> ## Documentation Index > Fetch the complete documentation index at: https://germeytechnology-docs-remove-4o-image-nav.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # OpenAI Images Edits API Ansökan och Användning > OpenAI generation 集成指南 - Ace Data Cloud OpenAI bildredigeringstjänst låter dig skicka in valfritt antal bilder och instruktioner för att få redigerade bilder som resultat. För närvarande stöder API:et samtidigt `dall-e-2`, `gpt-image-1`, den senaste **`gpt-image-2`**, samt modellerna i **`nano-banana` / `nano-banana-2` / `nano-banana-pro`** serien som ansluts via samma gränssnitt. Detta dokument beskriver huvudsakligen användningsflödet för OpenAI Images Edits API, vilket gör det enkelt att använda den officiella OpenAI bildredigeringsfunktionen. ## Ansökningsprocess För att använda OpenAI Images Edits API kan du först gå till sidan [OpenAI Images Edits API](https://platform.acedata.cloud/documents/openai-images-edits) och klicka på knappen "Acquire" för att få de autentiseringsuppgifter som krävs för förfrågningar: ![](https://cdn.acedata.cloud/nyq0xz.png) Om du inte är inloggad eller registrerad kommer du automatiskt att omdirigeras till inloggningssidan för att registrera dig och logga in. Efter inloggning eller registrering återvänder du automatiskt till den aktuella sidan. Vid första ansökan får du en gratis kvot som gör att du kan använda API:et kostnadsfritt. ## GPT-Image-2 Modell `gpt-image-2` har en mycket tydlig förbättring jämfört med `gpt-image-1` i bildredigeringsscenarier: * **Mer stabil struktur**: Vid byte av hud, färgschema eller bakgrund förstörs nästan aldrig originalbildens layout eller komposition. * **Mer exakt textbevarande**: Bilder med text, som informationsgrafik, affischer och menyer, behåller tydlig och läsbar text efter redigering. * **Stöd för direkt URL-överföring**: Förutom traditionell filuppladdning via `multipart/form-data` stöder `gpt-image-2` även **att skicka bild-URL:er i JSON-format**, vilket eliminerar behovet av att först ladda ner bilden lokalt. Detta är mycket lämpligt för serverbaserade pipeline-integrationer. * **Stöd för högupplöst omritning**: Du kan skicka in en 1K originalbild och med `size`-parametern begära 2K eller 4K output, där modellen samtidigt skalar upp bilden under redigeringsprocessen. ### Stödda `size`-värden Redigeringsgränssnittets begränsningar för `size` är helt samma som för genereringsgränssnittet — `gpt-image-2` accepterar endast `size` som `auto`, tomt, eller i formatet `WIDTHxHEIGHT`. Alla andra format returnerar 400. **Alla storlekar (1K / 2K / 4K / anpassade) debiteras per bild oberoende av originalbildens upplösning eller `size`-värdet.** Upstream har samma hårda begränsningar för anpassade storlekar: bredd och höjd måste vara multiplar av 16, längsta sidan ≤ 3840, och totalt antal pixlar ≤ 8,294,400. | Proportion | 1K Rekommenderat | 2K Rekommenderat | 4K Rekommenderat | | ---------- | ---------------- | ---------------- | ---------------- | | 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` | > Exempel: Om originalbilden är `1024x1024` och `size` sätts till `2048x2048`, kommer modellen att rita om och leverera en 2K-bild enligt redigeringsinstruktionerna; `size` `3840x2160` ger en 4K liggande bild; `auto` eller inget värde låter modellen själv välja. Alla tre debiteras lika. > **Om `n`-parametern** > > `gpt-image-2` redigerings-API stöder för närvarande **inte `n > 1`**: denna parameter ignoreras tyst, oavsett om du skickar `n=1` eller `n=10` returneras endast en bild per förfrågan och debiteras som en. Om du behöver flera redigeringsresultat samtidigt, vänligen gör flera parallella förfrågningar. Denna begränsning gäller även för `gpt-image-1` / `gpt-image-1.5` samt `nano-banana` / `nano-banana-2` / `nano-banana-pro` modellerna. `dall-e-2` är för närvarande den enda redigeringsmodellen som inbyggt stödjer `n > 1`. Nedan visas två verkliga exempel från olika perspektiv för att visa `gpt-image-2` redigeringsförmåga. ### Anropsmetod 1: JSON + Bild-URL (rekommenderas) Skicka förfrågan direkt som `application/json` och fyll i `image`-fältet med en bild-URL. Modellen hämtar bilden och redigerar enligt `prompt`. Till exempel, denna originalbild är en vetenskaplig infographic genererad med `gpt-image-2`:

