E2X पर OpenAI GPT Image 2.5 API: $0.0525 से शुरू होने वाली 4K तक xhigh और max क्वालिटी
OpenAI का GPT Image 2.5 अब E2X API पर दो रूट्स के ज़रिए लाइव है: लिखित प्रॉम्प्ट से नए दृश्य जनरेट करने के लिए openai/gpt-image-2.5-sunburst/text-to-image और सोर्स फ़ोटो को मॉडिफ़ाई या कंपोज़िट करने के लिए openai/gpt-image-2.5-sunburst/edit-image। हमारी स्थायी 75% छूट लागू होने के साथ, 1K रिक्वेस्ट का बिल $0.0525, 2K रिक्वेस्ट का बिल $0.105, और 4K रिक्वेस्ट का बिल $0.1575 आता है।
ये दरें स्कीमा की हर quality सेटिंग पर एक समान रहती हैं। E2X पर, नए xhigh और max क्वालिटी टियर ठीक वही ×7 मल्टीप्लायर साझा करते हैं जो low, medium, और high पर लागू होता है। आप अपने बिल में एक भी सेंट बढ़ाए बिना हर जॉब को xhigh या max पर चला सकते हैं।

यह गाइड पूरे इंटीग्रेशन को कवर करती है: बेस रेट और मल्टीप्लायर आपका बिल कैसे तय करते हैं, दोनों रूट्स के लिए पूरा इनपुट स्कीमा, पोलिंग और वेबहुक्स के लिए प्रोडक्शन curl और TypeScript कोड, और इस पेज पर दिए गए सैंपल रेंडर्स के पीछे के सटीक प्रॉम्प्ट्स।
$0.0525 कीमत की गणना कैसे की जाती है
E2X पर बिलिंग फ़ॉर्मूले को समझने से दो आम गलतियों से बचा जा सकता है: प्रॉम्प्ट के शब्दों का परीक्षण करते समय ही 4K रिज़ॉल्यूशन के लिए भुगतान करना, और पैसे बचाने के लिए quality को कम करना जबकि quality से कीमत में कोई बदलाव नहीं होता।
openai/gpt-image-2.5-sunburst/text-to-image और openai/gpt-image-2.5-sunburst/edit-image दोनों का लिस्ट बेस रेट $0.03 (API रिस्पॉन्स में 30,000 माइक्रो-सेंट्स) है। E2X उस बेस पर स्थायी 75% छूट लागू करता है, जिससे शुरुआती यूनिट घटकर $0.0075 (7,500 माइक्रो-सेंट्स) रह जाती है। इसके बाद, बिलिंग इंजन दो पैरामीटर फ़ैक्टर्स से गुणा करता है:
qualityफ़ैक्टर:low,medium,high(स्कीमा डिफ़ॉल्ट),xhigh, औरmaxमें से प्रत्येक ×7 मल्टीप्लायर का उपयोग करता है।$0.0075को7से गुणा करने पर$0.0525प्राप्त होता है।resolutionफ़ैक्टर:1K(स्कीमा डिफ़ॉल्ट) ×1 लागू करता है,2K×2 लागू करता है, और4K×3 लागू करता है।
क्योंकि डायनामिक प्राइसिंग टेबल में सभी पाँच quality वैल्यू एक ही ×7 फ़ैक्टर से मैप होती हैं, इसलिए resolution ही एकमात्र ऐसा पैरामीटर है जो आपकी प्रति-इमेज लागत को बदलता है। आपको किसी भी पूरी हुई जॉब पर बिना गुणा किया हुआ $0.0075 शुल्क कभी नहीं दिखेगा क्योंकि जब भी आप quality को छोड़ देते हैं, तो यह डिफ़ॉल्ट रूप से high (×7) पर सेट हो जाता है। और क्योंकि xhigh तथा max भी उसी ×7 फ़ैक्टर को साझा करते हैं, इसलिए low या medium पर आने से एक भी डॉलर की बचत नहीं होती। अपने प्रॉम्प्ट के विज़ुअल विवरण के अनुसार quality को high, xhigh, या max पर सेट करें और low को छोड़ दें।
| रिज़ॉल्यूशन | मल्टीप्लायर फ़ॉर्मूला | E2X लिस्ट रेट ($0.03 × 7) | E2X रेट (75% छूट) | API माइक्रो-सेंट्स | fal.ai ऑन-डिमांड (high टियर) | E2X बचत |
