Image 2 Edit API による柔軟な画像編集。安定しており、スケーラブルな編集ワークロードに適した価格です。開発者やチームが画像、動画、またはマルチモーダル生成フローへ接続しやすいモデルです。まず生成効果を試し、デザイン、広告素材、バッチ制作、自動化されたコンテンツワークフローに活用できます。

Image to ImageMulti-Image

GPT Image 2 Editの料金

パラメータ	料金	元の料金	割引

解像度: 4k品質: high	$0.5280 / 画像	$0.6600 / 画像	80%
解像度: 4k品質: low	$0.0720 / 画像	$0.0900 / 画像	80%
解像度: 4k品質: medium	$0.1440 / 画像	$0.1800 / 画像	80%
解像度: 2k品質: high	$0.3520 / 画像	$0.4400 / 画像	80%
解像度: 2k品質: low	$0.0480 / 画像	$0.0600 / 画像	80%
解像度: 2k品質: medium	$0.0960 / 画像	$0.1200 / 画像	80%
解像度: 1k品質: high	$0.1760 / 画像	$0.2200 / 画像	80%
解像度: 1k品質: low	$0.0240 / 画像	$0.0300 / 画像	80%
解像度: 1k品質: medium	$0.0480 / 画像	$0.0600 / 画像	80%

例

README

高速で高コスパな GPT Image 2 Edit API（OpenAI の高度な画像編集統合）

OpenAI の GPT Image 2 Edit API は、開発者やクリエイティブチーム向けに、コスト効率が高く本番運用に対応した AI 画像編集を提供します。このプロフェッショナル向け画像編集 API 統合により、シーンの一貫性、スタイルの整合性、デザイン意図を保ちながら、自然言語の指示で既存ビジュアルを変換できます。OpenAI 最新の GPT 画像編集スタック上に構築された GPT Image 2 Edit は、意味理解に基づくマルチモーダル推論、柔軟な品質制御、複数画像入力サポートを組み合わせ、Flaq AI 上で拡張可能な編集ワークフローを実現します。

GPT Image 2 Edit API の主な特長

指示ベースのプロフェッショナル画像編集: 自然言語プロンプトで既存ビジュアルを変換し、未編集領域を保持しながら、シーンの整合性を維持し、GPT Image 2 Edit API 統合によって正確な画像修正を実現します。
複数画像入力サポート: 1 つのワークフローで複数のソース画像を使って編集でき、参照ベースの構図、スタイルブレンド、レイアウト制御、より高度な image-to-image 編集シナリオに対応します。
柔軟な品質制御: 複数の品質モードから選択でき、コンセプト開発、コンテンツ反復、プロ品質の納品における編集速度と出力品質の要件に合わせられます。
文脈を理解するセマンティック編集: OpenAI のマルチモーダル画像推論により、オブジェクト、光、遠近感、空間関係を深く理解し、狙ったビジュアル変更を行えます。
スタイルとアイデンティティの保持: 背景、ディテール、カラーグレーディング、オブジェクトを調整しながら、ブランドの一貫性、キャラクターの同一性、元のビジュアルトーンを維持します。
プラットフォーム向けアスペクト比対応: 広告、商品ビジュアル、ランディングページ、SNS フォーマット向けに複数のアスペクト比で編集画像を出力できます。

Flaq AI で GPT Image 2 Edit API を使ってプロフェッショナルな画像編集を行う方法

入力: 既存画像と、希望する変更、調整、変換内容を説明する自然言語の編集プロンプト。
出力: GPT Image 2 Edit API 統合を通じて、安全な CDN URL で配信される高解像度の編集画像。
アスペクト比: さまざまな編集および公開シナリオに対応する複数のアスペクト比をサポート。
品質オプション: 速度と出力要件に応じた複数の品質設定をサポート。
画像入力: 複数画像編集シナリオを含む画像入力ワークフローをサポート。
機能: OpenAI GPT Image 2 Edit API 統合により、プロンプトベースの編集、複数画像編集、背景置換、オブジェクト調整、スタイル変換、構図調整、アイデンティティ保持型の変換をサポートします。

GPT Image 2 Edit API 統合の最適なユースケース

マーケティングとブランディング: GPT Image 2 Edit API ワークフローを通じて、精密な指示ベース画像編集でキャンペーン素材を更新し、ビジュアルをローカライズし、ブランドクリエイティブを調整できます。
商品写真の最適化: 大規模な再撮影を行わずに、背景、小物、照明、シーンディテールを更新し、カタログ向けの商品画像を作成できます。
SNS コンテンツ制作: 異なるプラットフォーム向けに複数の編集画像バリエーションを作成しつつ、スタイル、トーン、ブランドアイデンティティを一貫して維持できます。
プロフェッショナルなデザイン反復: 単一画像および複数画像ワークフローに対応する、制御可能なプロンプト駆動型編集により、デザインレビューとコンセプト洗練を加速します。
参照ガイド型クリエイティブ編集: 複数画像入力サポートにより、複数のソース画像をブレンドし、重要なビジュアル要素を保持しながら、拡張可能な OpenAI 編集統合で構図変更を導きます。