Vi vill ändra den till "nattläge" färgschema. Så här kan du anropa: ```shell theme={null} curl -X POST "https://api.acedata.cloud/openai/images/edits" \ -H "Authorization: Bearer {token}" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-image-2", "image": "https://platform.cdn.acedata.cloud/gpt-image/5c9fa635-8794-4c6d-88f8-584d7f4716c6_0.png", "prompt": "Convert this infographic to dark mode: dark navy background, light cream text, deep gray rounded module cards with soft shadows. Keep all layout, structure, and module arrangement identical — only invert the color scheme.", "size": "1024x1536" }' ``` Eller med Python: ```python theme={null} import requests url = "https://api.acedata.cloud/openai/images/edits" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "gpt-image-2", "image": "https://platform.cdn.acedata.cloud/gpt-image/5c9fa635-8794-4c6d-88f8-584d7f4716c6_0.png", "prompt": "Convert this infographic to dark mode: dark navy background, light cream text, deep gray rounded module cards with soft shadows. Keep all layout, structure, and module arrangement identical — only invert the color scheme.", "size": "1024x1536" } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` Svarsexempel: ```json theme={null} { "success": true, "task_id": "cb104e35-af1f-45be-9fac-b62e2b256753", "trace_id": "3e5c77c6-6c2e-4bba-a42d-98ea049b58a8", "created": 1777048863, "data": [ { "revised_prompt": "Convert this infographic to dark mode: dark navy background, light cream text, deep gray rounded module cards with soft shadows. Keep all layout, structure, and module arrangement identical — only invert the color scheme.", "url": "https://platform.cdn.acedata.cloud/gpt-image/cb104e35-af1f-45be-9fac-b62e2b256753_0.png" } ], "elapsed": 83.859 } ``` Den redigerade bilden:

Man kan se att modulstrukturen, informationsavdelningarna och typografin är strikt bevarade, endast färgschemat har inverterats till ett mörkt tema. > **Tips**: `image`-fältet kan också ta en array, t.ex. `"image": ["url1", "url2", "url3"]`, upp till 16 referensbilder samtidigt för att låta modellen göra en samlad redigering baserat på flera bilder. ### Anropsmetod 2: JSON + flera referensbilder `gpt-image-2` kan samtidigt referera till flera bilder för att generera slutresultatet, t.ex. kombinera flera produktbilder till en presentkorg: ```python theme={null} payload = { "model": "gpt-image-2", "image": [ "https://example.com/item1.png", "https://example.com/item2.png", "https://example.com/item3.png" ], "prompt": "Combine all the items above into a single 'Relax & Unwind' gift basket on a clean white background, photorealistic, soft natural lighting.", "size": "1024x1024" } ``` ### Scenarieexempel: Byt stil + behåll struktur Här är ett annat exempel där en träbokhylla ersätts med en modern flytande hylla, men antalet och arrangemanget av böcker på varje hyllplan bevaras strikt. Originalbild (träbokhylla genererad med `gpt-image-2`):

Anrop: ```python theme={null} payload = { "model": "gpt-image-2", "image": "https://platform.cdn.acedata.cloud/gpt-image/141970f0-65fb-4ec8-ab7d-9be173641350_0.png", "prompt": "Replace the wooden bookshelf with a sleek modern white floating shelf mounted on a pastel blue wall. Keep the exact same arrangement of books (1 book on top, 3 in middle, 7 on bottom). Add a small potted succulent on the top shelf next to the book. Bright airy daylight from the left.", "size": "1024x1024" } ``` Redigeringsresultat (`task_id`: `e9544dba-727e-44a2-81e1-223d49869380`):

