OpenAI Images Generations API Beantragung und Nutzung

Die OpenAI Images Generations API unterstützt derzeit verschiedene Bildgenerierungsmodelle, darunter das klassische dall-e-3, das textlich stärkere gpt-image-1, die neueste Generation gpt-image-2 sowie die über dieselbe Schnittstelle angebundenen Modelle der nano-banana / nano-banana-2 / nano-banana-pro Serie. Alle können hochwertige Bilder basierend auf Textbeschreibungen erzeugen. Dieses Dokument beschreibt hauptsächlich den Nutzungsprozess der OpenAI Images Generations API, mit der wir die Bildgenerierungsfunktionen der OpenAI-Serie einfach verwenden können.

Beantragungsprozess

Um die OpenAI Images Generations API zu nutzen, können Sie zunächst auf der Seite OpenAI Images Generations API den Button „Acquire“ anklicken, um die für Anfragen benötigten Zugangsdaten zu erhalten: Falls Sie noch nicht eingeloggt oder registriert sind, werden Sie automatisch zur Login-Seite weitergeleitet, um sich zu registrieren und anzumelden. Nach der Anmeldung kehren Sie automatisch zur aktuellen Seite zurück. Bei der ersten Beantragung erhalten Sie ein kostenloses Kontingent, mit dem Sie die API kostenlos nutzen können.

GPT-Image-2 Modell

gpt-image-2 ist das von OpenAI eingeführte neue Bildgenerierungsmodell, das im Vergleich zu dall-e-3 und gpt-image-1 folgende deutliche Verbesserungen bietet:

Stärkere Befehlsbefolgung: Kann komplexe Kompositionen, Zählungen, Positionsbeziehungen und andere strukturierte Anweisungen präzise verstehen.
Klarere Textrendering: In Szenarien wie Poster, Menüs, Infografiken und Logos werden englische Texte und Zahlen nahezu fehlerfrei dargestellt.
Vielfältigere Stilwiedergabe: Unterstützt nativ verschiedene Stile wie kinoreife Porträts, Retro-Poster, Kinderillustrationen, Produktfotografie, Infografiken usw.
Native Unterstützung mehrerer Seitenverhältnisse + hohe Auflösung: Deckt 5 Seitenverhältnisse (1:1, 4:3, 3:4, 16:9, 9:16) mit je 3 Auflösungsstufen (1K / 2K / 4K) ab.

Die Aufrufweise ist identisch zu anderen Modellen, es muss lediglich das Feld model auf gpt-image-2 gesetzt werden. Die im Ergebnis zurückgegebene url ist ein dauerhaft auf platform.cdn.acedata.cloud gehosteter Bildlink, der direkt im Browser geöffnet oder in Webseiten eingebettet werden kann.

Unterstützte `size` Werte

gpt-image-2 prüft nur das Format von size. Solange es nicht auto oder leer ist, muss es dem Muster WIDTHxHEIGHT entsprechen (z.B. 1024x1024, 2048x1152, 800x600); jede andere Form führt zu einem 400-Fehler. Alle Größen (1K / 2K / 4K / benutzerdefiniert) werden pro Bild einheitlich abgerechnet, es gibt keine Aufpreisstaffelung nach Größe. Obere Einschränkungen für benutzerdefinierte Größen: Breite und Höhe müssen Vielfache von 16 sein, die längste Seite ≤ 3840, Gesamtpixel ≤ 8.294.400. Überschreitungen werden vom Backend abgelehnt und mit 4xx zurückgegeben.

Seitenverhältnis	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, dann wählt das Modell die Standardgröße selbst. Bei 1K-Ausgabe garantiert das Backend keine exakte Pixelgenauigkeit – Sie senden z.B. 1024x1024, erhalten aber evtl. 1254x1254, das Seitenverhältnis bleibt erhalten. Wenn Sie diesen Wert erneut als size übergeben, bleibt die Abrechnung unverändert. Ein 4K-Aufruf dauert in der Regel 4–8 Minuten, daher empfiehlt sich die Verwendung der weiter unten beschriebenen asynchronen callback_url.

