OpenAI 的图像指南把 Generations 和 Edits 分开:前者是根据文本提示词从零生成图像,后者是修改已有图像。 OpenAI API 参考里也把 Edit an Image 单独列出,与 Generate an Image 和 Create Variation 并列,而不是把编辑当成生成接口上的一个小技巧。
更宽泛的 OpenAI 图像参考还写到,模型可以基于提示词“和/或”输入图像生成新图,这说明图像工作流并不限于纯文本输入。 到 GPT Image 2 这个具体模型层面,Replicate 的页面描述它可以从文本创建图像,也可以编辑已有图像;fal.ai 则提供了 openai/gpt-image-2/edit 端点,示例请求包含提示词和 image_urls。
就已核查资料而言,OpenAI 官方文档最明确证明的是:图像生成和图像编辑是两类不同的 API 工作流。 其中一个 OpenAI 编辑参考片段还提到,某些返回行为默认适用于 “GPT image models”,这把编辑方法与 GPT 图像模型家族关联起来;但这个片段本身并没有展开 GPT Image 2 的完整能力清单、所有参数或限制。
所以,比较稳妥的表述是:OpenAI 文档支持“输入图像/编辑”这一类工作流;GPT Image 2 的明确编辑示例,在现有资料中主要来自 Replicate 和 fal.ai 的集成页面。
中文里我们常把它统称为“上传图片”,但开发时最好说得更精确:input image(输入图像)。fal.ai 的 GPT Image 2 编辑示例使用的是 image_urls,因此可以确认它的这一集成方式支持通过图片 URL 传入图像。
但这不代表你可以把 image_urls 直接照搬到 OpenAI 原生 API。OpenAI 参考里的表述更宽泛,是提示词和/或输入图像;而这里可见的 OpenAI GPT Image 2 模型页片段,并没有完整展示 GPT Image 2 的请求 schema、输入限制或账户可用性细节。
换句话说:做 demo 时可以参考第三方封装示例;上生产前,仍应以当前 OpenAI 模型页和图像编辑 API 参考为准。
如果你只想改图片的一部分,OpenAI 的 GPT Image cookbook 描述了带遮罩的编辑流程:可以提供 mask,告诉模型不要修改输入图像中的某个区域。
但这里有一个容易踩坑的点:同一说明也提醒,模型仍可能编辑遮罩内的某些部分,只是会尽量避免;如果需要非常精确的遮罩,OpenAI 建议使用图像分割模型。 因此,mask 更像是强约束提示,不应被当作 Photoshop 里的图层锁定。
image_urls,应把它理解为 fal.ai 示例中确认存在的字段,而不是所有 OpenAI 调用都通用的字段名。是的,GPT Image 2 可以用于编辑已提供的输入图像,并不只是生成全新图片。最可靠的总体依据来自 OpenAI 对图像编辑和输入图像工作流的文档;最明确的 GPT Image 2 编辑示例,则来自 Replicate 和 fal.ai。真正接入前,仍要核对当前 OpenAI 原生接口的端点、字段、限制和可用性。