Zurück zum Blog

Multi-Referenz-Bildbearbeitung mit GPT Image 2.5: Quellbilder und 50K-Prompts kombinieren

E2X Team··13 Min. Lesezeit
gpt-image-2.5gpt-image-2.5-sunburstgpt-image-2.5-flareopenaiimage-editingimage-to-imageimage-api

Die meisten kommerziellen Grafikprojekte beginnen mit bereits vorhandenen Assets: einem sauberen Packshot einer neuen SKU, einer vom Art Director freigegebenen Studio-Texturplatte oder dem Verpackungslayout der letzten Saison, das für einen regionalen Launch aktualisierten Text benötigt. Wer solche Grafiken mit einem reinen Text-zu-Bild-Modell komplett neu generiert, verliert die Geometrie, die Etikettenproportionen und die Produktsilhouette, für deren Fotografie bereits bezahlt wurde.

Auf E2X wird OpenAI GPT Image 2.5 für referenzgestützte Bildbearbeitung und Multi-Image-Compositing über zwei spezialisierte Modellfamilien bereitgestellt:

Sie übergeben ein Array öffentlich erreichbarer Quellbilder in image_urls zusammen mit einer natürlichsprachlichen Bearbeitungsanweisung von bis zu 50.000 Zeichen Länge. Mit dem dauerhaften E2X-Rabatt von 75 % kostet jede 1K-Bearbeitung $0.0525, 2K kostet $0.105 und 4K kostet $0.1575 – unabhängig davon, ob Sie mit der Qualitätsstufe low, medium, high, xhigh oder max arbeiten.

Fotografische Kontaktabzüge, Messinglupe und Glas-Pipettenflasche auf dunklem Leinen

Dieser Leitfaden erklärt die Funktionsweise von openai/gpt-image-2.5-sunburst/edit-image und openai/gpt-image-2.5-flare/edit-image im Detail: wie Sie Delta-Prompts schreiben, die bestehende Geometrie fixieren und gleichzeitig Etiketten oder Beleuchtung ändern, wie Sie mehrere Dateien in image_urls indizieren, warum das Prompt-Limit auf der Edit-Route von 32.000 auf 50.000 Zeichen steigt und wann sich für Spezialaufgaben der Wechsel zu Google Nano Banana oder GPT Image 2 lohnt.

Eingabeschema und Preise für openai/gpt-image-2.5-sunburst/edit-image und flare/edit-image

Der Aufruf von openai/gpt-image-2.5-sunburst/edit-image oder openai/gpt-image-2.5-flare/edit-image nutzt dieselbe Warteschlange unter POST https://api.e2x.ai/v1/jobs/submit wie jedes andere Modell im E2X-Katalog. Nur zwei Eigenschaften innerhalb von input sind Pflichtfelder: prompt und image_urls.

FeldTypErforderlichStandardBeschreibung und Limits
promptstringJaKeinerBearbeitungs- oder Compositing-Anweisung mit bis zu 50,000 Zeichen.
image_urlsstring[]JaKeinerArray öffentlich erreichbarer HTTPS-URLs, die auf Ihre Referenzbilder verweisen.
aspect_ratiostringNein"1:1""auto" plus 15 feste Seitenverhältnisse: "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".
resolutionstringNein"1K""1K" ($0.0525), "2K" ($0.1050) oder "4K" ($0.1575). Muss großgeschrieben sein.
qualitystringNein"high"Sunburst: "low", "medium", "high", "xhigh" oder "max". Flare: "low", "medium" oder "high". Alle teilen sich den ×7-Multiplikator.

Da der Listen-Basispreis ($0.03, durch 75 % Rabatt reduziert auf $0.0075) über jede quality-Stufe hinweg mit 7 multipliziert wird ($0.0075 × 7 = $0.0525), verursacht ein Upgrade eines Bearbeitungsauftrags von "high" auf "xhigh" oder "max" bei Sunburst auf E2X keinerlei Mehrkosten. Lediglich resolution ("1K" = ×1, "2K" = ×2, "4K" = ×3) verändert den Preis. Sie können die aktuelle Preisliste jederzeit auf unserer Preisseite einsehen oder in unserem GPT Image 2.5 API-Leitfaden die vollständige Mikro-Cent-Berechnung nachlesen.

Eine praktische Schema-Verbesserung gegenüber openai/gpt-image-2/edit-image besteht darin, dass quality bei 2.5 nun optional ist. Wenn Sie quality weglassen, nutzt der Worker standardmäßig "high"; für den Austausch von Typografie und Multi-Objekt-Composings empfehlen wir jedoch, auf Sunburst explizit "xhigh" oder "max" zu übergeben.

