> ## Documentation Index > Fetch the complete documentation index at: https://germeytechnology-docs-remove-4o-image-nav.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # OpenAI Images Edits API – rejestracja i użycie > OpenAI generation 集成指南 - Ace Data Cloud Usługa edycji obrazów OpenAI pozwala przesłać dowolną liczbę obrazów i poleceń, a następnie otrzymać zmodyfikowane obrazy. Obecnie interfejs obsługuje modele `dall-e-2`, `gpt-image-1`, najnowszy **`gpt-image-2`**, a także modele z serii **`nano-banana` / `nano-banana-2` / `nano-banana-pro`** dostępne przez ten sam interfejs. Niniejsza dokumentacja opisuje proces korzystania z OpenAI Images Edits API, dzięki któremu można łatwo używać oficjalnych funkcji edycji obrazów OpenAI. ## Proces rejestracji Aby korzystać z OpenAI Images Edits API, należy najpierw przejść na stronę [OpenAI Images Edits API](https://platform.acedata.cloud/documents/openai-images-edits) i kliknąć przycisk „Acquire”, aby uzyskać niezbędne poświadczenia do żądań: ![](https://cdn.acedata.cloud/nyq0xz.png) Jeśli nie jesteś zalogowany lub zarejestrowany, zostaniesz automatycznie przekierowany na stronę logowania, gdzie możesz się zarejestrować i zalogować. Po zalogowaniu zostaniesz automatycznie przekierowany z powrotem na tę stronę. Przy pierwszym zgłoszeniu otrzymujesz darmowy limit, który pozwala na bezpłatne korzystanie z API. ## Model GPT-Image-2 Model `gpt-image-2` oferuje znaczące ulepszenia w scenariuszach edycji obrazów w porównaniu do `gpt-image-1`: * **Stabilniejsze zachowanie struktury**: zmiana skórek, kolorystyki czy tła niemal nie narusza układu i kompozycji oryginalnego obrazu. * **Dokładniejsze zachowanie tekstu**: obrazy zawierające tekst, takie jak infografiki, plakaty czy menu, po edycji zachowują czytelność tekstu. * **Obsługa bezpośredniego przesyłania URL**: oprócz tradycyjnego przesyłania plików w formacie `multipart/form-data`, `gpt-image-2` **dodatkowo obsługuje przekazywanie URL obrazu w formacie JSON**, co eliminuje konieczność pobierania obrazu lokalnie i jest idealne do integracji po stronie serwera. * **Obsługa wysokiej rozdzielczości**: można przesłać obraz 1K i za pomocą parametru `size` zażądać wyjścia w rozdzielczości 2K lub 4K; model podczas edycji jednocześnie powiększy obraz. ### Obsługiwane wartości parametru `size` Ograniczenia parametru `size` w interfejsie edycji są takie same jak w interfejsie generowania — `gpt-image-2` akceptuje `size` równe `auto`, puste lub w formacie `WIDTHxHEIGHT`. Każda inna forma zwróci błąd 400. **Wszystkie rozmiary (1K / 2K / 4K / niestandardowe) są rozliczane jednolicie za pojedynczy obraz, niezależnie od rozdzielczości oryginału i wartości `size`.** Obowiązują też ograniczenia dotyczące niestandardowych rozmiarów: szerokość i wysokość muszą być wielokrotnością 16, dłuższy bok ≤ 3840, łączna liczba pikseli ≤ 8 294 400. | Proporcje | 1K rekomendowane | 2K rekomendowane | 4K rekomendowane | | --------- | ---------------- | ---------------- | ---------------- | | 1:1 | `1024x1024` | `2048x2048` | `2880x2880` | | 4:3 | `1536x1024` | `2048x1536` | `3264x2448` | | 3:4 | `1024x1536` | `1536x2048` | `2448x3264` | | 16:9 | `1792x1024` | `2048x1152` | `3840x2160` | | 9:16 | `1024x1792` | `1152x2048` | `2160x3840` | > Przykład: jeśli oryginalny obraz ma rozmiar `1024x1024`, a `size` ustawimy na `2048x2048`, model wygeneruje obraz 2K zgodnie z instrukcją edycji; dla `3840x2160` wyjściem będzie obraz 4K w orientacji poziomej; dla `auto` lub pominięcia parametru model sam wybierze rozmiar. Opłata jest taka sama w każdym przypadku. > **O parametrze `n`** > > Interfejs edycji `gpt-image-2` **nie obsługuje `n > 1`**: parametr ten jest ignorowany, niezależnie czy podasz `n=1` czy `n=10`, w odpowiedzi zwracany jest tylko jeden obraz i naliczana jest opłata za jeden obraz. Jeśli potrzebujesz wielu wariantów, musisz wykonać wiele równoległych żądań. To ograniczenie dotyczy również modeli `gpt-image-1` / `gpt-image-1.5` oraz serii `nano-banana`. Model `dall-e-2` jest obecnie jedynym natywnie obsługującym `n > 1`. Poniżej przedstawiamy dwa przykłady pokazujące możliwości edycji modelu `gpt-image-2`. ### Metoda wywołania 1: JSON + URL obrazu (zalecane) Wysyłamy żądanie jako `application/json`, w polu `image` podajemy URL obrazu, który model pobierze i edytuje zgodnie z `prompt`. Na przykład, poniższy obraz to infografika wygenerowana przez `gpt-image-2`:

