GPT Image 2 Edit อัปโหลดภาพได้กี่ภาพในหนึ่งครั้ง

ภาพต้นทางไม่เหมือนภาพผลลัพธ์

ความสับสนหลักมักเกิดจาก API ภาพมีตัวเลขอยู่สองชุด:

• ภาพต้นทาง: ไฟล์ที่อัปโหลด หรือ URL ของภาพที่ใช้เป็นภาพอ้างอิงสำหรับการแก้ไข
• ภาพผลลัพธ์: ภาพที่โมเดลสร้างและส่งกลับมา

เอกสารบางแห่งพูดถึงจำนวน “ภาพที่จะสร้าง” ไม่ใช่จำนวนภาพที่อัปโหลดเป็นอินพุต ตัวอย่างเช่น เอกสาร image-edit ที่เข้ากันได้กับ OpenAI ของ Zenlayer ระบุว่าจำนวนภาพที่จะสร้างต้องอยู่ระหว่าง 1 ถึง 10 ซึ่งเป็นค่าของฝั่งเอาต์พุต ไม่ใช่เพดานภาพต้นทางที่อัปโหลด

ตัวอย่างของ OpenVINO ที่เข้ากันได้กับ OpenAI ก็แยกสองเรื่องนี้ออกจากกันเช่นกัน ตัวอย่างส่งไฟล์เดียวด้วย image=@three_cats.png และใช้ n=4 เพื่อขอผลลัพธ์หลายภาพ ตัวอย่างที่ใช้ภาพต้นทางหนึ่งไฟล์ไม่ได้พิสูจน์ว่ารับได้สูงสุดหนึ่งไฟล์ และ n=4 ก็ไม่ได้แปลว่ารับภาพต้นทางได้ 4 ภาพ

wrapper ภายนอกยังไม่ใช่คำตอบแทน OpenAI ทางการ

หน้าเอกสารของผู้ให้บริการภายนอกมีประโยชน์ต่อการใช้งานจริง แต่ไม่ควรนำไปสรุปเป็นข้อจำกัดทางการของ OpenAI เว้นแต่เอกสารนั้นระบุข้อจำกัดอย่างชัดเจน

หน้า openai/gpt-image-2/edit ของ Fal แสดงฟิลด์ image_urls เป็น array ในตัวอย่าง request ซึ่งสอดคล้องกับโครงสร้างที่รองรับหลาย URL ได้ในเชิงรูปแบบ แต่ตัวอย่างที่แสดงมี URL เดียว และไม่ได้ประกาศจำนวนภาพต้นทางสูงสุด

WaveSpeedAI อธิบายเวิร์กโฟลว์ GPT Image 2 Edit ว่าสามารถผสานภาพอ้างอิงหลายภาพได้ แต่นั่นเป็นคำอธิบายจากผู้ให้บริการ ไม่ใช่ตัวเลขเพดานภาพต้นทางอย่างเป็นทางการจาก OpenAI

ข้อจำกัดการอัปโหลดใน ChatGPT เป็นคนละเรื่อง

FAQ เรื่อง ChatGPT Image Inputs ของ OpenAI ระบุว่าจำนวนภาพที่ผู้ใช้เพิ่มในบทสนทนา ChatGPT ได้ขึ้นอยู่กับหลายปัจจัย รวมถึงขนาดของภาพ FAQ นี้พูดถึงพฤติกรรมในบทสนทนาของ ChatGPT ส่วนเอกสาร Images API พูดถึงเมธอดแก้ไขภาพของ API การเอาสองอย่างนี้มาปนกันอาจทำให้เขียน validation logic ผิด

สำหรับทีมที่กำลังสร้างผลิตภัณฑ์ ความแตกต่างนี้สำคัญมาก เพราะข้อจำกัดของหน้า ChatGPT, schema ของ wrapper ภายนอก และ OpenAI Images API อาจไม่เหมือนกัน ให้ตรวจสอบกับระบบที่คุณเรียกใช้งานจริงเสมอ

แนวทางปฏิบัติสำหรับนักพัฒนา

1. เขียนข้อความให้แม่นยำ — “รองรับภาพอ้างอิงหลายภาพ” ปลอดภัยกว่า “อัปโหลดภาพต้นทางได้สูงสุด 10 ภาพ” เว้นแต่ผู้ให้บริการของคุณมีเอกสารระบุตัวเลขนั้นชัดเจน
2. แยกค่าฝั่งอินพุตกับเอาต์พุต — นับจำนวนภาพต้นทางแยกจาก n, จำนวนภาพผลลัพธ์ หรือพารามิเตอร์ประเภท “images to generate”
3. ทำข้อจำกัดให้ตั้งค่าแยกตามผู้ให้บริการ — ถ้าเรียก Fal, WaveSpeedAI หรือ wrapper อื่น ให้ทดสอบ schema และ error runtime ของผู้ให้บริการนั้น แทนการเดาว่ามีเพดานกลางของ OpenAI ที่ใช้เหมือนกันทั้งหมด
4. แจ้ง error ให้ผู้ใช้เข้าใจง่าย — หาก endpoint ปฏิเสธเพราะส่งภาพอ้างอิงมากเกินไป ให้บอกข้อจำกัดที่มีผลจริงของผู้ให้บริการนั้น โดยไม่สื่อว่าเป็นเพดานทางการของ GPT Image 2 Edit

สรุปสั้น ๆ

จากเอกสารที่ตรวจสอบ คำตอบยังไม่ใช่ตัวเลข OpenAI ใช้ถ้อยคำที่รองรับอินพุตภาพแบบพหูพจน์ผ่าน “image(s) to edit” แต่ไม่ได้ระบุจำนวนภาพต้นทางสูงสุดสำหรับหนึ่งคำขอแก้ไขภาพ