Regeln für Delta-Prompts: Bestehendes fixieren vs. Änderungen benennen

Der größte Fehler beim Wechsel von openai/gpt-image-2.5-sunburst/text-to-image zu edit-image besteht darin, eine komplette Szenenbeschreibung von Grund auf neu zu verfassen, ohne dem Modell mitzuteilen, welche Teile des Eingabebildes unangetastet bleiben müssen. Wenn Sie ein Studiofoto eines Kerzenglases übergeben und schreiben "An amber glass candle jar on dark linen with a gold label reading BERGAMOT & CEDAR SOY CANDLE", interpretiert das Modell diesen Prompt als Erlaubnis, das Glas neu zu zeichnen, die Holzmaserung des Deckels zu verändern und den Kamerawinkel zu verschieben.

Referenzbearbeitung liefert die besten Ergebnisse, wenn Sie einen Delta-Prompt schreiben, der in drei klare Abschnitte gegliedert ist:

  1. Die gezielte Änderung: Benennen Sie exakt den Bereich, das Material oder den Textstring, der angepasst werden soll.
  2. Die gesperrten Invarianten: Benennen Sie die strukturellen Elemente des Quellbildes, die unverändert bleiben müssen (Behältersilhouette, Deckelmaterial, Kameraperspektive, Hintergrundtextur, Lichtrichtung).
  3. Der Positionsindex der Referenzen: Wenn image_urls mehr als eine URL enthält, referenzieren Sie jedes Eingabebild über seine 1-basierte Position (image 1, image 2, image 3) und legen Sie fest, welche Rolle jede Datei spielt.

Workflow 1: Verpackungstypografie auf amber-jar-original.png austauschen

Angenommen, Ihr E-Commerce-Team verfügt über einen Master-Packshot (amber-jar-original.png) eines Apotheker-Kerzenglases und muss die Duftlinie über zwölf SKUs hinweg lokalisieren oder umbenennen, ohne das physische Glas neu zu fotografieren.

Hier ist der curl-Aufruf an openai/gpt-image-2.5-sunburst/edit-image mit "2K"-Auflösung und "xhigh"-Qualität ($0.105), um den aufgedruckten Titel durch "BERGAMOT & CEDAR SOY CANDLE" zu ersetzen, während Glas, Deckel und Hintergrund fixiert bleiben:

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"
    }
  }'

Apotheker-Kerzenglas aus Braunglas mit ausgetauschtem Goldfolien-Serif-Etikett

Für den obigen Etiketten-Workflow verwendeter 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."

Warum das so sauber funktioniert:

  • Der Ersatzstring "BERGAMOT & CEDAR SOY CANDLE" steht in maskierten doppelten Anführungszeichen, damit das Modell genau weiß, wo die darzustellenden Zeichen beginnen und enden.
  • Die typografische Vorgabe (in the same serif font and gold foil finish) weist GPT Image 2.5 an, die glänzende Metallreflexion und den Strichstil von amber-jar-original.png exakt zu übernehmen.
  • Die Sperrklausel (Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged) verhindert Abweichungen in der umgebenden Studioszene.

Führen Sie beim Testen von Etikettenpositionen oder Zeilenumbrüchen die ersten Durchläufe mit "resolution": "1K" ($0.0525) und "quality": "xhigh" aus und erhöhen Sie "resolution" erst dann auf "2K" oder "4K", wenn das Kerning sitzt.

Workflow 2: Produkt-Compositing aus zwei Referenzen mit image_urls

Die Einzelbildbearbeitung aktualisiert ein Asset an Ort und Stelle. Mit der Multi-Referenz-Bearbeitung hingegen kombinieren Sie separate fotografische Aufnahmen zu einem stimmigen Gesamtbild. Anstatt in Photoshop einen flachen PNG-Freisteller auf einen Hintergrund zu legen und künstliche Kontaktschatten von Hand zu malen, übergeben Sie beide URLs in image_urls und beschreiben GPT Image 2.5, wie das Objekt aus image 1 physisch mit der Umgebung aus image 2 interagiert.

Im folgenden Beispiel ist image 1 (chronograph-front.png) eine saubere Studio-Frontalaufnahme eines Chronographen aus gebürstetem Titan und image 2 (wet-slate-surface.jpg) eine Texturaufnahme von nassem, dunklem Schiefer mit kühlem Seitenlicht und Neonreflexionen.

"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."

