GPT Image 2 局部改图指南：Mask 能做什么、不能保证什么

官方文档能证明什么

OpenAI 的 API Reference 列出了 Create image edit 方法，这是用于修改已有图片的 API 入口。 OpenAI 的 Image generation guide 也把 Edits 放在图片能力之中，并描述为修改现有图片。 同时，OpenAI API 文档中有 GPT Image 2 的 model page。

这些信息足以支持一个保守判断：GPT Image 2 所属的 GPT image 工作流具备图片编辑基础。但“有 image edit 功能”和“能保证只改 mask 内像素”不是一回事。前者是功能入口，后者是输出保真度承诺。就目前可核对的公开资料而言，官方文档不足以支持“未遮罩位置一定完全不变”这种说法。

Mask 不是像素级硬边界

OpenAI Developer Community 中有关于 GPT Image 2 masking 的讨论，其中有回复称 gpt-image-2 API 支持 mask field。 这说明 mask 可以进入编辑工作流，但它不应被理解成传统修图软件里的“硬选区”：画哪里就只动哪里，边界外一像素不动。

原因在于，GPT Image 这类模型的局部编辑本质上仍是生成式编辑。开发者社区有帖文反馈，images.edit 的 mask 未能把改动限制在指定区域；另一则回复也称，与 DALL·E 2 不同，GPT Image 的 masking 更偏向 prompt-based guidance，模型可能不会完全照着 mask 执行。

更关键的是评测证据。一份 arXiv 图像设计评测提到，GPT-Image 等模型在 masked edit 任务中未能可靠地把修改限制在遮罩区域内。 这不代表 GPT Image 2 每次局部改图都会失败，但足以说明：不能把 mask 宣传成“只改指定区域”的绝对保证。

三类常见场景，风险各不相同

1. 换背景

用 GPT Image 2 尝试换背景是合理的图片编辑用途，因为 OpenAI 的 image edit 和 Edits 文档本身就覆盖了修改已有图片的工作流。 但换完背景后，不要只看背景是否变成了目标风格，还要检查产品边缘、阴影、反光、比例、颜色，以及主体有没有被重新解释。

由于 mask 未必能稳定限制改动范围，建议把原图和输出图并排对比，尤其关注产品轮廓和材质细节。

2. 改包装

改包装适合用于 mockup、方向探索或多版本设计。但如果图片要用于商业交付，风险不只是“包装没改准”，还包括模型在改包装时顺手改掉原本需要保留的 Logo、文字、比例、边缘结构或周边细节。

这正是不能把 mask 当成像素级保真承诺的原因：它能帮助模型理解你想改哪里，但公开证据不支持把它视为绝对边界。

3. 修正指定位置

如果只是修掉瑕疵、替换一个小物件，或调整局部区域，可以用 mask 配合清楚的 prompt 尝试。更稳妥的提示词不要只写“改什么”，也要写“不要改什么”，例如保留人物五官、产品形状、品牌标识、文字、背景关系和光影一致性。

不过，这仍然是生成式编辑。输出后仍应检查未遮罩区域是否出现漂移、重绘或细节变化。

降低“整张图都变了”的做法

1. 保留原图 master。 不要直接覆盖原始素材，方便回滚和逐张比对。
2. 一次只改一件事。 先换背景，再改包装，再修细节；不要一次让模型完成太多修改。
3. 把需要保留的内容写进 prompt。 例如要求只更换背景，同时保留产品本体、Logo、文字、比例、颜色和光影。
4. 用了 mask 也要说明不可改区域。 Mask 可以提示目标位置，但公开证据不支持把它视为硬性像素边界。
5. 输出后做原图对比。 逐项检查未指定区域、人物、产品比例、文字、品牌元素和包装细节。
6. 正式交付前人工收尾。 如果素材涉及品牌一致性、包装合规文字或像素级准确度，最后仍应由设计或修图人员复核。

对客户或团队该怎么说

更稳妥的表述是：GPT Image 2 有图片编辑工作流基础，也可以配合 mask 或指定区域 prompt 尝试局部修改；但公开资料不支持承诺只改指定像素或指定区域，其他位置完全不变。

应避免说成：GPT Image 2 能保证只改背景、包装或某个位置，其他地方绝对不变。

对产品图、包装图和商业素材，更现实的定位是：把它当作高效的生成式编辑工具，用来出草稿、做变体、探索方向；最后再通过人工 QA 确认未指定区域没有被意外改动。