
文字生成圖像
根據文字提示詞建立 AI 圖像
使用 ChatGPT Images 2.6 Sunburst Edit API 修改參考照片和插畫,同時維持商品細節和角色特徵的一致性。可輸入 1 至 16 張參考圖,指定每張圖的用途,並以提示詞引導多輪調整。
立即體驗 AI 圖片生成器
開發者可以透過 Best Image AI 的 ChatGPT Images 2.6 Sunburst Edit API,使用文字指令與參考圖片進行 OpenAI 圖片編輯。這是 ChatGPT Images 2.6 系列中著重編輯一致性的升級款。OpenAI 指出,將品質設為中或高時,Sunburst 能產生品質更高的圖片,也能讓多次編輯的結果更一致。如果更換場景或道具時需要維持產品外形、標誌與品牌色彩,可優先選用 Sunburst Edit。
以提示詞引導圖片編輯: 描述想要修改的內容,並提供原始圖片作為編輯依據。
多次編輯間的主體一致性: 在連續編輯中替換背景、光線或搭配的道具時,維持產品輪廓、識別標記與配色一致。
中高品質下的優勢: 若專案需要 OpenAI 的 Sunburst 在細節與編輯一致性方面的優勢,可將品質調至中或高。
彈性的輸出解析度: 依概念發想、數位出版或大型視覺素材的需求,選用 1K、2K 或 4K 解析度。
可調整的品質: 每次請求皆可選擇 medium、low、high、xhigh 或 max,以符合工作流程中不同的輸出需求。
多種長寬比: 依支援的比例建立正方形、橫向或直向圖片,用於產品頁面、活動版面與社群平台。
多張圖片輸入: 提供多張參考圖,並清楚說明每張圖在最終構圖中的作用。
共用 API: 透過既有的 Best Image AI 圖片端點提交任務,並取得完成的圖片。
輸入: 參考圖片的網址,以及用自然語言描述預期變更的提示詞。
輸出: PNG、JPEG 或 WebP 格式的編輯結果,任務完成後以圖片 URL 形式傳回。
長寬比: 透過寬度與高度的比例值選擇正方形、直向或橫向格式。
功能: 支援以參考圖片為基礎的編輯及多圖合成,可調整解析度與品質,著重中高品質下的細節以及多次編輯間的一致性。
產品視覺: 在不同環境中重新展示同一個 SKU,同時保留產品外形、標誌與品牌色彩。
行銷素材: 將活動創意與促銷版面在地化,在多次編輯中維持品牌識別一致。
社群媒體內容: 以相同的產品或角色參考圖片製作適用於多個平台的版本,維持識別標記與配色一致。
連貫的動作畫格: 以固定構圖編輯動作逐格變化的靜態圖片,讓創意團隊能依序組成循環動畫。
創意應用: 將依據參考圖片編輯的功能整合至以任務為單位的應用程式,支援進度追蹤與結果擷取。
注意事項 請確保提示詞符合 OpenAI 的使用政策。如果發生錯誤,請檢查提示詞是否含有限制內容,調整後再試一次。
基本費用包含第一張參考圖,每增加一張參考圖會收取額外費用。詳情請參閱目前價格。
ChatGPT Images 2.6 Sunburst Edit 與 ChatGPT Images 2.6 Flare Edit
若編輯需求優先考量中高品質下的細節,以及多次編輯間的主體一致性,可選擇 Sunburst Edit。若速度及海報或產品版面的品質更重要,可選擇 Flare Edit。
ChatGPT Images 2.6 Sunburst Edit 與 ChatGPT Images 2.5 Sunburst Edit
ChatGPT Images 2.6 Sunburst Edit 是 2.5 Sunburst Edit 的同系列升級版。OpenAI 指出,Images 2.6 在中或高品質下能產生品質更高的圖片,並在多次編輯中維持更好的一致性,同時在 Best Image AI 上保留彈性的解析度、品質、長寬比及多圖輸入設定。
ChatGPT Images 2.6 Sunburst Edit 與 ChatGPT Images 2.5 Edit Client
Client 版本目前採用固定輸出解析度。ChatGPT Images 2.6 Sunburst Edit 透過相同的圖片任務 API 工作流程提供多種解析度與品質設定,並著重 2.6 版本的細節與一致性。
ChatGPT Images 2.6 Sunburst Edit 與 GPT Image 2 Edit
兩者皆支援依據參考圖片編輯,並可調整解析度與品質。ChatGPT Images 2.6 Sunburst Edit 新增超高與最高品質選項,並著重 Images 2.6 在中高品質下的編輯一致性。可依實際用途比較輸出結果。
在瀏覽器中探索多種 AI 創作工具,快速完成圖像和影片工作流程,再透過 Best Image AI 可用於正式環境的模型 API 擴展成功創意。Best Image AI 為所有模型提供統一 API 層,讓工作流程的使用和擴展更輕鬆。
// Step 1: Submit generation request
const response = await fetch('https://api.flaq.ai/api/v1/image/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'gpt-image-2.6-sunburst-edit',
width: 1,
height: 1,
resolution: '1k',
prompt: 'Change the jacket color to deep navy, keep lighting consistent',
quality: 'medium',
output_format: 'png',
image_url_list: ['https://example.com/source.jpg']
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/image/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.images[].);
;
}
(status === ) {
.(pollResultData..);
;
}
( (resolve, ));
}
# Step 1: Submit generation request
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/image/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'gpt-image-2.6-sunburst-edit',
'width': 1,
'height': 1,
'resolution': '1k',
'prompt': 'Change the jacket color to deep navy, keep lighting consistent',
'quality': 'medium',
'output_format': 'png',
'image_url_list': ['https://example.com/source.jpg']
}
)
task_id = response.json()['data']['task_id']
# Step 1: Submit generation request
curl -X POST https://api.flaq.ai/api/v1/image/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "gpt-image-2.6-sunburst-edit",
"width": 1,
"height": 1,
"resolution": "1k",
"prompt": "Change the jacket color to deep navy, keep lighting consistent",
"quality": "medium",
"output_format": "png",
"image_url_list": ["https://example.com/source.jpg"]
}'
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/image/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/image/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['images'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)