注記プロンプトが OpenAI の利用ポリシーに準拠していることを確認してください。エラーが発生した場合は、制限された内容が含まれていないか確認し、調整してから再試行してください。

GPT Image 2 Edit と競合モデルの比較分析

GPT Image 2 Edit vs. GPT Image 2 Edit Client
GPT Image 2 Edit Client は、同じ中核的な画像編集機能を提供しつつ、コスト効率を重視するチーム向けに非常に手頃なアクセス経路を提供します。GPT Image 2 Edit は、強力なセマンティック編集、複数画像ワークフロー対応、本番向けの編集適性を同様に維持しており、予算上の優先度に応じてどちらのバリアントもプロ向け編集パイプラインに適しています。
GPT Image 2 Edit vs. Runway Gen-4 References
Runway Gen-4 References は、シネマティックで参照駆動型のビジュアルワークフローに強みがあります。GPT Image 2 Edit API は、柔軟な複数画像編集、安定した指示追従、高効率な API ベース編集によって、実運用での使いやすさを差別化要素としています。
GPT Image 2 Edit vs. Stable Image Edit
Stable Image Edit は高いカスタマイズ性とオープンなエコシステムの魅力を持っています。GPT Image 2 Edit は、インフラ負担を増やさずに信頼できる編集機能を求めるチーム向けに、低摩擦な API 統合、洗練されたセマンティック編集挙動、強力な初期品質を提供します。
GPT Image 2 Edit vs. Qwen Image 2.0 Edit
Qwen Image 2.0 Edit は、多言語対応に強みを持つ高コスパな編集モデルです。GPT Image 2 Edit API は、OpenAI の洗練された指示追従、堅牢な複数画像ワークフロー対応、設計志向の安定した編集制御によって際立っています。
GPT Image 2 Edit vs. Nano Banana 2 Edit
Nano Banana 2 Edit は、Gemini Flash の速度と手頃な編集スループットを重視しています。GPT Image 2 Edit は、洗練されたセマンティック編集、柔軟な複数画像構図、そしてプロ向け編集パイプラインのための強力な OpenAI ワークフロー統合に重点を置いています。

API 例

JavaScriptPythoncURL

送信例

// Step 1: Submit generation request
const response = await fetch('https://api.flaq.ai/api/v1/image/task', {
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer YOUR_API_KEY'
  },
  body: JSON.stringify({
    model_name: 'gpt-image-2-edit',
    width: 1,
    height: 1,
    resolution: '1k',
    prompt: 'Change the jacket color to deep navy, keep lighting consistent',
    quality: 'medium',
    image_url_list: ['https://example.com/source.jpg']
  })
});

const { data } = await response.json();
const taskId = data.task_id;

ポーリング例

// Step 2: Poll for results
const taskId = data.task_id;

const pollResult = async (taskId) => {
  const res = await fetch(`https://api.flaq.ai/api/v1/image/${taskId}`, {
    headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
  });
  return res.json();
};

while (true) {
  const pollResultData = await pollResult(taskId);
  const status = pollResultData.data.task_status;

  if (status === 'succeed') {
    console.log(pollResultData.data.task_result.images[0].url);
    break;
  }

  if (status === 'failed') {
    console.error(pollResultData.data.task_status_msg);
    break;
  }

  await new Promise(resolve => setTimeout(resolve, 10000));
}

送信例

# Step 1: Submit generation request
import requests

response = requests.post(
    'https://api.flaq.ai/api/v1/image/task',
    headers={
        'Content-Type': 'application/json',
        'Authorization': 'Bearer YOUR_API_KEY'
    },
    json={
        'model_name': 'gpt-image-2-edit',
        'width': 1,
        'height': 1,
        'resolution': '1k',
        'prompt': 'Change the jacket color to deep navy, keep lighting consistent',
        'quality': 'medium',
        'image_url_list': ['https://example.com/source.jpg']
    }
)

task_id = response.json()['data']['task_id']

ポーリング例

# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/image/{task_id}"

while True:
    poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
    status = poll_result['data']['task_status']
    if status == 'succeed':
        print(poll_result['data']['task_result']['images'][0]['url'])
        break
    if status == 'failed':
        print(poll_result['data']['task_status_msg'])
        break
    time.sleep(10)

送信例

# Step 1: Submit generation request
curl -X POST https://api.flaq.ai/api/v1/image/task \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model_name": "gpt-image-2-edit",
    "width": 1,
    "height": 1,
    "resolution": "1k",
    "prompt": "Change the jacket color to deep navy, keep lighting consistent",
    "quality": "medium",
    "image_url_list": ["https://example.com/source.jpg"]
  }'

ポーリング例

# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/image/{task_id}" \
  -H "Authorization: Bearer YOUR_API_KEY"