Pengeditan Gambar Multi-Referensi dengan GPT Image 2.5: Menggabungkan Gambar Sumber dan Prompt 50K
Sebagian besar pekerjaan visual komersial dimulai dari aset yang sudah ada: foto produk (packshot) bersih dari SKU baru, pelat tekstur studio yang telah disetujui oleh art director, atau tata letak kemasan musim lalu yang memerlukan pembaruan teks untuk peluncuran regional. Membuat ulang visual tersebut dari nol dengan model khusus teks akan membuang geometri, proporsi label, dan siluet produk yang sudah Anda bayar mahal untuk difoto.
Endpoint openai/gpt-image-2.5-sunburst/edit-image dari OpenAI di E2X dirancang khusus untuk pengeditan berbasis referensi dan penggabungan (compositing) multi-gambar. Anda meneruskan array gambar sumber yang dapat diakses publik di dalam image_urls bersama instruksi pengeditan bahasa alami hingga sepanjang 50,000 karakter. Dengan diskon tetap 75% di E2X, setiap pengeditan 1K berbiaya $0.0525, 2K berbiaya $0.105, dan 4K berbiaya $0.1575, baik saat Anda menjalankannya pada kualitas low, medium, high, xhigh, maupun max.

Panduan ini membahas mekanisme openai/gpt-image-2.5-sunburst/edit-image: cara menulis prompt delta yang mengunci geometri yang ada sambil mengubah label atau pencahayaan, cara mengindeks beberapa file di dalam image_urls, mengapa batas maksimal prompt melonjak dari 32,000 menjadi 50,000 karakter pada rute edit, dan kapan harus beralih ke Google Nano Banana atau GPT Image 2 untuk pengeditan khusus.
Skema input dan harga pada openai/gpt-image-2.5-sunburst/edit-image
Memanggil openai/gpt-image-2.5-sunburst/edit-image menggunakan antrean POST https://api.e2x.ai/v1/jobs/submit yang sama seperti setiap model lainnya di katalog E2X. Hanya dua properti di dalam input yang bersifat wajib: prompt dan image_urls. Di E2X, GPT Image 2.5 tersedia dalam dua varian: GPT Image 2.5 Sunburst (openai/gpt-image-2.5-sunburst, yang mendukung resolusi 1K/2K/4K serta tingkat kualitas low, medium, high, xhigh, max) dan GPT Image 2.5 Flare (openai/gpt-image-2.5-flare, yang mendukung /models/openai/gpt-image-2.5-flare/text-to-image dan /models/openai/gpt-image-2.5-flare/edit-image dengan resolusi 1K/2K/4K serta tingkat kualitas low, medium, high).
| Kolom | Tipe | Wajib | Default | Deskripsi dan batas |
|---|---|---|---|---|
prompt | string | Ya | Tidak ada | Instruksi pengeditan atau penggabungan hingga 50,000 karakter. |
image_urls | string[] | Ya | Tidak ada | Array URL HTTPS yang dapat diakses publik yang mengarah ke gambar referensi Anda. |
aspect_ratio | string | Tidak | "1:1" | "auto" ditambah 15 rasio tetap: "1:1", "4:3", "3:4", "3:2", "2:3", "5:4", "4:5", "16:9", "9:16", "2:1", "1:2", "21:9", "9:21", "3:1", "1:3". |
resolution | string | Tidak | "1K" | "1K" ($0.0525), "2K" ($0.1050), atau "4K" ($0.1575). Harus huruf kapital. |
quality | string | Tidak | "high" | "low", "medium", "high", "xhigh", atau "max". Kelimanya berbagi pengali ×7. |
Karena biaya dasar daftar ($0.03, dikurangi 75% menjadi $0.0075) dikalikan dengan 7 di setiap tingkat quality ($0.0075 × 7 = $0.0525), meningkatkan pekerjaan pengeditan dari "high" ke "xhigh" atau "max" tidak menambah biaya sepeser pun di E2X. Hanya resolution ("1K" = ×1, "2K" = ×2, "4K" = ×3) yang mengubah harga. Anda dapat memverifikasi daftar tarif saat ini kapan saja di halaman harga kami, atau memeriksa panduan API GPT Image 2.5 kami untuk perhitungan penagihan mikro-sen secara lengkap.
