GPT Image 2 局部改圖指南：Mask 編輯能力與限制

官方文件證明了什麼

OpenAI 的 API Reference 列出 Create image edit 方法，屬於修改既有圖片的 API 入口。^[13] OpenAI 的 Image generation guide 亦把 Edits 放在圖片能力之中，並描述為修改現有圖片。^[14] 同時，OpenAI API 文件中有 GPT Image 2 的 model page。^[15]

這些資料可以支持一個保守結論：GPT Image 2 所屬的 GPT image 工作流有圖片編輯基礎。但「有 image edit」和「保證只改 mask 內像素」是兩件事。前者是功能入口；後者是輸出保真度承諾。就目前引用到的公開資料而言，官方文件不足以支持「未遮罩位置一定完全不變」這種說法。^[13][14]

Mask 不是硬選區

OpenAI Developer Community 有針對 GPT Image 2 masking 的討論，當中有回覆指 gpt-image-2 API 支援 mask field。^[16] 這代表 mask 可以成為工作流的一部分，但不等於它會像傳統修圖軟件的選區一樣，成為模型不能跨越的硬邊界。

原因在於，GPT Image 類模型的局部編輯本質上仍是生成式編輯。開發者社群有帖文回報 images.edit 的 mask 未能把改動限制在指定區域；另一則回覆亦指出，與 DALL·E 2 不同，GPT Image 的 masking 更偏向 prompt-based guidance，模型可能不會完全跟從 mask。^[5][21] 這些社群資料不是正式規格，但對實際使用風險有參考價值。

更重要的是評測證據。一份 arXiv 圖像設計評測提到，GPT-Image 等模型在 masked edit 任務中未能把修改可靠限制在遮罩區域內。^[1] 這不代表 GPT Image 2 每次局部改圖都會失敗；但足以反駁「一定只改指定位置」這種絕對承諾。

三種常見用途的實際風險

1. 換背景

用 GPT Image 2 嘗試換背景是合理的圖片編輯用途，因為 OpenAI 的 image edit／Edits 文件本身已涵蓋修改既有圖片的工作流。^[13][14] 但換完背景後，不應只看背景是否變成目標風格。更應檢查產品邊緣、陰影、反光、比例、顏色，以及主體有沒有被重新詮釋。由於 mask 未必能穩定限制改動範圍，最好把原圖和輸出圖並排比對。^[1][5]

2. 改包裝

改包裝適合用來做 mockup、方向探索或多版本變體；但如果圖片要用於商業交付，就要特別小心。真正風險不只是包裝改不到，而是模型在改包裝時，把本來要保留的標誌、文字、比例或周邊細節也一併改動。這正是 mask 不應被包裝成像素級保真保證的原因。^[1][21]

3. 修正指定位置

如果只是修走瑕疵、改一個小物件或調整局部區域，可以用 mask 加上清楚 prompt 嘗試。較安全的 prompt 不只描述要改什麼，也要描述什麼不可改，例如保留人物五官、產品形狀、品牌標誌、文字、背景和光影一致性。不過，這仍是生成式編輯；輸出後仍要檢查未遮罩區域是否漂移。^[16][21]

降低「成張圖變晒」風險的工作流

1. 保留原圖 master。 不要直接覆蓋原始素材，方便回滾和逐張比對。
2. 每次只改一件事。 先換背景，再改包裝，再修細節；不要一次要求模型完成太多修改。
3. 把保留內容寫進 prompt。 例如要求只更換背景，同時保留產品本體、標誌、文字、比例、顏色和光影。
4. 用 mask 也要明講不可改區域。 Mask 可以提示目標位置，但公開證據不支持把它視為硬性像素邊界。^[1][21]
5. 做原圖對比。 輸出後逐項檢查未指定區域、人物、產品比例、文字、品牌元素和包裝細節。
6. 正式交付前人工收尾。 如果素材需要品牌一致性、法規級包裝文字或像素級準確，最後仍應由設計或修圖人員覆核。

對外應該怎樣表述

較安全的說法是：GPT Image 2 有圖片編輯工作流基礎，並可配合 mask 或指定區域 prompt 嘗試局部修改；但公開資料不支持承諾只改指定像素或指定區域，其他位置完全不變。^{[13][14][15][16][1]}

應避免把能力講成：GPT Image 2 可以保證只改背景、包裝或指定位置，其他地方完全不變。對產品圖、包裝圖和商業素材，最穩陣的做法是把它視為高效生成式編輯工具，再用人工 QA 確認未指定區域沒有被意外改動。^[1][5][21]