Chcemy zmienić ją na tryb „nocny”. Wywołanie wygląda tak: ```shell theme={null} curl -X POST "https://api.acedata.cloud/openai/images/edits" \ -H "Authorization: Bearer {token}" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-image-2", "image": "https://platform.cdn.acedata.cloud/gpt-image/5c9fa635-8794-4c6d-88f8-584d7f4716c6_0.png", "prompt": "Convert this infographic to dark mode: dark navy background, light cream text, deep gray rounded module cards with soft shadows. Keep all layout, structure, and module arrangement identical — only invert the color scheme.", "size": "1024x1536" }' ``` Lub w Pythonie: ```python theme={null} import requests url = "https://api.acedata.cloud/openai/images/edits" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "gpt-image-2", "image": "https://platform.cdn.acedata.cloud/gpt-image/5c9fa635-8794-4c6d-88f8-584d7f4716c6_0.png", "prompt": "Convert this infographic to dark mode: dark navy background, light cream text, deep gray rounded module cards with soft shadows. Keep all layout, structure, and module arrangement identical — only invert the color scheme.", "size": "1024x1536" } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` Przykładowa odpowiedź: ```json theme={null} { "success": true, "task_id": "cb104e35-af1f-45be-9fac-b62e2b256753", "trace_id": "3e5c77c6-6c2e-4bba-a42d-98ea049b58a8", "created": 1777048863, "data": [ { "revised_prompt": "Convert this infographic to dark mode: dark navy background, light cream text, deep gray rounded module cards with soft shadows. Keep all layout, structure, and module arrangement identical — only invert the color scheme.", "url": "https://platform.cdn.acedata.cloud/gpt-image/cb104e35-af1f-45be-9fac-b62e2b256753_0.png" } ], "elapsed": 83.859 } ``` Edytowany obraz:

Widać, że struktura modułów, podział informacji i układ tekstu zostały zachowane, a jedynie kolorystyka zmieniona na ciemny motyw. > **Wskazówka**: pole `image` może też przyjmować tablicę URL-i, np. `"image": ["url1", "url2", "url3"]`, maksymalnie do 16 obrazów referencyjnych, które model uwzględni podczas edycji. ### Metoda wywołania 2: JSON + wiele obrazów referencyjnych Model `gpt-image-2` potrafi korzystać z wielu obrazów referencyjnych, np. łączyć kilka zdjęć produktów w jeden kosz prezentowy: ```python theme={null} payload = { "model": "gpt-image-2", "image": [ "https://example.com/item1.png", "https://example.com/item2.png", "https://example.com/item3.png" ], "prompt": "Combine all the items above into a single 'Relax & Unwind' gift basket on a clean white background, photorealistic, soft natural lighting.", "size": "1024x1024" } ``` ### Przykład scenariusza: zmiana stylu przy zachowaniu struktury Kolejny przykład: zamiana drewnianej półki na nowoczesną, ale zachowanie dokładnej liczby i układu książek na każdej półce. Oryginalny obraz (drewniana półka wygenerowana przez `gpt-image-2`):

Wywołanie: ```python theme={null} payload = { "model": "gpt-image-2", "image": "https://platform.cdn.acedata.cloud/gpt-image/141970f0-65fb-4ec8-ab7d-9be173641350_0.png", "prompt": "Replace the wooden bookshelf with a sleek modern white floating shelf mounted on a pastel blue wall. Keep the exact same arrangement of books (1 book on top, 3 in middle, 7 on bottom). Add a small potted succulent on the top shelf next to the book. Bright airy daylight from the left.", "size": "1024x1024" } ``` Wynik edycji (`task_id`: `e9544dba-727e-44a2-81e1-223d49869380`):

