OpenAI Images Generations API Ansökan och Användning

OpenAI Images Generations API stöder för närvarande flera bildgenereringsmodeller, inklusive den klassiska dall-e-3, den textrenderande gpt-image-1 med starkare förmåga, den senaste generationen gpt-image-2, samt nano-banana / nano-banana-2 / nano-banana-pro serien som nås via samma gränssnitt. Alla kan generera högkvalitativa bilder baserat på textbeskrivningar. Detta dokument beskriver huvudsakligen användningsprocessen för OpenAI Images Generations API, som gör det enkelt att använda OpenAI-seriens bildgenereringsfunktioner.

Ansökningsprocess

För att använda OpenAI Images Generations API kan du först gå till sidan OpenAI Images Generations API och klicka på knappen “Acquire” för att få de nödvändiga autentiseringsuppgifterna: Om du inte är inloggad eller registrerad kommer du automatiskt att omdirigeras till inloggningssidan där du kan registrera dig och logga in. Efter inloggning återvänder du automatiskt till denna sida. Vid första ansökan får du en gratis kvot som gör att du kan använda API:et kostnadsfritt.

GPT-Image-2 Modell

gpt-image-2 är OpenAIs nya generation av bildgenereringsmodell, som jämfört med dall-e-3 och gpt-image-1 har tydliga förbättringar inom följande områden:

Starkare efterlevnad av instruktioner: Kan exakt förstå komplexa kompositioner, räkning, positionsrelationer och andra strukturerade instruktioner.
Klarare textrendering: Engelska och siffror i affischer, menyer, infografik och logotyper visas nästan utan fel.
Rikare stiluttryck: Stödjer ursprungligen flera stilar såsom filmiska porträtt, retroaffischer, barnillustrationer, produktfotografi och infografik.
Inbyggt stöd för flera proportioner + hög upplösning: Täcker 5 proportioner (1:1, 4:3, 3:4, 16:9, 9:16) med 3 upplösningsnivåer (1K / 2K / 4K).

Anropssättet är helt identiskt med andra modeller, du behöver bara sätta fältet model till gpt-image-2. I returvärdet är url en permanent bildlänk hostad på platform.cdn.acedata.cloud, som kan öppnas direkt i webbläsare eller bäddas in på webbsidor.

Stödda `size` värden

gpt-image-2 kontrollerar endast formatet på size. Så länge det inte är auto eller en tom sträng måste det matcha WIDTHxHEIGHT (t.ex. 1024x1024, 2048x1152, 800x600); andra format ger 400-fel. Alla storlekar (1K / 2K / 4K / anpassade) debiteras per bild, ingen extra kostnad för storlek. Upstream har hårda begränsningar för anpassade storlekar: bredd och höjd måste vara multiplar av 16, längsta sidan ≤ 3840, total pixelantal ≤ 8,294,400. Överskrids detta avvisas förfrågan med 4xx.

Proportion	1K Rekommenderad	2K Rekommenderad	4K Rekommenderad
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`

Du kan också ange size: "auto" eller utelämna size-fältet, då väljer modellen standardstorlek själv. Vid 1K-nivå garanteras inte strikt pixeljustering — om du skickar 1024x1024 kan du få 1254x1254, proportionen bibehålls. Om du skickar tillbaka denna som size ändras inte debiteringen. 4K-anrop tar vanligtvis 4–8 minuter, rekommenderas att använda callback_url för asynkron återkoppling.

Om n-parametern gpt-image-2 stöder för närvarande inte n > 1: denna parameter ignoreras tyst, oavsett om du skickar n=1 eller n=10 returneras bara en bild per anrop och debiteras för en bild. Om du behöver flera bilder samtidigt, gör flera parallella anrop (helst med olika prompt eller seed, annars kan bilderna bli mycket lika). Samma begränsning gäller för gpt-image-1 / gpt-image-1.5 samt nano-banana / nano-banana-2 / nano-banana-pro. dall-e-2 är för närvarande den enda modellen som inbyggt stödjer n > 1; dall-e-3 stödjer endast n = 1.

Nedan visas några verkliga exempel för att intuitivt visa gpt-image-2 kapacitet.

Scenario 1: Filmiskt porträtt

I prompten kan du använda filmtermer (35mm film, kort skärpedjup, neonljus etc.) för att exakt styra atmosfär och känsla. Python-exempel:

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)

Returvärde:

{
  "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"
    }
  ]
}

Genererad bild:

Scenario 2: Retro reseaffisch (med textrendering)

gpt-image-2 är stabil i typografi och layout, perfekt för affischer, menyer, gratulationskort med 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 från url i returvärdet:

Modellen återger tydligt Art Deco-stilen och texten AMALFI och ITALIA 1958 är korrekt och klart renderad.

