Retour au blog

Édition d'images multi-références avec GPT Image 2.5 : combiner des images sources et des prompts de 50K

E2X Team··15 min de lecture
gpt-image-2.5gpt-image-2.5-sunburstgpt-image-2.5-flareopenaiimage-editingimage-to-imageimage-api

La plupart des travaux visuels commerciaux partent de ressources déjà existantes : un packshot propre d'une nouvelle référence produit (SKU), une plaque de texture studio validée par un directeur artistique, ou la maquette d'emballage de la saison dernière dont le texte doit être mis à jour pour un lancement régional. Régénérer ces visuels de zéro avec un modèle purement textuel revient à jeter la géométrie, les proportions d'étiquette et la silhouette du produit que vous avez déjà payées pour photographier.

Sur E2X, l'architecture GPT Image 2.5 d'OpenAI est proposée à travers deux familles de modèles spécialisées pour l'édition conditionnée par référence et le compositing multi-images :

Vous passez un tableau d'images sources publiquement accessibles dans image_urls, accompagné d'une instruction d'édition en langage naturel pouvant atteindre 50 000 caractères. Grâce à la remise permanente de 75 % d'E2X, chaque édition 1K coûte $0.0525, 2K coûte $0.105 et 4K coûte $0.1575, que vous travailliez en qualité low, medium, high, xhigh ou max.

Planches-contacts photographiques, loupe en laiton et flacon compte-gouttes en verre sur du lin sombre

Ce guide détaille le fonctionnement de openai/gpt-image-2.5-sunburst/edit-image et openai/gpt-image-2.5-flare/edit-image : comment rédiger des prompts delta qui verrouillent la géométrie existante tout en modifiant les étiquettes ou l'éclairage, comment indexer plusieurs fichiers dans image_urls, pourquoi le plafond du prompt passe de 32 000 à 50 000 caractères sur la route d'édition, et quand basculer vers Google Nano Banana ou GPT Image 2 pour des retouches spécialisées.

Schéma d'entrée et tarification sur Sunburst et Flare edit-image

L'appel à openai/gpt-image-2.5-sunburst/edit-image ou openai/gpt-image-2.5-flare/edit-image utilise la même file d'attente POST https://api.e2x.ai/v1/jobs/submit que tous les autres modèles du catalogue E2X. Seules deux propriétés à l'intérieur de input sont obligatoires : prompt et image_urls.

ChampTypeRequisDéfautDescription et limites
promptstringOuiAucunInstruction d'édition ou de compositing jusqu'à 50,000 caractères.
image_urlsstring[]OuiAucunTableau d'URL HTTPS publiquement accessibles pointant vers vos images de référence.
aspect_ratiostringNon"1:1""auto" plus 15 formats fixes : "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".
resolutionstringNon"1K""1K" ($0.0525), "2K" ($0.1050) ou "4K" ($0.1575). Doit être en majuscules.
qualitystringNon"high"Sunburst : "low", "medium", "high", "xhigh" ou "max". Flare : "low", "medium" ou "high". Tous partagent le multiplicateur ×7.

Comme le coût de base catalogue ($0.03, réduit de 75 % à $0.0075) est multiplié par 7 sur chaque palier quality ($0.0075 × 7 = $0.0525), passer une tâche d'édition de "high" à "xhigh" ou "max" sur Sunburst n'ajoute aucun coût sur E2X. Seul resolution ("1K" = ×1, "2K" = ×2, "4K" = ×3) modifie le tarif. Vous pouvez vérifier la grille tarifaire en vigueur à tout moment sur notre page de tarification, ou consulter notre guide de l'API GPT Image 2.5 pour le détail complet du calcul en micro-cents.

Une amélioration notable du schéma par rapport à openai/gpt-image-2/edit-image est que quality est désormais facultatif sur la version 2.5 (Sunburst et Flare). Si vous omettez quality, le worker utilise "high" par défaut ; toutefois, pour les remplacements typographiques et les assemblages multi-objets, nous recommandons d'appeler Sunburst et de passer explicitement "xhigh" ou "max".

