OpenAI Images Generations API — Wniosek i użycie

OpenAI Images Generations API obecnie obsługuje różne modele generowania obrazów, w tym klasyczny dall-e-3, model o silniejszych zdolnościach renderowania tekstu gpt-image-1, najnowszą generację gpt-image-2, a także serię modeli nano-banana / nano-banana-2 / nano-banana-pro dostępnych przez ten sam interfejs. Wszystkie potrafią generować wysokiej jakości obrazy na podstawie opisu tekstowego. Niniejsza dokumentacja opisuje głównie proces korzystania z OpenAI Images Generations API, dzięki któremu możemy łatwo korzystać z funkcji generowania obrazów z serii OpenAI.

Proces wnioskowania

Aby korzystać z OpenAI Images Generations API, najpierw można przejść na stronę OpenAI Images Generations API i kliknąć przycisk „Acquire”, aby uzyskać niezbędne poświadczenia do żądań: Jeśli nie jesteś zalogowany lub zarejestrowany, zostaniesz automatycznie przekierowany na stronę logowania, gdzie możesz się zarejestrować i zalogować. Po zalogowaniu zostaniesz automatycznie przeniesiony z powrotem na tę stronę. Przy pierwszym wniosku otrzymasz darmowy limit, który pozwala na bezpłatne korzystanie z API.

Model GPT-Image-2

gpt-image-2 to nowa generacja modelu generowania obrazów od OpenAI, która w porównaniu do dall-e-3 i gpt-image-1 oferuje wyraźne ulepszenia w następujących aspektach:

Lepsze przestrzeganie instrukcji: potrafi dokładnie zrozumieć złożone instrukcje dotyczące kompozycji, liczenia, relacji przestrzennych i innych struktur.
Czystsze renderowanie tekstu: w scenariuszach takich jak plakaty, menu, infografiki, znaki tekst i cyfry w języku angielskim są niemal bezbłędne.
Bogatsze wyrażanie stylu: natywne wsparcie dla wielu stylów, takich jak portrety filmowe, plakaty retro, ilustracje dla dzieci, fotografia produktowa, infografiki itp.
Natywne wsparcie wielu proporcji i wysokiej rozdzielczości: obsługuje 5 proporcji (1:1, 4:3, 3:4, 16:9, 9:16) oraz 3 poziomy rozdzielczości (1K / 2K / 4K).

Sposób wywołania jest identyczny jak w przypadku innych modeli — wystarczy ustawić pole model na gpt-image-2. Pole url w zwracanym wyniku to trwały link do obrazu hostowany na platform.cdn.acedata.cloud, który można otworzyć bezpośrednio w przeglądarce lub osadzić na stronie.

Obsługiwane wartości `size`

gpt-image-2 sprawdza tylko format size — jeśli nie jest auto ani pustym ciągiem, musi odpowiadać wzorcowi WIDTHxHEIGHT (np. 1024x1024, 2048x1152, 800x600); inne formaty zwrócą błąd 400. Wszystkie rozmiary (1K / 2K / 4K / niestandardowe) są rozliczane jednolicie za pojedynczy obraz, bez dodatkowych opłat za rozmiar. Ograniczenia nałożone przez backend dotyczące niestandardowych rozmiarów: szerokość i wysokość muszą być wielokrotnością 16, dłuższy bok ≤ 3840, całkowita liczba pikseli ≤ 8 294 400. Przekroczenie tych limitów spowoduje odrzucenie przez backend i zwrócenie błędu 4xx.

Proporcja	Zalecane 1K	Zalecane 2K	Zalecane 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`

Możesz także przekazać size: "auto" lub pominąć pole size, wtedy model wybierze domyślny rozmiar. Przy rozdzielczości 1K backend nie gwarantuje ścisłego dopasowania pikseli — np. podając 1024x1024 możesz otrzymać obraz 1254x1254, proporcje będą zachowane. Jeśli ponownie przekażesz taki rozmiar jako size, opłata pozostanie bez zmian. Pojedyncze wywołanie 4K zwykle zajmuje 4–8 minut, zaleca się użycie mechanizmu asynchronicznego callback_url opisanym dalej.