|---|---|---|---|---|---|---|
1K (डिफ़ॉल्ट) | $0.0075 × 7 × 1 | $0.21 | $0.0525 | 52500 | $0.211 | 75% |
2K | $0.0075 × 7 × 2 | $0.42 | $0.1050 | 105000 | $0.222 | 53% |
4K | $0.0075 × 7 × 3 | $0.63 | $0.1575 | 157500 | $0.401 | 61% |
दरों की तुलना 4 नवंबर, 2026 को fal.ai की ऑन-डिमांड प्राइसिंग के विरुद्ध जाँची गई। प्रदाता की दरें और शर्तें बदल सकती हैं; लाइव आंकड़ों के लिए हमारा प्राइसिंग पेज देखें।
इटरेटिव डिज़ाइन लूप चलाने वाली टीमों के लिए, यह मल्टीप्लायर कर्व बजट बनाना आसान कर देता है। जब आप "xhigh" या "max" पर लाइटिंग, कैमरा एंगल और एम्बेडेड टेक्स्ट को रिफ़ाइन कर रहे हों, तब resolution को "1K" पर पिन करके रखें। आठ 1K ड्राफ़्ट जनरेशन की कुल लागत $0.42 आती है। एक बार लेआउट फ़ाइनल हो जाने पर, $0.1575 में एक सिंगल "4K" मास्टर रेंडर चलाएँ। पूरे नौ-इमेज सीक्वेंस की लागत $0.5775 आती है, जबकि हर ड्राफ़्ट को 4K पर चलाने पर यह $1.4175 होती।
ऊपर दी गई तालिका में पाँचवें कॉलम पर ध्यान दें। E2X API द्वारा लौटाया गया प्रत्येक मौद्रिक फ़ील्ड माइक्रो-सेंट्स में एक पूर्णांक (integer) होता है, जहाँ 1,000,000 माइक्रो-सेंट्स $1.00 USD के बराबर होते हैं। एक 1K जनरेशन 52500 लौटाता है, 2K जनरेशन 105000 लौटाता है, और 4K जनरेशन 157500 लौटाता है। इन पूर्णांकों को सीधे अपनी लेजर टेबल में स्टोर करें और केवल इंसानी डैशबोर्ड के लिए नंबर फ़ॉर्मेट करते समय ही 1,000,000 से भाग दें।
दोनों एंडपॉइंट्स के लिए पूरा पैरामीटर स्कीमा
दोनों GPT Image 2.5 रूट्स POST https://api.e2x.ai/v1/jobs/submit पर मानक E2X जॉब एनवलप के पीछे काम करते हैं। आप JSON बॉडी के टॉप लेवल पर मॉडल आइडेंटिफ़ायर पास करते हैं और सभी मॉडल-विशिष्ट कंट्रोल्स को input ऑब्जेक्ट के अंदर रखते हैं। E2X पर, GPT Image 2.5 दो वेरिएंट में उपलब्ध है: GPT Image 2.5 Sunburst (openai/gpt-image-2.5-sunburst, जो 1K/2K/4K रेज़ोल्यूशन और low, medium, high, xhigh, max क्वालिटी टियर का समर्थन करता है) और GPT Image 2.5 Flare (openai/gpt-image-2.5-flare, जो 1K/2K/4K रेज़ोल्यूशन और low, medium, high क्वालिटी टियर के साथ /models/openai/gpt-image-2.5-flare/text-to-image और /models/openai/gpt-image-2.5-flare/edit-image का समर्थन करता है)।
| पैरामीटर | एंडपॉइंट उपलब्धता | प्रकार | आवश्यक | डिफ़ॉल्ट | स्वीकार्य मान / सीमाएँ |
|---|---|---|---|---|---|
prompt | दोनों एंडपॉइंट्स | string | हाँ | कोई नहीं | text-to-image पर 32,000 कैरेक्टर तक; edit-image पर 50,000 कैरेक्टर तक। |
image_urls | केवल edit-image | string[] | हाँ (edit पर) | कोई नहीं | रेफ़रेंस कंडीशनिंग, कंपोज़िटिंग या एडिटिंग के लिए सार्वजनिक रूप से उपलब्ध HTTPS URLs। |
aspect_ratio | दोनों एंडपॉइंट्स | string | नहीं | "1:1" | "auto", "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" (कुल 16)। |
