GPT Image 2 局部改圖查核：mask 能引導，但不能保證只動一小塊

官方文件實際確認了什麼

官方資料目前能支持三件事。

第一，GPT Image 2 確實出現在 OpenAI API 的模型文件中。^[2] 這能支持「GPT Image 2 是 OpenAI 文件中的模型」這個說法，但不能單獨推出它在每次照片編修中都會穩定保留人物臉、光線、構圖或未指定區域。^[2][15]

第二，GPT Image 的官方範例有 mask 編修流程。文件寫明，如果不希望模型改動輸入圖片的特定部分，可以提供 mask；使用 mask 時仍然需要 prompt，代表遮罩與文字指令是一起引導輸出的。^[15]

第三，官方沒有把 mask 描述成像素級保證。相反地，文件提醒模型仍可能改到 mask 中的部分內容，並建議在需要精準遮罩時使用影像分割模型。^[15]

對人物臉、光線與構圖代表什麼

如果你的需求是「只修衣服上一個小污點，但臉、膚色、光線、背景構圖都完全不變」，目前提供的官方資料不足以支持這種保證。^[2][15] mask 可以降低不想修改區域被動到的機率，但官方說法本身就是「會避免」，不是「絕不更動」。^[15]

這對高敏感素材尤其重要。人物臉、商品輪廓、品牌標誌、包裝文字、證件照與需要一致光線的商業圖片，都不應只看生成結果是否大致好看；更安全的流程是保留原圖，逐張對照檢查臉部細節、邊緣、文字與構圖比例是否被帶動改變。這是對官方 mask 限制的必要風險控管。^[15]

社群回報能說明什麼，不能說明什麼

OpenAI Developer Community 中有多則與 gpt-image-1 相關的遮罩編修回報，主題包括 mask edits 保留不佳、mask 無法把修改限制在特定區域、inpainting with a mask 取代整張圖片，以及 mask 被忽略等問題。^{[3][4][9][10]}

其中一則社群回覆把 GPT Image 的 masking 描述為 prompt-based，並稱模型會重新生成整張圖，只是盡量把未修改區畫得接近原圖；該回覆也指出模型可能不會完全精準遵守 mask 形狀。^[6]

這些社群內容主要指向 gpt-image-1，也不是 OpenAI 對 GPT Image 2 的正式性能承諾，所以不能直接得出「GPT Image 2 一定有同樣問題」的結論。^{[3][4][6][9][10]} 但它們和官方 cookbook 對 mask 可能不完全精準的提醒方向一致，足以作為實務使用時的風險訊號。^[15]

第三方「像素級手術式修改」宣傳要怎麼看

有第三方網站把「GPT Image 2 Edit」描述為可用自然語言修改參考圖，並宣稱能做「surgical pixel-level edits」、不需要 masks、layers 或 Photoshop。^[5] 這類說法可以當作市場宣傳參考，但在判斷是否能「只改一小塊、其他完全不變」時，應優先以 OpenAI 文件中的限制說明與自己的測試結果為準。^[15]

換句話說，目前官方資料能支持的是：GPT Image 相關編修可用 mask 做局部導向；官方資料不能支持的是：mask 能保證未指定區域完全不被模型改動。^[15]

實務建議：哪些情境適合，哪些要小心

如果目標是快速產生概念稿、社群圖變體、背景替換方向或視覺探索，mask 編修值得測試，因為 OpenAI 的確提供了遮罩式編修範例。^[15]

但如果目標是高精度人物照、商品主圖、證件照、品牌素材或含有重要文字的圖片，驗收標準應該更嚴格：

1. prompt 要明確。 使用 mask 時仍需要 prompt，因此要清楚描述要改什麼、哪些地方要保留。^[15]
2. 需要精準邊界時，先做好 mask。 OpenAI 建議，如果需要 exact mask，可以使用影像分割模型。^[15]
3. 把輸出當候選稿，不要直接當終稿。 官方已提醒 mask 仍可能被部分改動，因此臉部、產品邊緣、文字與品牌元素都應人工檢查。^[15]
4. 保留原圖並做前後比對。 對構圖比例、光線一致性與關鍵細節敏感的圖片，最好逐張比較，而不是只看生成圖是否自然；這是因應 mask 不保證完全不變的必要流程。^[15]

最安全的一句話

GPT Image 2 可以放進局部改圖工作流中測試，但目前可查核資料不支持「一定只改指定小區域，人物臉、光線與構圖完全不受影響」的保證說法。OpenAI 官方範例支持 mask 局部導向，也同時提醒 mask 仍可能不完全精準；高精度修圖應搭配影像分割、前後比對與人工驗收。^[2][15]

最上級對 Type 31：日本為何緊盯紐西蘭下一代巡防艦

最上級對 Type 31：日本為何想拿下紐西蘭巡防艦案