Chronograph aus gebürstetem Titan, kombiniert mit nassem dunklem Schiefer und Neonreflexionen

Beachten Sie, wie das Composing aus zwei Referenzen die physische Integration löst:

  • Uhrgehäuse, Tachymeter-Lünette, Zeiger und die Geometrie der Totalisatoren stammen aus image 1.
  • Oberflächenrelief, Wassertropfen und das gerichtete Streiflicht stammen aus image 2.
  • Dort, wo das Titanarmband den nassen Schiefer berührt, erzeugt das Modell realistische Kontaktschatten (Contact Occlusion) und Glanzreflexionen auf dem feuchten Stein, die exakt zum Winkel des Uhrgehäuses passen.

Wenn Sie eine dritte Referenz-URL zu image_urls hinzufügen, weisen Sie auch dieser eine klare Rolle zu. Zum Beispiel: "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." Jede Datei in image_urls muss für die E2X-Worker über öffentliches HTTPS erreichbar sein (signierte S3- oder R2-URLs mit 15 Minuten Gültigkeit eignen sich hervorragend für private Buckets).

Warum edit-image ein Prompt-Limit von 50.000 Zeichen bietet

Bei openai/gpt-image-2.5-sunburst/text-to-image und openai/gpt-image-2.5-flare/text-to-image akzeptiert prompt bis zu 32.000 Zeichen. Bei openai/gpt-image-2.5-sunburst/edit-image und openai/gpt-image-2.5-flare/edit-image steigt maxLength auf 50.000 Zeichen.

Kein Werbetexter tippt von Hand 50.000 Zeichen in eine Tastatur. Dieses Limit existiert für automatisierte Katalog- und Lokalisierungs-Pipelines, in denen Software den Prompt programmatisch aus strukturierten Produktdatenbanken, OCR-Transkripten und Marken-Styleguides zusammensetzt.

In einer typischen automatisierten Lokalisierungs-Pipeline kombiniert ein einzelner edit-image-Payload vier maschinell erzeugte Blöcke innerhalb von prompt:

  1. Das vollständige OCR-Bounding-Box-Transkript des Quellbildes (damit das Modell weiß, welche bestehenden Textzeilen auf einer dicht bedruckten Nährwerttabelle oder einem technischen Diagramm ersetzt werden und welche unverändert bleiben).
  2. Die Übersetzungszuordnung (die jeden Quelltextblock seinem lokalisierten Ersatzstring in Anführungszeichen zuordnet).
  3. Strikte Marken- und Verpackungsinvarianten (Hex-Farbreferenzen, Oberflächenmaterialien, Regeln zum Erhalt gesetzlicher Prüfsiegel und negative Einschränkungen).
  4. Rollenzuweisungen für jede URL in image_urls (Identifizierung des primären Packshots, des lokalisierten Badge-Overlays und der Ziel-Hintergrundumgebung).

Hier ist ein TypeScript-Beispiel, das zeigt, wie eine Katalog-Pipeline einen strukturierten Multi-Referenz-Bearbeitungsauftrag zusammenbaut, ihn mit der Qualität "max" an openai/gpt-image-2.5-sunburst/edit-image sendet und auf das fertige Bild wartet:

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`);
}

Beachten Sie, dass der Code "aspect_ratio": "auto" und "quality": "max" übergibt. Mit "aspect_ratio": "auto" behält die Ausgabe das Seitenverhältnis der Referenzaufnahme bei, anstatt einen quadratischen "1:1"-Zuschnitt zu erzwingen. Denken Sie außerdem daran, die unter state.outputs[0].url zurückgegebene URL sofort nach Abschluss des Jobs in Ihren eigenen Objektspeicher-Bucket zu kopieren, oder nutzen Sie die offiziellen Client-Helfer auf unserer E2X SDKs-Seite.

Vergleich der Bildbearbeitungs-Endpunkte von OpenAI und Google auf E2X

Während openai/gpt-image-2.5-sunburst/edit-image (und openai/gpt-image-2.5-flare/edit-image für die Standardstufen) unsere erste Wahl für Typografie-Updates auf Verpackungen, komplexe 50K-Delta-Anweisungen und Detailverfeinerungen auf den Stufen xhigh / max ist, lösen drei weitere Endpunkte in unserer Kategorie Bild-zu-Bild spezifische Aufgaben, auf die 2.5 nicht ausgelegt ist:

Bearbeitungs-Endpunkt1K-Preis2K-Preis4K-PreisPrompt-LimitBester Anwendungsfall
openai/gpt-image-2.5-sunburst/edit-image & flare/edit-image$0.0525$0.1050$0.157550,000 ZeichenAustausch von Verpackungsetiketten, Multi-Produkt-Compositing, xhigh- und max-Stufen auf Sunburst im Basispreis enthalten, "auto"-Seitenverhältnis.
openai/gpt-image-2/edit-image$0.0525$0.1050$0.157550,000 ZeichenBearbeiten oder Freistellen von Produkten auf ein transparentes PNG mit Alphakanal über background: "transparent".
google/nano-banana-2.1/edit-image$0.0300$0.0400$0.0900StandardNiedrigste Kosten für 1K- ($0.03) und 4K-Bearbeitungen ($0.09) sowie extreme Banner-Formate wie 8:1, 1:8, 4:1 und 1:4.
google/nano-banana-pro/edit-image$0.0750$0.0750$0.1500StandardErhalt menschlicher Gesichtsidentität und Charakterähnlichkeit über bis zu 14 rollengetrennte Referenzbilder hinweg.