resolution | दोनों एंडपॉइंट्स | string | नहीं | "1K" | "1K", "2K", "4K" (अपरकेस होना आवश्यक है)। |
quality | दोनों एंडपॉइंट्स | string | नहीं | "high" | "low", "medium", "high", "xhigh", "max"। |
अपनी वैलिडेशन लेयर लिखने से पहले स्कीमा के तीन विवरणों पर ध्यान देना ज़रूरी है:
- OpenAI मॉडल्स पर अपरकेस
resolutionस्ट्रिंग्स आवश्यक हैं।"1K","2K", या"4K"पास करें। यदि आपका कोडबेस पहले से ही हमारे text-to-image कैटलॉग में मौजूद Google मॉडल्स को कॉल करता है जहाँ रिज़ॉल्यूशन लोअरकेस ("1k","2k","4k") होते हैं, तो एक ही स्ट्रिंग कांस्टेंट साझा करने के बजाय प्रति मॉडल स्लग केसिंग को नॉर्मलाइज़ करें। aspect_ratioडिफ़ॉल्ट रूप से"1:1"होता है, और"auto"को सपोर्ट करता है। जब आपaspect_ratioको छोड़ देते हैं, तो GPT Image 2.5 एक वर्गाकार (square) फ़्रेम रेंडर करता है। जब आप स्पष्ट रूप से"auto"पास करते हैं, तो मॉडल आपके प्रॉम्प्ट में वर्णित विषय के आधार पर समर्थित अनुपातों में से एक का चयन करता है (याedit-imageपर आपकी प्राथमिक रेफ़रेंस इमेज की फ़्रेमिंग को बनाए रखता है)।- GPT Image 2.5 में
backgroundपैरामीटर नहीं है। न तोopenai/gpt-image-2.5-sunburst/text-to-imageऔर न हीopenai/gpt-image-2.5-sunburst/edit-imageमेंbackgroundफ़ील्ड ("transparent","opaque","auto") शामिल है। यदि आपके वर्कफ़्लो को अल्फ़ा चैनल के साथ सिंगल-कॉल ट्रांसपेरेंट PNG कटआउट की आवश्यकता है, तो उसी$0.0525कीमत पर उस रिक्वेस्ट कोopenai/gpt-image-2/text-to-imageयाopenai/gpt-image-2/edit-imageपर रूट करें। हमने अपनी GPT Image 2.5 बनाम GPT Image 2 तुलना में इस रूटिंग निर्णय को विस्तार से समझाया है।
curl के साथ अपनी पहली इमेज जनरेट करना
क्योंकि GPT Image 2.5 जॉब्स में औसतन लगभग 60 सेकंड लगते हैं, इसलिए E2X API एसिंक्रोनस है। आपकी POST रिक्वेस्ट पेलोड को वैलिडेट करती है, काम को कतार (queue) में लगाती है, और तुरंत एक jobId लौटाती है।
यहाँ "1K" रिज़ॉल्यूशन और "xhigh" क्वालिटी ($0.0525) पर openai/gpt-image-2.5-sunburst/text-to-image को कॉल करने वाली एक पूरी curl रिक्वेस्ट दी गई है:
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/text-to-image",
"input": {
"prompt": "Overhead editorial photograph of an anodized aluminum mechanical keyboard on a dark walnut desk. Keycaps in matte charcoal with a single signal orange Esc key. Soft north-window daylight from the top left, crisp key legends.",
"aspect_ratio": "3:2",
"resolution": "1K",
"quality": "xhigh"
}
}'

ऊपर दी गई इमेज के लिए उपयोग किया गया प्रॉम्प्ट:
"Overhead editorial photograph of an anodized aluminum mechanical keyboard on a dark walnut desk. Keycaps in matte charcoal with a single signal orange Esc key. Soft north-window daylight from the top left, crisp key legends."
