使用 OpenAI ChatGPT Images 2.5 Flare API 将创意简报转为产品图片、广告和社交媒体视觉作品。为应用添加经济实惠的图像生成能力。
立即体验 AI 图片生成
ChatGPT Images 2.5 Flare API 让开发者通过 Best Image AI 使用 OpenAI 的文生图能力。借助灵活的分辨率、质量和宽高比控制，制作产品视觉图、营销素材和创意概念图。该 API 沿用 ChatGPT Images 2.5 系列统一的异步图像任务流程，便于集成到现有创意应用中。
文生图创作： 描述想要生成的主体、构图、光照和视觉风格。
灵活的输出分辨率： 根据概念探索、数字内容发布或大尺寸视觉素材的需求选择输出分辨率。
可调节的质量： 根据工作流程中的不同输出需求，为每次请求选择合适的质量设置。
多种宽高比： 为产品页面、活动版面和社交平台创建方形、横向和纵向图像。
创意迭代： 优化提示词并调整输出设置，探索同一创意需求的不同方向。
统一的 API 集成： 通过现有的 Best Image AI 图像接口提交图像任务并获取已完成的输出。
输入： 用自然语言描述想要创建的图像的提示词。
输出： 任务完成后，以图像 URL 的形式返回生成的图像。
宽高比： 通过宽度和高度的比例值灵活选择方形、纵向和横向格式。
能力： 支持分辨率和质量控制的文生图。
产品视觉图： 通过描述场景和构图的提示词探索产品展示概念。
营销素材： 为活动创意、推广版面和创意评审准备不同版本的图像。
社交媒体内容： 为帖子、限时动态、横幅及其他发布格式选择输出比例。
设计迭代： 在确定视觉方向的过程中比较不同提示词和质量设置。
创意应用： 将图像生成集成到基于任务的应用中，支持进度跟踪和结果获取。
注意 请确保你的提示词符合 OpenAI 的使用政策。如果发生错误，请检查提示词中是否包含受限内容，进行调整后重试。
ChatGPT Images 2.5 Flare 与 ChatGPT Images 2.5 Sunburst
两个版本提供相同的文档所述分辨率、质量和宽高比控制。选择版本时，请使用同一创意需求评估结果。
ChatGPT Images 2.5 Flare 与 ChatGPT Images 2.5 Client
Client 版本目前提供固定的输出分辨率。ChatGPT Images 2.5 Flare 通过相同的图像任务 API 流程提供多种分辨率和质量设置。
ChatGPT Images 2.5 Flare 与 GPT Image 2
两者均支持带分辨率和质量控制的文生图。ChatGPT Images 2.5 Flare 额外提供超高和最高质量选项；请根据预期用途比较输出效果。
// 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-2.5-flare',
prompt: 'A minimalist product shot of a ceramic mug on marble, soft studio light',
width: 1,
height: 1,
resolution: '1k',
quality: 'medium'
})
});
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-2.5-flare',
'prompt': 'A minimalist product shot of a ceramic mug on marble, soft studio light',
'width': 1,
'height': 1,
'resolution': '1k',
'quality': 'medium'
}
)
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-2.5-flare",
"prompt": "A minimalist product shot of a ceramic mug on marble, soft studio light",
"width": 1,
"height": 1,
"resolution": "1k",
"quality": "medium"
}'
# 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)