Zum Parameter n gpt-image-2 unterstützt derzeit kein n > 1: Dieser Parameter wird stillschweigend ignoriert. Egal ob n=1 oder n=10 gesendet wird, es wird immer nur 1 Bild pro Anfrage zurückgegeben und auch nur 1 Bild berechnet. Wenn Sie mehrere Kandidatenbilder benötigen, starten Sie bitte mehrere parallele Anfragen (empfohlen wird, unterschiedliche prompt oder seed zu verwenden, da sonst die Bilder sehr ähnlich sein können). Diese Einschränkung gilt auch für gpt-image-1 / gpt-image-1.5 sowie die nano-banana / nano-banana-2 / nano-banana-pro Serie. dall-e-2 ist aktuell das einzige Modell mit nativer Unterstützung für n > 1; dall-e-3 unterstützt nur n = 1.

Im Folgenden einige reale Beispiele, um die Fähigkeiten von gpt-image-2 anschaulich zu demonstrieren.

Szenario 1: Kinoreifes Porträt

Im Prompt können Filmbegriffe (35mm Film, geringe Schärfentiefe, Neonlicht etc.) verwendet werden, um Atmosphäre und Textur präzise zu steuern. Python Beispielcode:

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": "A cinematic portrait of a young woman standing in a convenience store at night, illuminated by soft pink and cyan neon signs through the window. Shot on 35mm film, shallow depth of field, slight grain, melancholic mood.",
    "size": "1024x1536"
}

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

Rückgabe:

{
  "success": true,
  "task_id": "ab58a5df-6f46-4874-bff6-93169e2849a3",
  "created": 1777048800,
  "data": [
    {
      "revised_prompt": "A cinematic portrait of a young woman standing in a convenience store at night, illuminated by soft pink and cyan neon signs through the window. Shot on 35mm film, shallow depth of field, slight grain, melancholic mood.",
      "url": "https://platform.cdn.acedata.cloud/gpt-image/ab58a5df-6f46-4874-bff6-93169e2849a3_0.png"
    }
  ]
}

Generiertes Bild:

Szenario 2: Retro-Reiseposter (mit Textrendering)

gpt-image-2 zeigt stabile Leistung bei Layout und Schrift, ideal für Poster, Menüs, Grußkarten mit Text.

payload = {
    "model": "gpt-image-2",
    "prompt": "A vintage travel poster of the Amalfi Coast, Italy. Stylized art-deco illustration of cliffside lemon-yellow houses cascading down to a turquoise sea, with a small white sailboat in the harbor. Bold typography at the top reads AMALFI and at the bottom ITALIA 1958. Limited color palette: cream, sea-blue, lemon yellow, terracotta. Slight paper-grain texture.",
    "size": "1024x1536"
}

Bild zum url-Feld:

Das Modell reproduziert den Art-Deco-Stil präzise, die Titeltexte AMALFI und ITALIA 1958 sind klar und korrekt gerendert.

Szenario 3: Komplexe Komposition und Zählung

Dieser Prompt testet die Befolgung strukturierter Anweisungen zu „Anzahl“ und „Position“.

payload = {
    "model": "gpt-image-2",
    "prompt": "A wooden bookshelf consisting of three shelves: On the top shelf, there should be one book. On the second shelf, there should be three books. On the bottom shelf, there should be seven books. Soft warm lighting, photorealistic, cozy library atmosphere.",
    "size": "1024x1024"
}

Generiertes Bild:

Die Anzahl der Bücher auf den drei Regalbrettern (1 / 3 / 7) stimmt exakt mit dem Prompt überein – eine Leistung, die in der dall-e-3-Ära schwer stabil zu erreichen war.

Szenario 4: Illustrationsstil (Querformat)

Durch Angabe von künstlerischen Medien und Stimmungswörtern kann das Modell zu stilisierten Illustrationen geführt werden.

payload = {
    "model": "gpt-image-2",
    "prompt": "A soft, poetic children's book illustration of a small fox reading a book under a glowing mushroom in a moonlit forest. Watercolor and pencil texture, gentle pastel colors, dreamy atmosphere, hand-drawn feel.",
    "size": "1536x1024"
}

Generierte Querformat-Illustration:

Asynchron und Callback

Ein einzelner gpt-image-2 Aufruf dauert typischerweise 60–90 Sekunden. Wenn Sie keine lange Verbindung offen halten möchten, können Sie die weiter unten beschriebene asynchrone callback_url-Methode verwenden. Der Aufrufprozess ist identisch zu anderen Modellen.

Nano Banana Serie Modelle

Die nano-banana Serie basiert auf dem Gemini-Bildgenerierungsmodell und ist über denselben /openai/images/generations Endpunkt angebunden. Sie müssen nur das Feld model auf eines der folgenden Modelle ändern.