Règles des prompts delta : verrouiller ce qui reste vs nommer ce qui change

La plus grande erreur commise par les développeurs lorsqu'ils passent de openai/gpt-image-2.5-sunburst/text-to-image à edit-image consiste à rédiger une description complète de scène en partant de zéro, sans indiquer au modèle quelles parties de l'image d'entrée sont intouchables. Si vous envoyez la photo studio d'un pot de bougie avec le prompt "An amber glass candle jar on dark linen with a gold label reading BERGAMOT & CEDAR SOY CANDLE", le modèle interprète votre prompt comme une autorisation de redessiner le pot, de modifier le veinage du bois sur le couvercle et de changer l'angle de prise de vue.

L'édition par référence donne les meilleurs résultats lorsque vous rédigez un prompt delta structuré en trois clauses explicites :

  1. La modification ciblée : indiquez précisément la zone, le matériau ou la chaîne de texte à modifier.
  2. Les invariants verrouillés : nommez les éléments structurels de l'image source qui doivent rester intacts (silhouette du contenant, matériau du bouchon, perspective de la caméra, texture de l'arrière-plan, direction de la lumière).
  3. L'index de référence positionnel : lorsque image_urls contient plusieurs URL, désignez chaque entrée par sa position indexée à partir de 1 (image 1, image 2, image 3) et précisez le rôle joué par chaque fichier.

Workflow 1 : remplacer la typographie d'emballage sur amber-jar-original.png

Supposons que votre équipe e-commerce dispose d'un packshot maître (amber-jar-original.png) d'un pot de bougie d'apothicaire et doive localiser ou renommer la gamme de parfums sur douze références sans rephotographier le pot physique.

Voici la requête curl appelant openai/gpt-image-2.5-sunburst/edit-image en résolution "2K" et qualité "xhigh" ($0.105) pour remplacer le titre imprimé par "BERGAMOT & CEDAR SOY CANDLE" tout en verrouillant le pot, le couvercle et le fond :

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"
    }
  }'

Pot de bougie d'apothicaire en verre ambré avec étiquette à empattements dorée remplacée

Prompt utilisé pour le workflow de remplacement d'étiquette ci-dessus :

"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."

Pourquoi cela fonctionne proprement :

  • La chaîne de remplacement "BERGAMOT & CEDAR SOY CANDLE" est entourée de guillemets doubles échappés afin que le modèle sache exactement où commencent et s'arrêtent les caractères littéraux.
  • Le traitement typographique (in the same serif font and gold foil finish) indique à GPT Image 2.5 de reproduire le reflet métallique spéculaire et le style de trait déjà présents sur amber-jar-original.png.
  • La clause de verrouillage (Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged) empêche toute dérive dans la scène studio environnante.

Lorsque vous itérez sur le positionnement de l'étiquette ou les retours à la ligne, exécutez vos premiers essais en "resolution": "1K" ($0.0525) avec "quality": "xhigh", puis passez "resolution" en "2K" ou "4K" une fois que le crénage est parfait.

Workflow 2 : compositing produit à deux références avec image_urls

L'édition d'une seule image met à jour une ressource sur place. L'édition multi-références vous permet quant à elle de combiner des plaques photographiques distinctes en un seul cliché cohérent. Au lieu de coller un détourage PNG plat sur un arrière-plan dans Photoshop et de peindre à la main de fausses ombres de contact, vous passez les deux URL dans image_urls et expliquez à GPT Image 2.5 comment l'objet de image 1 interagit physiquement avec l'environnement de image 2.

Dans l'exemple ci-dessous, image 1 (chronograph-front.png) est une vue studio frontale nette d'une montre chronographe en titane brossé, et image 2 (wet-slate-surface.jpg) est une plaque de texture environnementale d'ardoise sombre humide éclairée par une lumière latérale froide et des reflets néon.

"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."

Montre chronographe en titane brossé intégrée sur de l'ardoise sombre humide avec reflets néon

Observez comment l'assemblage à deux références gère l'intégration physique :

  • Le boîtier de la montre, la lunette tachymétrique, les aiguilles et la géométrie des sous-cadrans proviennent de image 1.
  • Le relief de la surface, les gouttelettes d'eau et la lumière rasante directionnelle proviennent de image 2.
  • Là où le bracelet en titane touche l'ardoise humide, le modèle génère une occlusion de contact réaliste et des reflets spéculaires sur la pierre mouillée qui correspondent à l'angle du boîtier de la montre.