Scenario 3: Komplex komposition och räkning

Denna prompt testar modellens förmåga att följa strukturerade instruktioner om antal och 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"
}

Genererad bild:

Antalet böcker (1 / 3 / 7) på de tre hyllorna stämmer helt med prompten, något som var svårt att uppnå stabilt under dall-e-3-eran.

Scenario 4: Illustrationsstil (landskapsformat)

Genom att specificera konstnärligt medium och stämningsord kan modellen generera stiliserade illustrationer.

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"
}

Genererad landskapsillustration:

Asynkron och callback

gpt-image-2 tar vanligtvis 60–90 sekunder per anrop. Om du inte vill hålla en lång anslutning kan du använda callback_url-mekanismen för asynkron återkoppling. Anropsflödet är identiskt med andra modeller.

Nano Banana Serien

nano-banana serien är bildgenereringsmodeller baserade på Gemini, tillgängliga via samma /openai/images/generations-endpoint utan att byta endpoint, bara ändra model till någon av nedanstående:

Modell	Debitering (Credits / anrop)	Användningsområde
`nano-banana`	0.14	Vanlig bildgenerering, snabbast och billigast
`nano-banana-2`	0.28	Tydligt förbättrad kvalitet och detaljer
`nano-banana-pro`	0.35	Flaggskepp i serien, bästa komposition, detaljer och text

Viktigt: stödda parametrar Nano Banana använder en adapter för OpenAI-protokollet och stöder endast följande parametrar jämfört med gpt-image-*: model, prompt, size.

size mappas enligt tabell nedan till intern aspect_ratio; ej listade storlekar faller tillbaka till 1:1:

1024x1024 / 512x512 / 256x256 → 1:1

1792x1024 → 16:9

1024x1792 → 9:16

Stöder inte n, quality, style, response_format, background, output_format; dessa ignoreras om angivna.

Returformat följer OpenAI-standard (data[].url), men created är alltid 0, b64_json returneras inte, och revised_prompt är alltid lika med original prompt.

Grundläggande anrop

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)

Returvärde:

{
  "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"
    }
  ]
}

Genererad bild kan nås direkt via url:

Uppgradera till flaggskeppsmodellen `nano-banana-pro`

Byt bara model till nano-banana-pro, övriga parametrar är oförändrade:

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

Exempel på retur:

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

Asynkron callback

callback_url-mekanismen fungerar även för nano-banana, anropsflödet är identiskt med andra modeller, se avsnittet Asynkron callback nedan.

Grundläggande användning

Du kan fylla i motsvarande fält i gränssnittet, som visas nedan:

Vid första användningen behöver du minst fylla i tre fält: authorization väljs direkt från dropdown-menyn, model som är den OpenAI DALL-E modellkategori du vill använda (här finns huvudsakligen en modell, se våra modeller för detaljer), och prompt som är texten för bildgenerering. Till höger visas motsvarande genererade anropskod som du kan kopiera och köra, eller testa direkt med knappen “Try”.

Python-exempel:

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)

Returvärde:

{
  "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"
    }
  ]
}

Returvärdet innehåller flera fält:

created: ID för bildgenereringsuppdraget, unikt för denna uppgift.
data: innehåller bildgenereringsresultatet.

I data finns detaljer om genererad bild, där url är bildens detaljlänk, som visas nedan:

Bildkvalitetsparameter `quality`

Här beskrivs hur du ställer in detaljerade parametrar för bildgenerering, där quality har två värden: standard för standardbild och hd för bild med finare detaljer och högre konsistens. Exempel på inställning av quality till standard:

Till höger visas motsvarande anropskod som kan kopieras eller testas direkt.

Python-exempel:

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)

Returvärde:

{
  "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"
    }
  ]
}

Resultatet är liknande grundanvändningen, bilden med quality satt till standard visas nedan:

Samma anrop med quality satt till hd ger bilden nedan:

hd-bilden har finare detaljer och högre konsistens än standard.

Bildstorleksparameter `size`

Du kan också ange bildens storlek. Exempel med size satt till 1024x1024:

Till höger visas motsvarande kod som kan kopieras eller testas.

Python-exempel:

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)

Returvärde:

{
  "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"
    }
  ]
}

Bild med storlek 1024x1024 visas nedan:

Samma anrop med storlek 1792x1024 ger följande bild: Storleken är tydligt annorlunda. Fler storlekar finns, se vår officiella dokumentation.

Bildstilsparameter `style`

style har två värden: vivid för mer livfulla bilder och natural för mer naturliga bilder. Exempel med style satt till vivid:

Till höger visas anropskod som kan kopieras eller testas.

Python-exempel:

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)

Returvärde:

{
  "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"
    }
  ]
}

Bild med style satt till vivid visas nedan:

Samma anrop med style satt till natural ger följande bild:

vivid ger mer levande och realistiska bilder än natural.