Satu peningkatan skema dibandingkan openai/gpt-image-2/edit-image adalah bahwa quality kini bersifat opsional pada versi 2.5. Jika Anda mengosongkan quality, worker secara default memilih "high", meskipun untuk penggantian tipografi dan komposit multi-objek kami menyarankan untuk secara eksplisit meneruskan "xhigh" atau "max".
Aturan delta prompting: mengunci apa yang tetap vs menyebutkan apa yang berubah
Kesalahan terbesar yang dilakukan developer saat beralih dari openai/gpt-image-2.5-sunburst/text-to-image ke edit-image adalah menulis deskripsi adegan lengkap dari awal tanpa memberi tahu model bagian mana dari gambar input yang tidak boleh diubah. Jika Anda meneruskan foto studio stoples lilin dan memberikan prompt "An amber glass candle jar on dark linen with a gold label reading BERGAMOT & CEDAR SOY CANDLE", model akan memperlakukan prompt Anda sebagai izin untuk menggambar ulang stoples tersebut, mengubah serat kayu pada tutupnya, dan menggeser sudut kamera.
Pengeditan referensi bekerja paling baik saat Anda menulis prompt delta yang disusun dalam tiga klausa eksplisit:
- Perubahan yang ditargetkan: Nyatakan area, material, atau string teks spesifik yang perlu dimodifikasi.
- Invarian yang dikunci: Sebutkan elemen struktural dari gambar sumber yang harus tetap utuh (siluet wadah, material tutup, perspektif kamera, tekstur latar belakang, arah pencahayaan).
- Indeks referensi posisional: Saat
image_urlsberisi lebih dari satu URL, rujuk setiap input berdasarkan posisi berbasis-1 (image 1,image 2,image 3) dan nyatakan peran masing-masing file.
Alur Kerja 1: Mengganti tipografi kemasan pada amber-jar-original.png
Misalkan tim e-commerce Anda memiliki foto produk master (amber-jar-original.png) berupa stoples lilin apotek dan perlu melokalkan atau mengganti nama lini aroma di dua belas SKU tanpa memotret ulang stoples fisiknya.
Berikut adalah permintaan curl yang memanggil openai/gpt-image-2.5-sunburst/edit-image pada resolusi "2K" dan kualitas "xhigh" ($0.105) untuk mengganti judul cetak dengan "BERGAMOT & CEDAR SOY CANDLE" sambil mengunci bentuk stoples, tutup, dan latar belakang:
curl -X POST https://api.e2x.ai/v1/jobs/submit \
-H "Authorization: Bearer $E2X_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-image-2.5-sunburst/edit-image",
"input": {
"prompt": "Change the main label title on the amber glass jar to \"BERGAMOT & CEDAR SOY CANDLE\" in the same serif font and gold foil finish. Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged.",
"image_urls": [
"https://assets.yourstore.example.com/packshots/amber-jar-original.png"
],
"aspect_ratio": "4:5",
"resolution": "2K",
"quality": "xhigh"
}
}'

Prompt yang digunakan untuk alur kerja penggantian label di atas:
"Change the main label title on the amber glass jar to \"BERGAMOT & CEDAR SOY CANDLE\" in the same serif font and gold foil finish. Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged."
Mengapa cara ini bekerja dengan sangat rapi:
- String pengganti
"BERGAMOT & CEDAR SOY CANDLE"dibungkus dalam tanda kutip ganda yang di-escape sehingga model mengetahui secara pasti di mana karakter harfiah dimulai dan berakhir. - Perlakuan tipografi (
in the same serif font and gold foil finish) memberi tahu GPT Image 2.5 untuk mencocokkan pantulan logam спеkular dan gaya goresan huruf yang sudah ada padaamber-jar-original.png. - Klausa penguncian (
Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged) mencegah pergeseran pada adegan studio di sekitarnya.
Saat melakukan iterasi pada posisi label atau pemenggalan baris, jalankan beberapa percobaan pertama Anda pada "resolution": "1K" ($0.0525) dengan "quality": "xhigh", lalu naikkan "resolution" ke "2K" atau "4K" setelah kerning terlihat pas.