यह प्रॉम्प्ट "xhigh" क्वालिटी पर इतना अच्छा काम क्यों करता है: मैकेनिकल कीबोर्ड इमेज जनरेटर्स के लिए एक क्लासिक स्ट्रेस टेस्ट होते हैं क्योंकि कीकैप के बीच असमान दूरी, टेढ़ी-मेढ़ी पंक्तियाँ, या धुंधले अक्षर तुरंत शॉट को खराब कर देते हैं। ओवरहेड कैमरा एंगल निर्दिष्ट करना, सटीक केसिंग सामग्री (anodized aluminum) का नाम देना, एक सिंगल कलर एक्सेंट (single signal orange Esc key) को अलग करना, और "xhigh" क्वालिटी का अनुरोध करना मॉडल को पर्याप्त सैंपलिंग बजट देता है ताकि स्विच ग्रिड सीधा रहे और कीकैप के अक्षर एकदम स्पष्ट दिखें।
जब सबमिट कॉल सफल होती है, तो API 200 OK और आपके जॉब आइडेंटिफ़ायर वाले JSON एनवलप के साथ जवाब देता है:
{
"success": true,
"data": {
"jobId": "job_01J9X7K3M8P2Q4R6S8T0V2W4Y6",
"status": "pending"
}
}
अपने टर्मिनल से स्टेटस चेक करने के लिए, उसी Authorization हेडर के साथ GET https://api.e2x.ai/v1/jobs/{jobId} को कॉल करें:
curl -s https://api.e2x.ai/v1/jobs/job_01J9X7K3M8P2Q4R6S8T0V2W4Y6 \
-H "Authorization: Bearer $E2X_API_KEY"
जब data.status की स्थिति pending से processing और अंत में completed में बदल जाती है, तो तैयार इमेज का URL data.outputs[0].url पर मिलता है।
max क्वालिटी पर टाइपोग्राफ़ी और पोस्टर लेआउट
GPT Image 2.5 पर high से xhigh या max पर जाने के सबसे मज़बूत कारणों में से एक स्ट्रक्चर्ड ग्राफ़िक लेआउट के अंदर टेक्स्ट रेंडरिंग है। पोस्टर, बुक कवर, पैकेजिंग फ़्लैट्स, और UI कार्ड्स को सटीक बेसलाइन अलाइनमेंट और साफ़ अक्षरों की आवश्यकता होती है।
यहाँ "2K" रिज़ॉल्यूशन और "max" क्वालिटी ($0.105) पर 2:3 स्विस प्रदर्शनी पोस्टर जनरेट करने के लिए उपयोग किया गया प्रॉम्प्ट और पैरामीटर कॉन्फ़िगरेशन दिया गया है:
'Minimalist museum poster on textured cotton paper. Centered Swiss grid typography reading "ZURICH DESIGN WERKSCHAU 2026" in bold black grotesque type above a cobalt blue geometric arch.'