Si vous ajoutez une troisième URL de référence dans image_urls, attribuez-lui également un rôle explicite. Par exemple : "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." Chaque fichier présent dans image_urls doit être accessible en HTTPS public par les workers E2X (les URL S3 ou R2 pré-signées avec une expiration de 15 minutes fonctionnent très bien pour les buckets privés).

Pourquoi edit-image offre un plafond de prompt de 50 000 caractères

Sur openai/gpt-image-2.5-sunburst/text-to-image et openai/gpt-image-2.5-flare/text-to-image, prompt accepte jusqu'à 32 000 caractères. Sur openai/gpt-image-2.5-sunburst/edit-image et openai/gpt-image-2.5-flare/edit-image, maxLength passe à 50 000 caractères.

Aucun rédacteur humain ne s'assoit devant un clavier pour taper 50 000 caractères à la main. Ce plafond existe pour les pipelines automatisés de catalogue et de localisation, dans lesquels le logiciel construit le prompt par programmation à partir de bases de données produits structurées, de transcriptions OCR et de chartes graphiques de marque.

Dans un pipeline de localisation automatisé typique, une seule requête edit-image combine quatre blocs générés automatiquement à l'intérieur de prompt :

  1. La transcription OCR complète avec boîtes englobantes de l'image source (afin que le modèle sache quelles chaînes existantes sur un tableau nutritionnel dense ou un schéma technique doivent être remplacées et lesquelles restent intactes).
  2. La table de traduction cible (associant chaque bloc de texte source à sa chaîne de remplacement localisée entre guillemets).
  3. Les invariants stricts de marque et d'emballage (références de couleurs hexadécimales, finitions de matériaux, règles de préservation des pictogrammes réglementaires et contraintes négatives).
  4. L'attribution des rôles pour chaque URL dans image_urls (identifiant le packshot principal, le badge localisé en superposition et l'environnement d'arrière-plan cible).

Voici un exemple TypeScript montrant comment un pipeline de catalogue assemble une requête d'édition multi-références structurée, la soumet à openai/gpt-image-2.5-sunburst/edit-image en qualité "max", puis interroge l'API jusqu'à l'obtention du résultat :

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`);
}

Notez que le code passe "aspect_ratio": "auto" et "quality": "max". Avec "aspect_ratio": "auto", la sortie conserve le format d'image du cadrage de référence plutôt que de forcer un recadrage carré "1:1". N'oubliez pas non plus de copier l'URL renvoyée dans state.outputs[0].url vers votre propre bucket de stockage objet dès la fin de la tâche, ou de configurer les utilitaires clients officiels disponibles sur notre page des SDK E2X.

Comparaison des endpoints d'édition d'images entre OpenAI et Google sur E2X

Si openai/gpt-image-2.5-sunburst/edit-image (et openai/gpt-image-2.5-flare/edit-image) est notre premier choix pour les mises à jour typographiques d'emballages, les instructions delta complexes de 50K caractères et le raffinement des détails en xhigh / max, trois autres endpoints de notre catégorie image-to-image résolvent des besoins spécifiques que la version 2.5 ne cible pas :

Endpoint d'éditionTarif 1KTarif 2KTarif 4KLimite de promptMeilleur cas d'usage
openai/gpt-image-2.5-sunburst/edit-image$0.0525$0.1050$0.157550,000 caractèresRemplacement d'étiquettes d'emballage, compositing multi-produits, paliers xhigh et max inclus au tarif de base, format "auto".
openai/gpt-image-2.5-flare/edit-image$0.0525$0.1050$0.157550,000 caractèresÉdition par référence et compositing sur les paliers standards low, medium et high avec format "auto".
openai/gpt-image-2/edit-image$0.0525$0.1050$0.157550,000 caractèresÉdition ou extraction de produits sur un PNG transparent avec canal alpha via background: "transparent".
google/nano-banana-2.1/edit-image$0.0300$0.0400$0.0900StandardCoût le plus bas pour les éditions 1K ($0.03) et 4K ($0.09), plus formats de bannières extrêmes 8:1, 1:8, 4:1 et 1:4.
google/nano-banana-pro/edit-image$0.0750$0.0750$0.1500StandardPréservation de l'identité faciale humaine et de la ressemblance des personnages jusqu'à 14 images de référence séparées par rôle.