O parametrze n gpt-image-2 obecnie nie obsługuje n > 1 — parametr jest ignorowany, niezależnie czy podasz n=1 czy n=10, zwrócony zostanie tylko jeden obraz i naliczona opłata za jeden obraz. Jeśli potrzebujesz wielu obrazów, wykonaj wiele równoległych żądań (zalecane jest podanie różnych prompt lub seed, aby uniknąć bardzo podobnych obrazów). To ograniczenie dotyczy także gpt-image-1 / gpt-image-1.5 oraz serii nano-banana. Model dall-e-2 jest jedynym natywnie obsługującym n > 1; dall-e-3 obsługuje tylko n = 1.

Poniżej przedstawiamy kilka rzeczywistych przykładów, które pokazują możliwości gpt-image-2.

Scenariusz 1: Portret filmowy

W promptach można używać terminologii filmowej (35mm film, płytka głębia ostrości, neony itp.) do precyzyjnej kontroli atmosfery i tekstury. Przykład wywołania w Pythonie:

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)

Przykładowa odpowiedź:

{
  "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"
    }
  ]
}

Wygenerowany obraz:

Scenariusz 2: Plakat podróżniczy w stylu retro (z renderowaniem tekstu)

gpt-image-2 jest stabilny w kwestii typografii i układu, idealny do generowania plakatów, menu, kartek z tekstem.

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"
}

Obraz z pola url w odpowiedzi:

Model dokładnie odwzorował styl Art Deco, a tekst AMALFI i ITALIA 1958 jest wyraźny i poprawny.

Scenariusz 3: Złożona kompozycja i liczenie

Prompt testujący przestrzeganie instrukcji dotyczących liczby i położenia elementów:

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"
}

Wygenerowany obraz:

Liczba książek na półkach (1 / 3 / 7) dokładnie odpowiada promptowi — coś, co było trudne do osiągnięcia w erze dall-e-3.

Scenariusz 4: Styl ilustracji (orientacja pozioma)

Poprzez określenie medium artystycznego i słów kluczowych nastroju, można uzyskać stylizowane ilustracje.

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"
}

Wygenerowana ilustracja pozioma:

Asynchroniczność i callback

Pojedyncze wywołanie gpt-image-2 zwykle trwa 60–90 sekund. Jeśli nie chcesz utrzymywać długiego połączenia, możesz użyć mechanizmu asynchronicznego callback opisanego dalej. Proces wywołania jest identyczny jak w przypadku innych modeli.

Modele serii Nano Banana

Seria nano-banana to modele generowania obrazów oparte na Gemini, dostępne przez ten sam endpoint /openai/images/generations. Wystarczy zmienić model na dowolny z poniższej tabeli.

Model	Koszt (Credits / wywołanie)	Scenariusz użycia
`nano-banana`	0.14	Standardowe generowanie obrazów, najszybsze i najtańsze
`nano-banana-2`	0.28	Znacznie lepsza jakość i szczegóły
`nano-banana-pro`	0.35	Flagowy model serii, najlepsza kompozycja, detale i tekst

Zakres obsługiwanych parametrów Nano Banana korzysta z warstwy adaptacyjnej do protokołu OpenAI i w porównaniu do gpt-image-* obsługuje tylko: model, prompt, size.

size jest mapowane na wewnętrzny aspect_ratio według tabeli:

1024x1024 / 512x512 / 256x256 → 1:1

1792x1024 → 16:9

1024x1792 → 9:16

Nie obsługuje parametrów n, quality, style, response_format, background, output_format — są ignorowane.

Struktura odpowiedzi jest zgodna z formatem OpenAI (data[].url), ale created zawsze 0, nie zwraca b64_json, a revised_prompt zawsze równe oryginalnemu prompt.

Podstawowe wywołanie

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)

Przykładowa odpowiedź:

{
  "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"
    }
  ]
}

Wygenerowany obraz można otworzyć bezpośrednio z pola url:

Aktualizacja do flagowego modelu `nano-banana-pro`

Wystarczy zmienić model na nano-banana-pro, pozostałe parametry pozostają bez zmian:

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

Przykładowa odpowiedź:

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

Asynchroniczny callback

Mechanizm callback_url działa również dla nano-banana, proces wywołania jest taki sam jak dla innych modeli, opisany w sekcji Asynchroniczny callback.