Widać, że styl i otoczenie zostały zmienione zgodnie z poleceniem, ale liczba książek na każdej półce (1 / 3 / 7) pozostała niezmieniona, a na górnej półce dodano małą sukulentę. ### Metoda wywołania 3: multipart/form-data (kompatybilne z OpenAI SDK) Jeśli korzystasz z oficjalnego OpenAI Python SDK, możesz używać tradycyjnego przesyłania plików `multipart/form-data`, wystarczy zmienić `model` na `gpt-image-2`: ```python theme={null} import base64 from openai import OpenAI client = OpenAI() result = client.images.edit( model="gpt-image-2", image=[open("test.png", "rb")], prompt="Convert this image to dark mode while keeping the layout intact." ) image_base64 = result.data[0].b64_json image_bytes = base64.b64decode(image_base64) with open("edited.png", "wb") as f: f.write(image_bytes) ``` Przed użyciem SDK należy ustawić dwa zmienne środowiskowe: `OPENAI_BASE_URL` na `https://api.acedata.cloud/openai` oraz `OPENAI_API_KEY` na uzyskany token: ```shell theme={null} export OPENAI_BASE_URL=https://api.acedata.cloud/openai export OPENAI_API_KEY={token} ``` ## Modele z serii Nano Banana Modele `nano-banana` również są dostępne pod `/openai/images/edits`. Wystarczy zmienić parametr `model` na dowolny z poniższej tabeli: | Model | Koszt (kredyty / wywołanie) | Zastosowanie | | ----------------- | --------------------------- | ------------------------------------------------------------------- | | `nano-banana` | 0.14 | Standardowa edycja obrazów, najszybsza i najtańsza | | `nano-banana-2` | 0.28 | Wyraźnie lepsza jakość i szczegóły | | `nano-banana-pro` | 0.35 | Flagowy model serii, najlepsze zachowanie struktury, tekstu i stylu | > **Ważne: obsługiwane parametry** > > Nano Banana korzysta z warstwy adaptacyjnej OpenAI i obsługuje tylko parametry: `model`, `prompt`, `image`. > > * `image` można przesłać jako plik w `multipart/form-data` (worker konwertuje go do formatu `data:;base64,...` dla upstream) lub jako URL w polu formularza. > * Nie obsługuje parametrów `mask`, `n`, `size`, `response_format` – są ignorowane. > * Odpowiedź ma format zgodny z OpenAI (`data[].url`), ale `created` jest zawsze `0`, nie zwraca `b64_json`, a `revised_prompt` jest zawsze równy oryginalnemu `prompt`. ### Wywołanie przez formularz + URL obrazu ```shell theme={null} curl -X POST "https://api.acedata.cloud/openai/images/edits" \ -H "Authorization: Bearer {token}" \ -F "model=nano-banana" \ -F "prompt=add a green leaf on top of the apple" \ -F "image=https://platform.cdn.acedata.cloud/nanobanana/6870b330-65c4-436c-bb80-819fdae7a7a4.png" ``` Przykładowa odpowiedź: ```json theme={null} { "created": 0, "data": [ { "url": "https://platform.cdn.acedata.cloud/nanobanana/311e95b6-5eb1-4c4a-8ee6-0cb03ee44f61.jpeg", "revised_prompt": "add a green leaf on top of the apple" } ] } ``` Edytowany obraz:

### Wywołanie przez formularz + lokalny plik ```python theme={null} import requests url = "https://api.acedata.cloud/openai/images/edits" headers = { "authorization": "Bearer {token}" } files = { "image": open("apple.png", "rb"), } data = { "model": "nano-banana-pro", "prompt": "add a green leaf on top of the apple" } response = requests.post(url, headers=headers, files=files, data=data) print(response.text) ``` ### Asynchroniczne wywołanie zwrotne (callback) Mechanizm asynchronicznego callback `callback_url` działa również dla nano-banana i jest identyczny jak dla innych modeli (szczegóły w sekcji [Asynchroniczne wywołanie zwrotne](#asynchroniczne-wywołanie-zwrotne)). ## Podstawowe użycie Możesz wywołać API za pomocą CURL: ```curl theme={null} curl -s -D >(grep -i x-request-id >&2) \ -o >(jq -r '.data[0].b64_json' | base64 --decode > gift-basket.png) \ -X POST "https://api.acedata.cloud/v1/images/edits" \ -H "Authorization: Bearer {token}" \ -F "model=gpt-image-1" \ -F "image[]=@test.png" \ -F 'prompt=Create a lovely gift basket with these this items in it' ``` Przy pierwszym użyciu tego interfejsu należy podać co najmniej cztery parametry: `authorization` (wybierany z listy), `model` (wybór modelu OpenAI, tutaj dostępny jest jeden model, szczegóły w dokumentacji modeli), `prompt` (tekstowy opis generowanego obrazu) oraz `image` (ścieżka do edytowanego obrazu). Przykładowy obraz do edycji:

Analogiczne wywołanie w Pythonie: ```python theme={null} import base64 from openai import OpenAI client = OpenAI() prompt = """ Generate a photorealistic image of a gift basket on a white background labeled 'Relax & Unwind' with a ribbon and handwriting-like font, containing all the items in the reference pictures. """ result = client.images.edit( model="gpt-image-1", image=[ open("test.png", "rb") ], prompt=prompt ) image_base64 = result.data[0].b64_json image_bytes = base64.b64decode(image_base64) # Zapisz obraz do pliku with open("gift-basket.png", "wb") as f: f.write(image_bytes) ``` Przed wywołaniem w Pythonie należy ustawić zmienne środowiskowe: `OPENAI_BASE_URL` na `https://api.acedata.cloud/openai` oraz `OPENAI_API_KEY` na uzyskany token. Na Mac OS można to zrobić tak: ```shell theme={null} export OPENAI_BASE_URL=https://api.acedata.cloud/openai export OPENAI_API_KEY={token} ``` Po wywołaniu w katalogu pojawi się plik `gift-basket.png` z wynikiem:

W ten sposób zakończyliśmy edycję obrazu. Interfejs Edits obsługuje trzy modele: `dall-e-2`, `gpt-image-1` i `gpt-image-2`. Zalecanym modelem jest `gpt-image-2` (szczegóły w sekcji [Model GPT-Image-2](#model-gpt-image-2)). ## Asynchroniczne wywołanie zwrotne Ponieważ edycja obrazów przez OpenAI Images Edits API może trwać długo, a długie oczekiwanie na odpowiedź HTTP obciąża zasoby systemowe, API oferuje wsparcie dla asynchronicznych callbacków. Proces jest następujący: klient wysyła żądanie z dodatkowym polem `callback_url`. API natychmiast zwraca odpowiedź zawierającą `task_id` – identyfikator zadania. Po zakończeniu edycji wynik jest przesyłany metodą POST w formacie JSON na podany `callback_url`, zawierając również `task_id`, co pozwala powiązać odpowiedź z zadaniem. Przykład działania: Webhook callback to usługa HTTP, którą należy zastąpić własnym serwerem HTTP. Dla demonstracji można użyć publicznego serwisu [https://webhook.site/](https://webhook.site/), który generuje unikalny URL webhooka, np.: ![](https://cdn.acedata.cloud/cjjfly.png) Skopiuj ten URL, np. `https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab`, i użyj go jako `callback_url`: ```shell theme={null} curl -X POST "https://api.acedata.cloud/v1/images/edits" \ -H "Authorization: Bearer {token}" \ -F "model=gpt-image-1" \ -F "image[]=@test.png" \ -F "prompt=Create a lovely gift basket with these items in it" \ -F "callback_url=https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab" ``` Otrzymasz natychmiast odpowiedź: ```json theme={null} { "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c" } ``` Po chwili na stronie webhooka pojawi się wynik edycji: ```json theme={null} { "success": true, "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c", "trace_id": "9b4b1ff3-90f2-470f-b082-1061ec2948cc", "data": { "created": 1721626477, "data": [ { "b64_json": "iVBORw0KGgo..." } ] } } ``` W odpowiedzi znajduje się `task_id` oraz pole `data` z wynikiem edycji, analogicznie do wywołania synchronicznego. Dzięki `task_id` można powiązać zadanie z odpowiedzią. ## Obsługa błędów W przypadku błędów API zwraca odpowiedni kod i komunikat, np.: * `400 token_mismatched`: złe żądanie, brak lub nieprawidłowe parametry. * `400 api_not_implemented`: złe żądanie, brak lub nieprawidłowe parametry. * `401 invalid_token`: brak autoryzacji, nieprawidłowy lub brakujący token. * `429 too_many_requests`: zbyt wiele żądań, przekroczono limit. * `500 api_error`: błąd wewnętrzny serwera. ### Przykład odpowiedzi błędu ```json theme={null} { "success": false, "error": { "code": "api_error", "message": "fetch failed" }, "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89" } ``` ## Podsumowanie W tej dokumentacji poznaliście, jak korzystać z OpenAI Images Edits API, aby łatwo używać oficjalnych funkcji edycji obrazów OpenAI. Mamy nadzieję, że pomoże to w integracji i efektywnym wykorzystaniu API. W razie pytań prosimy o kontakt z zespołem wsparcia technicznego.