Bildlänkens formatparameter `response_format`

Den sista parametern response_format har två värden: b64_json som kodar bilden i Base64, och url som är en vanlig bildlänk. Exempel med response_format satt till url:

Till höger visas anropskod som kan kopieras eller testas.

Python-exempel:

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)

Returvärde:

{
  "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"
    }
  ]
}

Bildlänken med response_format satt till url är direkt åtkomlig, bilden visas nedan:

Samma anrop med response_format satt till b64_json ger Base64-kodad bild enligt nedan:

{
  "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."
    }
  ]
}

Asynkron callback

Eftersom bildgenerering kan ta tid och API-förfrågan kan hålla anslutningen öppen och belasta systemresurser, stödjer API:et asynkron callback. Flödet är: klienten skickar med callback_url i förfrågan, API returnerar omedelbart ett svar med task_id som identifierar uppgiften. När uppgiften är klar skickar API en POST med JSON till callback_url med samma task_id för att koppla ihop resultatet. Exempel: Webhook callback är en HTTP-tjänst som kan ta emot förfrågningar. Byt ut URL:en mot din egen server. För demonstration används https://webhook.site/ som genererar en publik webhook-URL: Kopiera URL:en, t.ex. https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab. Skicka sedan anrop med callback_url satt till denna URL:

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)

Svar:

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

Efter en stund kan du se resultatet på webhook-sidan:

{
  "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/..."
      }
    ]
  }
}

Resultatet innehåller task_id och data med samma bildgenereringsresultat som synkront anrop, vilket möjliggör koppling via uppgifts-ID.

Felhantering

Vid fel returnerar API lämplig felkod och meddelande, t.ex.:

400 token_mismatched: Felaktig förfrågan, saknade eller ogiltiga parametrar.
400 api_not_implemented: Felaktig förfrågan, saknade eller ogiltiga parametrar.
401 invalid_token: Obehörig, ogiltig eller saknad token.
429 too_many_requests: För många förfrågningar, gränsen överskriden.
500 api_error: Intern serverfel.

Exempel på felrespons

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

Slutsats

Med detta dokument har du lärt dig hur du enkelt använder OpenAI Images Generations API för att använda officiella OpenAI DALL-E bildgenereringsfunktioner. Vi hoppas detta hjälper dig att integrera och använda API:et bättre. Vid frågor, kontakta gärna vårt tekniska supportteam.

Getting Started

AI Samtal

AI Bild

AI Video

AI Ljud

Web & Data

CAPTCHA

Identitet

Proxy

Advanced

OpenAI Images Generations API Ansökan och Användning

Ansökningsprocess

GPT-Image-2 Modell

Stödda `size` värden

Scenario 1: Filmiskt porträtt

Scenario 2: Retro reseaffisch (med textrendering)

Scenario 3: Komplex komposition och räkning

Scenario 4: Illustrationsstil (landskapsformat)

Asynkron och callback

Nano Banana Serien

Grundläggande anrop

Uppgradera till flaggskeppsmodellen `nano-banana-pro`

Asynkron callback

Grundläggande användning

Bildkvalitetsparameter `quality`

Bildstorleksparameter `size`

Bildstilsparameter `style`

Bildlänkens formatparameter `response_format`

Asynkron callback

Felhantering

Exempel på felrespons

Slutsats

​Ansökningsprocess

​GPT-Image-2 Modell

​Stödda size värden

​Scenario 1: Filmiskt porträtt

​Scenario 2: Retro reseaffisch (med textrendering)

​Scenario 3: Komplex komposition och räkning

​Scenario 4: Illustrationsstil (landskapsformat)

​Asynkron och callback

​Nano Banana Serien

​Grundläggande anrop

​Uppgradera till flaggskeppsmodellen nano-banana-pro

​Asynkron callback

​Grundläggande användning

​Bildkvalitetsparameter quality

​Bildstorleksparameter size

​Bildstilsparameter style

​Bildlänkens formatparameter response_format

​Asynkron callback

​Felhantering

​Exempel på felrespons

​Slutsats

Ansökningsprocess

GPT-Image-2 Modell

Stödda `size` värden

Scenario 1: Filmiskt porträtt

Scenario 2: Retro reseaffisch (med textrendering)

Scenario 3: Komplex komposition och räkning

Scenario 4: Illustrationsstil (landskapsformat)

Asynkron och callback

Nano Banana Serien

Grundläggande anrop

Uppgradera till flaggskeppsmodellen `nano-banana-pro`

Asynkron callback

Grundläggande användning

Bildkvalitetsparameter `quality`

Bildstorleksparameter `size`

Bildstilsparameter `style`

Bildlänkens formatparameter `response_format`

Asynkron callback

Felhantering

Exempel på felrespons

Slutsats