Podstawowe użycie

Następnie możesz wypełnić odpowiednie pola w interfejsie, jak pokazano na obrazku:

Przy pierwszym użyciu tego interfejsu musisz podać co najmniej trzy wartości: authorization — wybierz z listy rozwijanej, model — wybierz model OpenAI DALL-E (tutaj dostępny jest jeden model, szczegóły w dokumentacji modeli) oraz prompt — tekstowy opis obrazu do wygenerowania. Po prawej stronie zobaczysz wygenerowany kod wywołania, który możesz skopiować i uruchomić lub kliknąć przycisk „Try” aby przetestować.

Przykład wywołania w Pythonie:

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)

Przykładowa odpowiedź:

{
  "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"
    }
  ]
}

Wynik zawiera kilka pól:

created — ID wygenerowanego obrazu, unikalny identyfikator zadania.
data — zawiera informacje o wygenerowanym obrazie.

W polu data znajduje się szczegółowy link do wygenerowanego obrazu w url, jak pokazano na obrazku:

Parametr jakości obrazu `quality`

Możesz ustawić szczegółowe parametry generowania obrazu, w tym parametr jakości quality, który ma dwie wartości: standard — generuje obraz standardowej jakości, oraz hd — generuje obraz z większą ilością detali i spójnością. Poniżej ustawiamy quality na standard:

Po prawej stronie pojawi się wygenerowany kod, który możesz skopiować lub kliknąć „Try” aby przetestować.

Przykład wywołania w Pythonie:

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)

Przykładowa odpowiedź:

{
  "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"
    }
  ]
}

Obraz wygenerowany z parametrem quality ustawionym na standard wygląda tak:

Analogicznie, ustawiając quality na hd, otrzymasz obraz z większą ilością detali i spójnością:

Parametr rozmiaru obrazu `size`

Możesz także ustawić rozmiar generowanego obrazu. Przykład ustawienia rozmiaru na 1024x1024:

Po prawej stronie pojawi się kod do wywołania, który można skopiować lub przetestować:

Przykład wywołania w Pythonie:

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)

Przykładowa odpowiedź:

{
  "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"
    }
  ]
}

Obraz o rozmiarze 1024x1024 wygląda tak:

Analogicznie, ustawiając rozmiar na 1792x1024, otrzymasz obraz o innym rozmiarze: Możesz ustawić także inne rozmiary, szczegóły znajdziesz w dokumentacji na stronie.

Parametr stylu obrazu `style`

Parametr stylu style ma dwie wartości: vivid — generuje bardziej żywe obrazy, oraz natural — generuje obrazy bardziej naturalne. Przykład ustawienia style na vivid:

Po prawej stronie pojawi się kod do wywołania, który można skopiować lub przetestować:

Przykład wywołania w Pythonie:

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)

Przykładowa odpowiedź:

{
  "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"
    }
  ]
}

Obraz wygenerowany z parametrem style ustawionym na vivid:

Analogicznie, ustawiając style na natural, otrzymasz obraz bardziej naturalny:

vivid generuje obrazy bardziej żywe i realistyczne niż natural.

Parametr formatu odpowiedzi `response_format`

Parametr response_format ma dwie wartości: b64_json — kodowanie linku do obrazu w Base64, oraz url — zwykły link do obrazu, który można bezpośrednio otworzyć. Przykład ustawienia response_format na url:

Po prawej stronie pojawi się kod do wywołania, który można skopiować lub przetestować:

Przykład wywołania w Pythonie:

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)

Przykładowa odpowiedź:

{
  "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"
    }
  ]
}

Obraz można bezpośrednio otworzyć pod tym linkiem: Obraz URL.

Analogicznie, ustawiając response_format na b64_json, otrzymasz obraz zakodowany w Base64:

{
  "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."
    }
  ]
}

Asynchroniczny callback

Ponieważ generowanie obrazów przez OpenAI Images Generations API może zająć stosunkowo dużo czasu, długie oczekiwanie na odpowiedź HTTP powoduje utrzymywanie połączenia, co zwiększa zużycie zasobów systemowych. Dlatego API oferuje wsparcie dla asynchronicznego callback. Proces jest następujący: klient wysyła żądanie z dodatkowym polem callback_url. API natychmiast zwraca wynik zawierający task_id — identyfikator zadania. Po ukończeniu generowania obraz zostanie przesłany metodą POST w formacie JSON na wskazany callback_url, zawierający również task_id, co pozwala powiązać wynik z zadaniem. Poniżej przykład, jak to zrobić. Webhook callback to usługa HTTP, która odbiera żądania. Programista powinien podać adres własnego serwera HTTP. Dla demonstracji można użyć publicznej strony https://webhook.site/, która generuje unikalny URL webhooka, jak na obrazku: Skopiuj ten URL, np. https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab. Następnie ustaw pole callback_url na ten adres i wywołaj API, np.:

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)

Po wywołaniu otrzymasz natychmiast odpowiedź:

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

Po chwili na stronie webhooka zobaczysz wynik generowania obrazu:

{
  "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/..."
      }
    ]
  }
}

Wynik zawiera task_id i pole data z tymi samymi danymi co wywołanie synchroniczne, co pozwala powiązać zadania.