Modell	Abrechnung (Credits / Anfrage)	Anwendungsbereich
`nano-banana`	0.14	Normale Bildgenerierung, schnellste und günstigste Option
`nano-banana-2`	0.28	Deutlich verbesserte Qualität und Details
`nano-banana-pro`	0.35	Flaggschiff-Modell der Serie, beste Komposition, Details und Textdarstellung

Wichtige Hinweise zu unterstützten Parametern Nano Banana nutzt eine Adaptionsschicht für das OpenAI-Protokoll und unterstützt im Vergleich zu gpt-image-* nur folgende Parameter: model, prompt, size.

size wird intern gemäß folgender Tabelle auf aspect_ratio abgebildet, nicht gelistete Größen fallen auf 1:1 zurück:

1024x1024 / 512x512 / 256x256 → 1:1

1792x1024 → 16:9

1024x1792 → 9:16

Parameter wie n, quality, style, response_format, background, output_format werden nicht unterstützt und ignoriert.

Die Rückgabe folgt dem OpenAI-Format (data[].url), created ist immer 0, b64_json wird nicht zurückgegeben, revised_prompt entspricht immer dem Original-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": "a small red apple on a white table, photoreal",
    "size": "1024x1024"
}

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

Beispielantwort:

{
  "created": 0,
  "data": [
    {
      "url": "https://platform.cdn.acedata.cloud/nanobanana/6870b330-65c4-436c-bb80-819fdae7a7a4.png",
      "revised_prompt": "a small red apple on a white table, photoreal"
    }
  ]
}

Das generierte Bild kann direkt über die zurückgegebene url aufgerufen werden:

Upgrade zum Flaggschiff-Modell `nano-banana-pro`

Ändern Sie einfach model auf nano-banana-pro, die übrigen Parameter bleiben gleich:

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"
    }
  ]
}

Asynchroner Callback

Die callback_url-Methode für asynchrone Rückrufe funktioniert auch mit nano-banana, der Ablauf ist identisch zu anderen Modellen, siehe Abschnitt Asynchroner Callback.

Grundlegende Nutzung

Sie können nun im Interface die entsprechenden Inhalte eingeben, wie im Bild gezeigt:

Beim ersten Gebrauch dieser Schnittstelle müssen mindestens drei Inhalte ausgefüllt werden: authorization, das Sie direkt aus der Dropdown-Liste auswählen können; model, das die OpenAI DALL-E Modellkategorie bestimmt (hier steht vor allem ein Modell zur Verfügung, Details siehe unsere Modellübersicht); und prompt, der Eingabetext für die Bildgenerierung. Auf der rechten Seite sehen Sie den generierten Beispielcode, den Sie direkt kopieren und ausführen können, oder Sie klicken auf den Button „Try“, um die Anfrage zu testen.

Python Beispielcode:

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 erhalten Sie folgende Antwort:

{
  "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 Antwort enthält mehrere Felder:

created: ID der Bildgenerierung, eindeutig für diese Aufgabe.
data: Enthält die Ergebnisse der Bildgenerierung.

Im Feld data finden Sie die Details zum generierten Bild, insbesondere das url-Feld mit dem Bildlink, wie im Bild dargestellt.

Bildqualitätsparameter `quality`

Als nächstes wird erklärt, wie man detaillierte Parameter für die Bildgenerierung einstellt. Der Bildqualitätsparameter quality hat zwei Werte: standard für Standardbilder und hd für Bilder mit feineren Details und höherer Konsistenz. Hier wird quality auf standard gesetzt, wie im Bild gezeigt:

Auf der rechten Seite sehen Sie den generierten Beispielcode, den Sie direkt kopieren und ausführen oder mit „Try“ testen können.

Python Beispielcode:

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)

Antwort:

{
  "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"
    }
  ]
}

Das Ergebnis entspricht der Grundnutzung. Das Bild mit quality = standard sieht wie folgt aus:

Bei gleicher Vorgehensweise, aber mit quality = hd, erhalten Sie folgendes Bild:

hd erzeugt Bilder mit feineren Details und höherer Konsistenz als standard.

Bildgrößenparameter `size`

Sie können auch die Bildgröße einstellen. Hier wird die Größe auf 1024 * 1024 gesetzt, wie im Bild dargestellt:

Der rechts angezeigte Beispielcode kann kopiert oder mit „Try“ getestet werden.