Alur Kerja 2: Penggabungan produk dua referensi dengan image_urls
Pengeditan satu gambar memperbarui aset di tempatnya. Pengeditan multi-referensi memungkinkan Anda menggabungkan pelat fotografi terpisah menjadi satu bidikan yang menyatu. Alih-alih menempelkan potongan PNG datar di atas latar belakang di Photoshop dan melukis bayangan kontak palsu dengan tangan, Anda meneruskan kedua URL di dalam image_urls dan memberi tahu GPT Image 2.5 bagaimana objek di image 1 berinteraksi secara fisik dengan lingkungan di image 2.
Dalam contoh di bawah ini, image 1 (chronograph-front.png) adalah foto studio tampak depan yang bersih dari jam tangan kronograf titanium brushed, dan image 2 (wet-slate-surface.jpg) adalah pelat tekstur lingkungan berupa batu tulis gelap basah yang disinari pencahayaan samping bernuansa dingin dan pantulan neon.
"Place the titanium chronograph watch from image 1 onto the wet slate block in image 2. Match the cool side-lighting from image 2 and keep the sub-dial numerals sharp."

Perhatikan bagaimana komposit dua referensi ini menangani integrasi fisik:
- Bodi jam, bezel takimeter, jarum jam, dan geometri sub-dial berasal dari
image 1. - Relief permukaan, tetesan air, dan cahaya samping terarah berasal dari
image 2. - Di titik rantai titanium menyentuh batu tulis basah, model menghasilkan bayangan kontak (contact occlusion) yang realistis dan pantulan spekular pada batu lembap yang sesuai dengan sudut bodi jam tangan.
Jika Anda menambahkan URL referensi ketiga ke image_urls, berikan juga peran eksplisit untuknya. Misalnya: "Take the titanium chronograph watch from image 1, place it onto the wet slate surface in image 2, and apply the warm amber-and-teal color grading from image 3." Setiap file di dalam image_urls harus dapat dijangkau melalui HTTPS publik oleh worker E2X (URL S3 atau R2 bertanda tangan dengan masa berlaku 15 menit bekerja dengan sangat baik untuk bucket privat).
Mengapa edit-image memberi Anda batas prompt 50,000 karakter
Pada openai/gpt-image-2.5-sunburst/text-to-image, prompt menerima hingga 32,000 karakter. Pada openai/gpt-image-2.5-sunburst/edit-image, maxLength meningkat menjadi 50,000 karakter.
Tidak ada copywriter manusia yang duduk di depan keyboard mengetik 50,000 karakter secara manual. Batas tersebut ada untuk pipeline katalog dan pelokalan otomatis di mana perangkat lunak menyusun prompt secara terprogram dari database produk terstruktur, transkrip OCR, dan panduan gaya merek.
Dalam pipeline pelokalan otomatis pada umumnya, satu payload edit-image menggabungkan empat blok buatan mesin di dalam prompt:
- Transkrip kotak pembatas (bounding-box) OCR lengkap dari gambar sumber (sehingga model mengetahui string mana pada panel informasi nilai gizi yang padat atau diagram teknis yang sedang diganti dan mana yang tetap tidak disentuh).
- Peta terjemahan target (memetakan setiap blok teks sumber ke string pengganti lokalnya di dalam tanda kutip).
- Invarian merek dan kemasan yang ketat (referensi warna hex, penyelesaian material, aturan pelestarian ikon regulasi, dan batasan negatif).
- Penugasan peran untuk setiap URL di dalam
image_urls(mengidentifikasi packshot utama, overlay lencana lokal, dan lingkungan latar belakang target).