Obsługa błędów

W przypadku błędów API zwraca odpowiedni kod i komunikat. Przykładowe kody:

400 token_mismatched: Niepoprawne żądanie, np. brak lub błędne parametry.
400 api_not_implemented: Niepoprawne żądanie, np. brak lub błędne parametry.
401 invalid_token: Brak autoryzacji, nieprawidłowy lub brakujący token.
429 too_many_requests: Zbyt wiele żądań, przekroczono limit.
500 api_error: Błąd serwera.

Przykład odpowiedzi błędu

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

Podsumowanie

Dzięki tej dokumentacji nauczyłeś się, jak łatwo korzystać z OpenAI Images Generations API do generowania obrazów za pomocą oficjalnego modelu OpenAI DALL-E. Mamy nadzieję, że dokumentacja pomoże Ci w integracji i użyciu API. W razie pytań prosimy o kontakt z naszym zespołem wsparcia technicznego.

Getting Started

Czat AI

Obraz AI

Wideo AI

Audio AI

Sieć i dane

CAPTCHA

Tożsamość

Proxy

Advanced

OpenAI Images Generations API — Wniosek i użycie

Proces wnioskowania

Model GPT-Image-2

Obsługiwane wartości `size`

Scenariusz 1: Portret filmowy

Scenariusz 2: Plakat podróżniczy w stylu retro (z renderowaniem tekstu)

Scenariusz 3: Złożona kompozycja i liczenie

Scenariusz 4: Styl ilustracji (orientacja pozioma)

Asynchroniczność i callback

Modele serii Nano Banana

Podstawowe wywołanie

Aktualizacja do flagowego modelu `nano-banana-pro`

Asynchroniczny callback

Podstawowe użycie

Parametr jakości obrazu `quality`

Parametr rozmiaru obrazu `size`

Parametr stylu obrazu `style`

Parametr formatu odpowiedzi `response_format`

Asynchroniczny callback

Obsługa błędów

Przykład odpowiedzi błędu

Podsumowanie

​Proces wnioskowania

​Model GPT-Image-2

​Obsługiwane wartości size

​Scenariusz 1: Portret filmowy

​Scenariusz 2: Plakat podróżniczy w stylu retro (z renderowaniem tekstu)

​Scenariusz 3: Złożona kompozycja i liczenie

​Scenariusz 4: Styl ilustracji (orientacja pozioma)

​Asynchroniczność i callback

​Modele serii Nano Banana

​Podstawowe wywołanie

​Aktualizacja do flagowego modelu nano-banana-pro

​Asynchroniczny callback

​Podstawowe użycie

​Parametr jakości obrazu quality

​Parametr rozmiaru obrazu size

​Parametr stylu obrazu style

​Parametr formatu odpowiedzi response_format

​Asynchroniczny callback

​Obsługa błędów

​Przykład odpowiedzi błędu

​Podsumowanie

Proces wnioskowania

Model GPT-Image-2

Obsługiwane wartości `size`

Scenariusz 1: Portret filmowy

Scenariusz 2: Plakat podróżniczy w stylu retro (z renderowaniem tekstu)

Scenariusz 3: Złożona kompozycja i liczenie

Scenariusz 4: Styl ilustracji (orientacja pozioma)

Asynchroniczność i callback

Modele serii Nano Banana

Podstawowe wywołanie

Aktualizacja do flagowego modelu `nano-banana-pro`

Asynchroniczny callback

Podstawowe użycie

Parametr jakości obrazu `quality`

Parametr rozmiaru obrazu `size`

Parametr stylu obrazu `style`

Parametr formatu odpowiedzi `response_format`

Asynchroniczny callback

Obsługa błędów

Przykład odpowiedzi błędu

Podsumowanie