Voici comment répartir vos flux entre ces modèles d'édition en pratique :

  1. Textes d'emballage, assemblages studio multi-produits et spécifications automatisées de 50K : utilisez openai/gpt-image-2.5-sunburst/edit-image ($0.0525 en 1K). Sa combinaison des paliers de qualité xhigh et max et d'un budget de prompt de 50 000 caractères gère les retouches typographiques denses mieux que n'importe quelle autre route (ou utilisez openai/gpt-image-2.5-flare/edit-image pour les paliers low, medium et high).
  2. Détourages sur fond transparent (background: "transparent") : utilisez openai/gpt-image-2/edit-image ($0.0525 en 1K). Comme GPT Image 2.5 omet le paramètre background, GPT Image 2 reste l'endpoint de référence dès que votre sortie nécessite un canal alpha transparent. Consultez notre guide GPT Image 2.5 vs GPT Image 2 pour récupérer un routeur prêt à l'emploi qui bascule automatiquement entre les deux.
  3. Remplacements d'arrière-plan 4K à grand volume et bannières ultra-larges : utilisez google/nano-banana-2.1/edit-image. Facturé $0.03 par édition 1K et $0.09 par édition 4K (avec notre remise Google de 50 %), il réduit les coûts d'édition 4K de 43 % par rapport au tarif 4K de $0.1575 d'OpenAI et supporte des formats allant jusqu'à 8:1.
  4. Personnages humains récurrents et cohérence des portraits : utilisez google/nano-banana-pro/edit-image ($0.075 en 1K/2K). Nano Banana Pro vous permet de segmenter explicitement les images de référence par rôle (jusqu'à 5 pour l'identité du personnage, 6 pour les objets et 3 pour le style), ce qui évite toute dérive des traits du visage d'une vignette de storyboard à l'autre.

Vous pouvez comparer côte à côte tous les endpoints d'édition et de génération d'images dans le catalogue de modèles E2X et dans la catégorie text-to-image.

Questions fréquentes

Combien d'images sources puis-je passer dans image_urls sur openai/gpt-image-2.5-sunburst/edit-image et flare/edit-image ?

image_urls accepte un tableau contenant jusqu'à 10 URL d'images HTTPS publiquement accessibles en une seule requête. Lorsque vous passez plusieurs URL, désignez-les dans votre prompt par leur position indexée à partir de 1 (image 1, image 2, image 3) et précisez si chaque image fournit le produit principal, l'environnement d'arrière-plan ou la référence d'éclairage et de matériau.

Une édition multi-images avec 3 références coûte-t-elle plus cher qu'une édition avec 1 seule image ?

Non. Sur E2X, openai/gpt-image-2.5-sunburst/edit-image et openai/gpt-image-2.5-flare/edit-image sont facturés à la requête uniquement selon la resolution de sortie ("1K" coûte $0.0525, "2K" coûte $0.105, "4K" coûte $0.1575), et non selon le nombre d'URL d'entrée dans image_urls ou la longueur de votre prompt de 50 000 caractères.

Pourquoi le modèle a-t-il redessiné mon produit au lieu de modifier uniquement l'arrière-plan ?

Si un prompt d'édition décrit uniquement la scène finale souhaitée sans nommer ce qui doit rester fixe, le modèle peut réinterpréter la géométrie du sujet. Incluez toujours une clause de verrouillage explicite dans votre prompt, telle que : "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."

Puis-je passer des chemins de fichiers locaux ou des URI de données base64 dans image_urls ?

Fournissez des URL HTTPS publiquement accessibles dans image_urls (telles que des liens S3, GCS ou Cloudflare R2 pré-signés) afin que les nœuds workers d'E2X puissent récupérer directement les octets de référence pendant l'exécution de la tâche.