So routen Sie in der Praxis zwischen diesen vier Bearbeitungsmodellen:

  1. Verpackungstexte, Studio-Composings mit mehreren Produkten und automatisierte 50K-Spezifikationen: Nutzen Sie openai/gpt-image-2.5-sunburst/edit-image ($0.0525 bei 1K). Die Kombination aus xhigh- und max-Qualitätsstufen und einem Prompt-Budget von 50.000 Zeichen bewältigt dichte typografische Korrekturen besser als jede andere Route.
  2. Freisteller mit transparentem Hintergrund (background: "transparent"): Nutzen Sie openai/gpt-image-2/edit-image ($0.0525 bei 1K). Da GPT Image 2.5 keinen background-Parameter bietet, bleibt GPT Image 2 der passende Endpunkt, sobald Ihre Ausgabe einen transparenten Alphakanal benötigt. In unserem Vergleich GPT Image 2.5 vs. GPT Image 2 finden Sie einen einsatzbereiten Router, der automatisch zwischen beiden umschaltet.
  3. Volumenstarke 4K-Hintergrundwechsel und ultrabreite Banner: Nutzen Sie google/nano-banana-2.1/edit-image. Mit $0.03 pro 1K-Bearbeitung und $0.09 pro 4K-Bearbeitung (unter unserem 50-%-Google-Rabatt) senkt es die 4K-Bearbeitungskosten um 43 % gegenüber dem 4K-Preis von OpenAI ($0.1575) und unterstützt Seitenverhältnisse bis 8:1.
  4. Wiederkehrende menschliche Charaktere und Porträtkonsistenz: Nutzen Sie google/nano-banana-pro/edit-image ($0.075 bei 1K/2K). Mit Nano Banana Pro können Sie Referenzbilder explizit nach Rollen aufteilen (bis zu 5 für Charakteridentität, 6 für Objekte und 3 für Stil), was Gesichtsabweichungen über Storyboard-Frames hinweg verhindert.

Sie können alle Endpunkte zur Bildbearbeitung und Bildgenerierung im E2X-Modellkatalog und in der Kategorie Text-zu-Bild direkt miteinander vergleichen.

Häufig gestellte Fragen

Wie viele Quellbilder kann ich in image_urls an openai/gpt-image-2.5-sunburst/edit-image übergeben?

image_urls akzeptiert ein Array von bis zu 10 öffentlich erreichbaren HTTPS-Bild-URLs in einer einzigen Anfrage. Wenn Sie mehrere URLs übergeben, referenzieren Sie diese in Ihrem prompt über ihre 1-basierte Position (image 1, image 2, image 3) und geben Sie an, ob das jeweilige Bild das Hauptprodukt, die Hintergrundumgebung oder die Licht- und Materialreferenz liefert.

Kostet eine Multi-Image-Bearbeitung mit 3 Referenzen mehr als eine Bearbeitung mit nur 1 Bild?

Nein. Auf E2X werden openai/gpt-image-2.5-sunburst/edit-image und openai/gpt-image-2.5-flare/edit-image pro Anfrage ausschließlich anhand der Ausgabe-resolution abgerechnet ("1K" kostet $0.0525, "2K" kostet $0.105, "4K" kostet $0.1575), nicht nach der Anzahl der Eingabe-URLs in image_urls oder der Länge Ihres bis zu 50.000 Zeichen langen Prompts.

Warum hat das Modell mein Produkt neu gezeichnet, anstatt nur den Hintergrund zu ändern?

Wenn ein Bearbeitungs-Prompt nur die gewünschte Zielszene beschreibt, ohne zu benennen, was unverändert bleiben muss, interpretiert das Modell unter Umständen die Objektgeometrie neu. Fügen Sie daher immer eine explizite Sperrklausel in Ihren Prompt ein, wie etwa: "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."

Kann ich lokale Dateipfade oder Base64-Data-URIs in image_urls übergeben?

Übergeben Sie öffentlich erreichbare HTTPS-URLs in image_urls (beispielsweise vorsignierte S3-, GCS- oder Cloudflare-R2-Links), damit die E2X-Worker-Knoten die Referenzdaten während der Jobausführung direkt abrufen können.