Python Beispielcode:

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)

Antwort:

{
  "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"
    }
  ]
}

Das Ergebnis entspricht der Grundnutzung. Das Bild mit der Größe 1024 * 1024 sieht so aus:

Bei gleicher Vorgehensweise, aber mit der Größe 1792 * 1024, erhalten Sie folgendes Bild: Die Bildgröße ist deutlich unterschiedlich. Weitere Größen sind möglich, Details finden Sie in unserer offiziellen Dokumentation.

Bildstilparameter `style`

Der Bildstilparameter style hat zwei Werte: vivid für lebendigere Bilder und natural für natürlichere Bilder. Hier wird style auf vivid gesetzt, wie im Bild gezeigt:

Der rechts angezeigte Beispielcode kann kopiert oder mit „Try“ getestet werden.

Python Beispielcode:

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)

Antwort:

{
  "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"
    }
  ]
}

Das Ergebnis entspricht der Grundnutzung. Das Bild mit style = vivid sieht so aus:

Bei gleicher Vorgehensweise, aber mit style = natural, erhalten Sie folgendes Bild:

vivid erzeugt lebendigere und realistischere Bilder als natural.

Bildlink-Formatparameter `response_format`

Der letzte Parameter response_format hat zwei Werte: b64_json für Base64-kodierte Bilddaten und url für normale Bild-URLs, die direkt angezeigt werden können. Hier wird response_format auf url gesetzt, wie im Bild gezeigt:

Der rechts angezeigte Beispielcode kann kopiert oder mit „Try“ getestet werden.

Python Beispielcode:

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_format": "url"
}

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

Antwort:

{
  "created": 1721637575,
  "data": [
    {
      "revised_prompt": "A charming depiction of a baby sea otter. The otter is seen resting serenely on its back amidst the gentle, blue ocean waves. The baby otter's fur is an endearing mix of soft greyish brown shades, glinting subtly in the muted sunlight. Its small paws are touching, lifted slightly towards the sky as if playing with an unseen object. Its round, expressive eyes are wide in curiosity, sparking with life and innocence. Use a realistic style to evoke the otter's natural habitat and its adorably fluffy exterior.",
      "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 Ergebnis entspricht der Grundnutzung. Der Bildlink mit response_format = url ist Bild URL und kann direkt aufgerufen werden. Das Bild sieht so aus:

Bei gleicher Vorgehensweise, aber mit response_format = b64_json, erhalten Sie Base64-kodierte Bilddaten, z.B.:

{
  "created": 1721638071,
  "data": [
    {
      "b64_json": "iVBORw0..............v//AQEAAP4AAAD+AAADAQAAAwEEA/4D//8Q/Pbw64mKbVTFoQAAAABJRU5ErkJggg==",
      "revised_prompt": "A charming image of a young baby sea otter. The otter is gently floating on a calm blue sea, basking in the warm, golden rays of sunlight streaming down from a clear sky above. The otter's fur is a rich chocolate brown, and it looks incredibly soft and fluffy. The otter's eyes are bright and expressive, filled with childlike curiosity and joy. It has small, pricked ears and a button-like nose which adds to its overall cuteness. In the sea around it, twinkling droplets of water can be seen, pepped up by the sunlight, the sight is certainly a delightful one."
    }
  ]
}

Asynchroner Callback

Da die Bildgenerierung mit der OpenAI Images Generations API relativ lange dauern kann, würde eine lange Wartezeit auf die API-Antwort die HTTP-Verbindung offen halten und Systemressourcen binden. Deshalb unterstützt die API auch asynchrone Callbacks. Der Ablauf ist: Der Client sendet bei der Anfrage zusätzlich ein Feld callback_url. Die API antwortet sofort mit einem Ergebnis, das ein task_id enthält, welches die aktuelle Aufgabe identifiziert. Nach Abschluss der Bildgenerierung sendet die API die Ergebnisse per POST-JSON an die angegebene callback_url, inklusive des task_id, sodass die Aufgabe eindeutig zugeordnet werden kann. Im Folgenden ein Beispiel zur Veranschaulichung. Zunächst ist der Webhook ein HTTP-Dienst, der Anfragen empfangen kann. Entwickler sollten hier ihre eigene HTTP-Server-URL verwenden. Für die Demo nutzen wir die öffentliche Webhook-Seite https://webhook.site/, die eine Webhook-URL bereitstellt, wie im Bild gezeigt: Diese URL kopieren Sie und verwenden sie als Webhook. Beispiel: https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab. Dann setzen Sie das Feld callback_url auf diese Webhook-URL und senden die Anfrage, z.B.:

