使用 OpenAI GPT Image 2 Edit API 編輯圖像。透過提示詞引導修改、多圖輸入、彈性品質控制和穩定創意輸出，快速完成局部調整、風格優化和素材改版。 協助團隊把參考圖、舊素材和新創意快速轉成可用視覺，減少反覆返工。
立即體驗 AI 圖片生成器
OpenAI 的 GPT Image 2 Edit API 為開發者與創意團隊提供高性價比、可用於正式環境的 AI 影像編輯能力。這個專業影像編輯 API 整合可幫助你透過自然語言指令轉換既有視覺內容，同時保留場景連貫性、風格一致性與設計意圖。GPT Image 2 Edit 建立於 OpenAI 最新的 GPT 影像編輯技術堆疊之上，結合語意多模態推理、彈性的品質控制與多圖輸入支援，可在 Best Image AI 上實現可擴展的編輯工作流程。
注意 請確保你的提示詞符合 OpenAI 的使用政策。如果發生錯誤，請檢查提示詞中是否包含受限制內容，調整後再試一次。
GPT Image 2 Edit vs. GPT Image 2 Edit Client
GPT Image 2 Edit Client 提供相同的核心影像編輯能力，並為重視成本效率的團隊提供非常實惠的存取路徑。GPT Image 2 Edit 保持同樣強大的語意編輯、多圖工作流程支援，以及適用於正式環境的編輯能力，因此兩種版本都適合專業編輯流程，具體可依預算優先順序選擇。
GPT Image 2 Edit vs. Runway Gen-4 References
Runway Gen-4 References 在電影感、參考驅動的視覺工作流程方面表現出色。GPT Image 2 Edit API 的差異化優勢在於彈性的多圖編輯、可靠的指令遵循，以及適合實際生產使用的高效 API 化編輯。
GPT Image 2 Edit vs. Stable Image Edit
Stable Image Edit 具備較高的自訂彈性與開放生態吸引力。GPT Image 2 Edit 則為希望在沒有基礎設施負擔下獲得可靠編輯能力的團隊，提供更低門檻的 API 整合、更成熟的語意編輯表現與開箱即用的高品質輸出。
GPT Image 2 Edit vs. Qwen Image 2.0 Edit
Qwen Image 2.0 Edit 是一款具備多語言優勢、強調高性價比的強力編輯模型。GPT Image 2 Edit API 則憑藉 OpenAI 更成熟的指令遵循能力、穩健的多圖工作流程支援，以及可靠的設計導向編輯控制脫穎而出。
GPT Image 2 Edit vs. Nano Banana 2 Edit
Nano Banana 2 Edit 強調 Gemini Flash 的速度與高性價比編輯吞吐。GPT Image 2 Edit 則專注於更成熟的語意編輯、彈性的多圖構圖，以及面向專業編輯流程的強大 OpenAI 工作流程整合。
// 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-edit',
width: 1,
height: 1,
resolution: '1k',
prompt: 'Change the jacket color to deep navy, keep lighting consistent',
quality: 'medium',
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-edit',
'width': 1,
'height': 1,
'resolution': '1k',
'prompt': 'Change the jacket color to deep navy, keep lighting consistent',
'quality': 'medium',
'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-edit",
"width": 1,
"height": 1,
"resolution": "1k",
"prompt": "Change the jacket color to deep navy, keep lighting consistent",
"quality": "medium",
"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)