Berikut adalah contoh TypeScript yang menunjukkan bagaimana pipeline katalog menyusun payload pengeditan multi-referensi terstruktur, mengirimkannya ke openai/gpt-image-2.5-sunburst/edit-image pada kualitas "max", dan melakukan polling untuk hasilnya:
const E2X_API = "https://api.e2x.ai/v1";
interface LocalizationEditJob {
masterPackshotUrl: string;
environmentPlateUrl: string;
ocrTranscript: Array<{ region: string; originalText: string; replacementText: string }>;
lockedElements: string[];
brandLightingRules: string;
resolution?: "1K" | "2K" | "4K";
}
export function buildStructuredEditPrompt(job: LocalizationEditJob): string {
const textReplacements = job.ocrTranscript
.map(
(item, idx) =>
`${idx + 1}. In region [${item.region}], replace "${item.originalText}" with "${item.replacementText}" using the exact same typeface, weight, and foil finish.`
)
.join("\n");
const invariants = job.lockedElements.map((el) => `- ${el}`).join("\n");
const prompt = [
"TASK: Multi-reference product compositing and packaging copy localization.",
"SOURCE REFERENCES:",
"- image 1: Primary product packshot providing exact container geometry, cap proportions, and label layout.",
"- image 2: Target studio surface and lighting environment plate.",
"",
"COMPOSITE INSTRUCTION:",
"Place the product from image 1 onto the surface shown in image 2.",
job.brandLightingRules,
"",
"EXACT TYPOGRAPHY REPLACEMENTS ON PRODUCT LABEL:",
textReplacements,
"",
"LOCKED INVARIANTS (DO NOT ALTER):",
invariants,
].join("\n");
if (prompt.length > 50_000) {
throw new Error(`Constructed prompt (${prompt.length} chars) exceeds 50,000-char limit`);
}
return prompt;
}
export async function runCatalogComposite(
job: LocalizationEditJob,
apiKey = process.env.E2X_API_KEY
): Promise<string> {
if (!apiKey) throw new Error("Missing E2X_API_KEY");
const headers = {
Authorization: `Bearer ${apiKey}`,
"Content-Type": "application/json",
};
const submitRes = await fetch(`${E2X_API}/jobs/submit`, {
method: "POST",
headers,
body: JSON.stringify({
model: "openai/gpt-image-2.5-sunburst/edit-image",
input: {
prompt: buildStructuredEditPrompt(job),
image_urls: [job.masterPackshotUrl, job.environmentPlateUrl],
aspect_ratio: "auto",
resolution: job.resolution ?? "1K",
quality: "max",
},
}),
});
if (!submitRes.ok) {
throw new Error(`Submit failed (${submitRes.status}): ${await submitRes.text()}`);
}
const { data: submitted } = (await submitRes.json()) as {
data: { jobId: string };
};
for (let attempt = 0; attempt < 120; attempt++) {
await new Promise((r) => setTimeout(r, 3000));
const pollRes = await fetch(`${E2X_API}/jobs/${submitted.jobId}`, { headers });
const { data: state } = (await pollRes.json()) as {
data: {
status: string;
outputs?: Array<{ url: string }>;
error?: { message?: string };
};
};
if (state.status === "completed" && state.outputs?.[0]?.url) {
return state.outputs[0].url;
}
if (state.status === "failed" || state.status === "cancelled") {
throw new Error(state.error?.message ?? `Edit job ended with ${state.status}`);
}
}
throw new Error(`Edit job ${submitted.jobId} timed out`);
}
Perhatikan bahwa kode tersebut meneruskan "aspect_ratio": "auto" dan "quality": "max". Dengan "aspect_ratio": "auto", output mempertahankan rasio aspek dari pembingkaian referensi alih-alih memaksakan pemotongan persegi "1:1". Dan jangan lupa untuk menyalin URL yang dikembalikan dari state.outputs[0].url ke bucket penyimpanan objek Anda sendiri segera setelah pekerjaan selesai, atau konfigurasikan pembantu klien resmi dari halaman SDK E2X kami.
