
文字轉圖片
從文字提示詞建立 AI 圖片
透過 OpenAI GPT Image 2 Edit Client API 進行靈活的圖片編輯,支援多張輸入圖片、品質控制,以及適合創意團隊的高性價比方案。適合開發者與團隊接入圖片、影片或多模態生成流程。你可以先體驗核心效果,再用於創意設計、行銷素材、批次內容生產與自動化工作流程。在測試提示詞、參數組合與視覺風格時,協助更快取得穩定且有吸引力的輸出。
此模型目前為體驗版,穩定性可能不如標準版本。
立即體驗 AI 圖片生成器
| 參數 | 價格 | 原價 | 折扣 |
|---|
OpenAI 的 GPT Image 2 Edit Client API 為開發者與創意團隊提供高性價比、可用於生產環境的 AI 圖像編輯能力。這個專業圖像編輯 API 整合可幫助你透過自然語言指令轉換既有視覺內容,同時保留場景一致性、風格穩定性與設計意圖。GPT Image 2 Edit Client 建立於 OpenAI 最新的 GPT 圖像編輯技術堆疊之上,結合語義多模態推理、彈性的品質控制與多圖輸入支援,可在 Flaq AI 上實現可擴展的編輯工作流程。
注意 請確保你的提示詞符合 OpenAI 的使用政策。若發生錯誤,請檢查提示詞是否包含受限內容,調整後再試。
GPT Image 2 Edit Client vs. GPT Image 2 Edit
GPT Image 2 Edit 與 GPT Image 2 Edit Client 在語義控制、多圖支援與生產可用性方面具備相同的核心編輯優勢。GPT Image 2 Edit Client 的定位是一個非常實惠的選項,適合想在維持整體編輯工作流程不變的同時,獲得更高成本效率的團隊。
GPT Image 2 Edit Client vs. Runway Gen-4 References
Runway Gen-4 References 更適合電影感的參考圖驅動創作與風格化工作流程。GPT Image 2 Edit Client API 的差異化優勢在於靈活的多圖編輯、可靠的指令遵循能力,以及適合實際生產使用、非常實惠的 API 化編輯流程。
GPT Image 2 Edit Client vs. Stable Image Edit
Stable Image Edit 更吸引希望擁有開放生態靈活性與自訂能力的團隊。GPT Image 2 Edit Client 提供成熟的語義編輯表現、開箱即用的高品質輸出,以及一套非常實惠的工作流程,適合想在不承擔基礎設施成本下取得可靠編輯能力的團隊。
GPT Image 2 Edit Client vs. Qwen Image 2.0 Edit
Qwen Image 2.0 Edit 是一個重視性價比且具備多語言優勢的強大編輯模型。GPT Image 2 Edit Client API 則憑藉 OpenAI 更成熟的指令遵循能力、穩健的多圖工作流程支援,以及非常實惠、面向設計流程的編輯體驗而脫穎而出。
GPT Image 2 Edit Client vs. Seedream 4.5 Edit
Seedream 4.5 Edit 專注於高端、強風格化的編輯工作流程。GPT Image 2 Edit Client 則提供一個非常實惠的編輯選項,具備靈活的多圖支援與可靠的 API 化部署能力,可用於可擴展的內容生產流程。
在瀏覽器中探索多種 AI 創作工具,快速完成圖片與影片工作流程,然後透過 Flaq AI 的生產級模型 API 擴展成功想法。Flaq AI 為所有模型提供統一 API 層,讓你的工作流程更容易使用和擴展。
// 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-client',
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;
// 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));
}
# 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-client',
'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']
# 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)
# 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-client",
"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"]
}'
# 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"