Man kan se att stil och miljö har bytts helt enligt prompten, men antalet böcker på varje hyllplan (1 / 3 / 7) är strikt bevarat och en liten suckulent har lagts till enligt instruktion. ### Anropsmetod 3: multipart/form-data (kompatibelt med OpenAI SDK) Om du redan använder officiella OpenAI Python SDK fungerar den traditionella `multipart/form-data`-uppladdningen också, bara ändra `model` till `gpt-image-2`: ```python theme={null} import base64 from openai import OpenAI client = OpenAI() result = client.images.edit( model="gpt-image-2", image=[open("test.png", "rb")], prompt="Convert this image to dark mode while keeping the layout intact." ) image_base64 = result.data[0].b64_json image_bytes = base64.b64decode(image_base64) with open("edited.png", "wb") as f: f.write(image_bytes) ``` Vid användning av SDK måste du först exportera två miljövariabler, `OPENAI_BASE_URL` sätts till `https://api.acedata.cloud/openai` och `OPENAI_API_KEY` sätts till den token du fått: ```shell theme={null} export OPENAI_BASE_URL=https://api.acedata.cloud/openai export OPENAI_API_KEY={token} ``` ## Nano Banana Serie Modeller `nano-banana` serien är också ansluten till `/openai/images/edits` för redigeringsscenarier. Byt bara `model` till någon av nedanstående för att använda: | Modell | Kostnad (Credits / gång) | Användningsområde | | ----------------- | ------------------------ | -------------------------------------------------------------- | | `nano-banana` | 0.14 | Vanlig bildredigering, snabbast och billigast | | `nano-banana-2` | 0.28 | Märkbart förbättrad kvalitet och detaljrikedom | | `nano-banana-pro` | 0.35 | Flaggskepp i serien, bäst bevarande av struktur, text och stil | > **Viktigt: Stödda parametrar** > > Nano Banana är ansluten via en adapter till OpenAI-protokollet och stöder endast följande parametrar: `model`, `prompt`, `image`. > > * `image` kan skickas som fil via `multipart/form-data` (omvandlas internt till `data:;base64,...` för upstream) eller som URL-sträng direkt i formulärfältet. > * Stöder inte `mask`, `n`, `size`, `response_format` etc.; dessa ignoreras om de skickas. > * Returdata följer OpenAI-formatet (`data[].url`), men `created` är alltid `0`, och `b64_json` returneras aldrig. `revised_prompt` är alltid samma som original `prompt`. ### Anropa via formulär + bild-URL ```shell theme={null} curl -X POST "https://api.acedata.cloud/openai/images/edits" \ -H "Authorization: Bearer {token}" \ -F "model=nano-banana" \ -F "prompt=add a green leaf on top of the apple" \ -F "image=https://platform.cdn.acedata.cloud/nanobanana/6870b330-65c4-436c-bb80-819fdae7a7a4.png" ``` Exempel på svar: ```json theme={null} { "created": 0, "data": [ { "url": "https://platform.cdn.acedata.cloud/nanobanana/311e95b6-5eb1-4c4a-8ee6-0cb03ee44f61.jpeg", "revised_prompt": "add a green leaf on top of the apple" } ] } ``` Redigerad bild:

### Anropa via formulär + lokal fil ```python theme={null} import requests url = "https://api.acedata.cloud/openai/images/edits" headers = { "authorization": "Bearer {token}" } files = { "image": open("apple.png", "rb"), } data = { "model": "nano-banana-pro", "prompt": "add a green leaf on top of the apple" } response = requests.post(url, headers=headers, files=files, data=data) print(response.text) ``` ### Asynkron callback `callback_url` asynkron callback-mekanism fungerar även för nano-banana, och anropsflödet är helt identiskt med andra modeller. Se avsnittet [Asynkron callback](#asynkron-callback) nedan. ## Grundläggande användning Härnäst kan du använda kod för att anropa API:et. Nedan är ett exempel med CURL: ```curl theme={null} curl -s -D >(grep -i x-request-id >&2) \ -o >(jq -r '.data[0].b64_json' | base64 --decode > gift-basket.png) \ -X POST "https://api.acedata.cloud/v1/images/edits" \ -H "Authorization: Bearer {token}" \ -F "model=gpt-image-1" \ -F "image[]=@test.png" \ -F 'prompt=Create a lovely gift basket with these this items in it' ``` Vid första användningen av detta API behöver vi fylla i minst fyra saker: en `authorization` som väljs från en dropdown, en `model` som anger vilken OpenAI-modell vi vill använda (här finns huvudsakligen en modell, se våra modellbeskrivningar), en `prompt` som är textinstruktionen för bildgenerering, och slutligen `image` som är sökvägen till bilden som ska redigeras. Exempelbilden visas nedan:

Samma anrop i Python: ```python theme={null} import base64 from openai import OpenAI client = OpenAI() prompt = """ Generate a photorealistic image of a gift basket on a white background labeled 'Relax & Unwind' with a ribbon and handwriting-like font, containing all the items in the reference pictures. """ result = client.images.edit( model="gpt-image-1", image=[ open("test.png", "rb") ], prompt=prompt ) image_base64 = result.data[0].b64_json image_bytes = base64.b64decode(image_base64) # Spara bilden till fil with open("gift-basket.png", "wb") as f: f.write(image_bytes) ``` Vid Python-anrop behöver du först exportera två miljövariabler, `OPENAI_BASE_URL` som kan sättas till `https://api.acedata.cloud/openai`, samt `OPENAI_API_KEY` som är din token från `authorization`. På Mac OS kan du sätta dessa med: ```shell theme={null} export OPENAI_BASE_URL=https://api.acedata.cloud/openai export OPENAI_API_KEY={token} ``` Efter anropet kommer en bildfil `gift-basket.png` att genereras i aktuell katalog. Resultatet ser ut så här:

Så har vi slutfört bildredigeringen. För närvarande stöder Edits API tre modeller: `dall-e-2`, `gpt-image-1` och `gpt-image-2`, där `gpt-image-2` är den rekommenderade modellen. Se avsnittet [GPT-Image-2 Modell](#gpt-image-2-modell) ovan för detaljer. ## Asynkron callback Eftersom redigering med OpenAI Images Edits API kan ta relativt lång tid, och om API:et inte svarar snabbt kan HTTP-anslutningen hållas öppen länge vilket belastar systemresurser, erbjuder API:et även stöd för asynkron callback. Flödet är: klienten skickar en förfrågan och anger ett extra fält `callback_url`. API:et svarar omedelbart med ett svar som innehåller ett `task_id` som identifierar uppgiften. När redigeringen är klar skickas resultatet som en POST med JSON till den angivna `callback_url`, inklusive `task_id`, så att resultatet kan kopplas till rätt uppgift. Nedan visas ett exempel på hur detta fungerar. Först är webhook-callback en tjänst som kan ta emot HTTP-förfrågningar. Utvecklaren bör ersätta URL:en med sin egen HTTP-server. För demonstration används en offentlig webhook-tjänst [https://webhook.site/](https://webhook.site/) där du får en unik URL, som visas nedan: ![](https://cdn.acedata.cloud/cjjfly.png) Kopiera denna URL, t.ex. `https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab`, och använd som webhook. Sedan kan vi ange fältet `callback_url` till denna URL och skicka med övriga parametrar, som i följande kod: ```shell theme={null} curl -X POST "https://api.acedata.cloud/v1/images/edits" \ -H "Authorization: Bearer {token}" \ -F "model=gpt-image-1" \ -F "image[]=@test.png" \ -F "prompt=Create a lovely gift basket with these items in it" \ -F "callback_url=https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab" ``` Efter anropet får du omedelbart ett svar som: ```json theme={null} { "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c" } ``` Efter en stund kan du se resultatet av bildredigeringen på webhook-URL:en, t.ex.: ```json theme={null} { "success": true, "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c", "trace_id": "9b4b1ff3-90f2-470f-b082-1061ec2948cc", "data": { "created": 1721626477, "data": [ { "b64_json": "iVBORw0KGgo..." } ] } } ``` Man ser att resultatet innehåller ett `task_id` och `data` med samma bildredigeringsresultat som vid synkront anrop, vilket möjliggör koppling av uppgifter via `task_id`. ## Felhantering Vid API-anrop som resulterar i fel returnerar API:et motsvarande felkod och meddelande, till exempel: * `400 token_mismatched`: Felaktig förfrågan, troligen saknade eller ogiltiga parametrar. * `400 api_not_implemented`: Felaktig förfrågan, troligen saknade eller ogiltiga parametrar. * `401 invalid_token`: Obefogad, ogiltig eller saknad auktoriseringstoken. * `429 too_many_requests`: För många förfrågningar, du har överskridit hastighetsgränsen. * `500 api_error`: Intern serverfel, något gick fel på servern. ### Exempel på felrespons ```json theme={null} { "success": false, "error": { "code": "api_error", "message": "fetch failed" }, "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89" } ``` ## Slutsats Genom detta dokument har du fått en översikt över hur du enkelt använder OpenAI Images Edits API för att utnyttja officiella OpenAI:s bildredigeringsfunktioner. Vi hoppas att detta dokument hjälper dig att bättre integrera och använda API:et. Vid frågor är du välkommen att kontakta vårt tekniska supportteam.