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

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

Nach dem Aufruf erhalten Sie sofort eine Antwort wie:

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

Nach kurzer Wartezeit sehen Sie auf der Webhook-Seite das Ergebnis der Bildgenerierung, z.B.:

{
  "success": true,
  "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c",
  "trace_id": "9b4b1ff3-90f2-470f-b082-1061ec2948cc",
  "data": {
    "created": 1721626477,
    "data": [
      {
        "revised_prompt": "A delightful image showcasing a young sea otter...",
        "url": "https://dalleprodsec.blob.core.windows.net/private/images/..."
      }
    ]
  }
}

Das Ergebnis enthält ein task_id-Feld und ein data-Feld mit denselben Bildgenerierungsergebnissen wie bei synchronem Aufruf. Über task_id können Sie die Aufgabe eindeutig zuordnen.

Fehlerbehandlung

Wenn bei der API-Nutzung Fehler auftreten, liefert die API entsprechende Fehlercodes und Meldungen, z.B.:

400 token_mismatched: Ungültige Anfrage, evtl. fehlende oder falsche Parameter.
400 api_not_implemented: Ungültige Anfrage, evtl. fehlende oder falsche Parameter.
401 invalid_token: Nicht autorisiert, ungültiger oder fehlender Token.
429 too_many_requests: Zu viele Anfragen, Limit überschritten.
500 api_error: Interner Serverfehler.

Beispiel für Fehlerantwort

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

Fazit

Mit diesem Dokument haben Sie gelernt, wie Sie die OpenAI Images Generations API nutzen, um die offiziellen OpenAI DALL-E Bildgenerierungsfunktionen einfach zu verwenden. Wir hoffen, dass dieses Dokument Ihnen bei der Integration und Nutzung der API hilft. 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 Beantragung und Nutzung

Beantragungsprozess

GPT-Image-2 Modell

Unterstützte `size` Werte

Szenario 1: Kinoreifes Porträt

Szenario 2: Retro-Reiseposter (mit Textrendering)

Szenario 3: Komplexe Komposition und Zählung

Szenario 4: Illustrationsstil (Querformat)

Asynchron und Callback

Nano Banana Serie Modelle

Grundlegender Aufruf

Upgrade zum Flaggschiff-Modell `nano-banana-pro`

Asynchroner Callback

Grundlegende Nutzung

Bildqualitätsparameter `quality`

Bildgrößenparameter `size`

Bildstilparameter `style`

Bildlink-Formatparameter `response_format`

Asynchroner Callback

Fehlerbehandlung

Beispiel für Fehlerantwort

Fazit

​Beantragungsprozess

​GPT-Image-2 Modell

​Unterstützte size Werte

​Szenario 1: Kinoreifes Porträt

​Szenario 2: Retro-Reiseposter (mit Textrendering)

​Szenario 3: Komplexe Komposition und Zählung

​Szenario 4: Illustrationsstil (Querformat)

​Asynchron und Callback

​Nano Banana Serie Modelle

​Grundlegender Aufruf

​Upgrade zum Flaggschiff-Modell nano-banana-pro

​Asynchroner Callback

​Grundlegende Nutzung

​Bildqualitätsparameter quality

​Bildgrößenparameter size

​Bildstilparameter style

​Bildlink-Formatparameter response_format

​Asynchroner Callback

​Fehlerbehandlung

​Beispiel für Fehlerantwort

​Fazit

Beantragungsprozess

GPT-Image-2 Modell

Unterstützte `size` Werte

Szenario 1: Kinoreifes Porträt

Szenario 2: Retro-Reiseposter (mit Textrendering)

Szenario 3: Komplexe Komposition und Zählung

Szenario 4: Illustrationsstil (Querformat)

Asynchron und Callback

Nano Banana Serie Modelle

Grundlegender Aufruf

Upgrade zum Flaggschiff-Modell `nano-banana-pro`

Asynchroner Callback

Grundlegende Nutzung

Bildqualitätsparameter `quality`

Bildgrößenparameter `size`

Bildstilparameter `style`

Bildlink-Formatparameter `response_format`

Asynchroner Callback

Fehlerbehandlung

Beispiel für Fehlerantwort

Fazit