Membandingkan endpoint pengeditan gambar lintas OpenAI dan Google di E2X
Meskipun openai/gpt-image-2.5-sunburst/edit-image adalah pilihan utama kami untuk pembaruan tipografi kemasan, instruksi delta 50K yang kompleks, dan penyempurnaan detail xhigh / max, tiga endpoint lain dalam kategori image-to-image kami menyelesaikan masalah berbeda yang tidak ditargetkan oleh versi 2.5:
| Endpoint pengeditan | Harga 1K | Harga 2K | Harga 4K | Batas prompt | Kasus penggunaan terbaik |
|---|---|---|---|---|---|
openai/gpt-image-2.5-sunburst/edit-image | $0.0525 | $0.1050 | $0.1575 | 50,000 karakter | Penggantian label kemasan, penggabungan multi-produk, tingkat xhigh dan max sudah termasuk dalam tarif dasar, rasio aspek "auto". |
openai/gpt-image-2/edit-image | $0.0525 | $0.1050 | $0.1575 | 50,000 karakter | Mengedit atau mengekstrak produk ke PNG transparan saluran alfa melalui background: "transparent". |
google/nano-banana-2.1/edit-image | $0.0300 | $0.0400 | $0.0900 | Standar | Biaya terendah untuk pengeditan 1K ($0.03) dan 4K ($0.09), ditambah rasio banner ekstrem 8:1, 1:8, 4:1, dan 1:4. |
google/nano-banana-pro/edit-image | $0.0750 | $0.0750 | $0.1500 | Standar | Mempertahankan identitas wajah manusia dan kemiripan karakter di hingga 14 gambar referensi yang dipisahkan berdasarkan peran. |
Berikut adalah cara merutekan di antara keempat model pengeditan tersebut dalam praktik:
- Teks kemasan, komposit studio multi-produk, dan spesifikasi otomatis 50K: Gunakan
openai/gpt-image-2.5-sunburst/edit-image($0.0525pada 1K). Kombinasi tingkat kualitasxhighdanmaxserta anggaran prompt 50,000 karakter miliknya menangani pengeditan tipografi yang padat lebih baik daripada rute lainnya. - Potongan latar belakang transparan (
background: "transparent"): Gunakanopenai/gpt-image-2/edit-image($0.0525pada 1K). Karena GPT Image 2.5 meniadakan parameterbackground, GPT Image 2 tetap menjadi endpoint andalan setiap kali output Anda memerlukan saluran alfa transparan. Lihat panduan GPT Image 2.5 vs GPT Image 2 kami untuk router siap pakai yang beralih di antara keduanya secara otomatis. - Penggantian latar belakang 4K bervolume tinggi dan banner ultra-lebar: Gunakan
google/nano-banana-2.1/edit-image. Dengan harga$0.03per edit 1K dan$0.09per edit 4K (di bawah diskon 50% Google kami), model ini memangkas biaya pengeditan 4K sebesar 43% dibandingkan tarif 4K OpenAI sebesar$0.1575dan mendukung rasio hingga8:1. - Karakter manusia berulang dan konsistensi potret: Gunakan
google/nano-banana-pro/edit-image($0.075pada 1K/2K). Nano Banana Pro memungkinkan Anda membatasi ruang lingkup gambar referensi secara eksplisit berdasarkan peran (hingga 5 untuk identitas karakter, 6 untuk objek, dan 3 untuk gaya), yang mencegah pergeseran wajah antar bingkai storyboard.
Anda dapat membandingkan semua endpoint pengeditan dan pembuatan gambar secara berdampingan di katalog model E2X dan kategori text-to-image.
Pertanyaan yang sering diajukan (FAQ)
Berapa banyak gambar sumber yang dapat saya teruskan di dalam image_urls pada openai/gpt-image-2.5-sunburst/edit-image?
image_urls menerima array hingga 10 URL gambar HTTPS yang dapat diakses publik dalam satu permintaan. Saat meneruskan beberapa URL, rujuk URL tersebut di dalam prompt Anda berdasarkan posisi berbasis-1 (image 1, image 2, image 3) dan tentukan apakah masing-masing gambar menyediakan produk utama, lingkungan latar belakang, atau referensi pencahayaan dan material.
Apakah pengeditan multi-gambar dengan 3 referensi lebih mahal daripada pengeditan 1 gambar?
Tidak. Di E2X, openai/gpt-image-2.5-sunburst/edit-image ditagih per permintaan semata-mata berdasarkan resolution output ("1K" seharga $0.0525, "2K" seharga $0.105, "4K" seharga $0.1575), bukan berdasarkan jumlah URL input di dalam image_urls atau panjang prompt 50,000 karakter Anda.
Mengapa model menggambar ulang produk saya alih-alih hanya mengubah latar belakangnya?
Jika prompt pengeditan hanya menjelaskan adegan akhir yang diinginkan tanpa menyebutkan apa yang harus tetap dikunci, model dapat menafsirkan ulang geometri subjek. Selalu sertakan klausa penguncian eksplisit di dalam prompt Anda, seperti "Keep the watch case, bezel markings, and hand positions from image 1 unchanged; only replace the background surface with the wet slate from image 2."
Bisakah saya meneruskan path file lokal atau data URI base64 di dalam image_urls?
Berikan URL HTTPS yang dapat diakses publik di dalam image_urls (seperti tautan S3, GCS, atau Cloudflare R2 yang telah ditandatangani sebelumnya / pre-signed) sehingga node worker E2X dapat mengambil byte referensi secara langsung selama eksekusi pekerjaan.