तीन व्यावहारिक नियम GPT Image 2.5 पर इमेज के भीतर अक्षरों को विश्वसनीय बनाते हैं:
- सटीक डिस्प्ले स्ट्रिंग को कोटेशन मार्क्स (उद्धरण चिह्नों) में रखें। कोट्स के अंदर की हर चीज़ को कैनवास पर रेंडर करने के लिए लिटरल कॉपी के रूप में माना जाता है, जबकि आसपास के शब्द टाइपफ़ेस (
bold black grotesque type), सतह (textured cotton paper), और प्लेसमेंट (Centered Swiss grid typography) का वर्णन करते हैं। - जब भी अक्षर मुख्य आकर्षण हों, तब
xhighयाmaxका उपयोग करें। क्योंकि E2Xmaxकोhighके समान ही ×7 मल्टीप्लायर पर बिल करता है, इसलिए"quality": "max"का अनुरोध करने से आपकी लागत बढ़ाए बिना सबसे सटीक कर्निंग और सबसे साफ़ स्ट्रोक किनारे मिलते हैं। - शुरुआत में ही अंतिम एस्पेक्ट रेशियो चुनें। एक पोस्टर
"2:3"या"3:4"में सबसे अच्छा लगता है।"1:1"में जनरेट करने और बाद में क्रॉप करने से वे मार्जिन कट जाते हैं जिन पर ग्रिड लेआउट निर्भर करता है।
प्रोडक्शन TypeScript इंटीग्रेशन: पोलिंग और स्टोरेज
Node.js या TypeScript बैकएंड में, आपके इंटीग्रेशन को तीन काम साफ़-सुथरे ढंग से करने होते हैं: जॉब सबमिट करना, एक उचित अंतराल पर पोल करना (लगभग 3 सेकंड हमारे वर्कर पोल अंतराल से मेल खाता है), और तैयार फ़ाइल को E2X के अस्थायी डिलीवरी URL से अपने स्वयं के S3, R2, या GCS बकेट में कॉपी करना।
डाउनलोड स्टेप को न छोड़ें। data.outputs[0].url में लौटाया गया URL एक अल्पकालिक (short-lived) डिलीवरी लिंक होता है। उस स्ट्रिंग को सीधे अपने एप्लिकेशन डेटाबेस में स्टोर करने से डिलीवरी ऑब्जेक्ट की समय-सीमा समाप्त होने के बाद इमेज लिंक टूट जाएँगे।
import { writeFile, mkdir } from "node:fs/promises";
import path from "node:path";
const E2X_BASE_URL = "https://api.e2x.ai/v1";
const API_KEY = process.env.E2X_API_KEY;
if (!API_KEY) {
throw new Error("Missing E2X_API_KEY environment variable");
}
type GptImageResolution = "1K" | "2K" | "4K";
type GptImageQuality = "low" | "medium" | "high" | "xhigh" | "max";
interface SubmitTextToImageInput {
prompt: string;
aspect_ratio?: string;
resolution?: GptImageResolution;
quality?: GptImageQuality;
webhookUrl?: string;
}
const headers = {
Authorization: `Bearer ${API_KEY}`,
"Content-Type": "application/json",
};
export async function submitGptImage25(
options: SubmitTextToImageInput
): Promise<string> {
const { webhookUrl, ...input } = options;
const response = await fetch(`${E2X_BASE_URL}/jobs/submit`, {
method: "POST",
headers,
body: JSON.stringify({
model: "openai/gpt-image-2.5-sunburst/text-to-image",
input: {
prompt: input.prompt,
aspect_ratio: input.aspect_ratio ?? "2:3",
resolution: input.resolution ?? "2K",
quality: input.quality ?? "max",
},
...(webhookUrl ? { webhookUrl } : {}),
}),
});
if (!response.ok) {
throw new Error(`Submit failed (${response.status}): ${await response.text()}`);
}
const payload = (await response.json()) as { data: { jobId: string } };
return payload.data.jobId;
}
export async function pollUntilComplete(
jobId: string,
timeoutMs = 300_000
): Promise<string> {
const deadline = Date.now() + timeoutMs;
let delayMs = 3000;
while (Date.now() < deadline) {
await new Promise((resolve) => setTimeout(resolve, delayMs));
const response = await fetch(`${E2X_BASE_URL}/jobs/${jobId}`, { headers });
if (!response.ok) {
throw new Error(`Status check failed with HTTP ${response.status}`);
}
const { data } = (await response.json()) as {
data: {
status: string;
outputs?: Array<{ url: string }>;
error?: { message?: string };
};
};
if (data.status === "completed" && data.outputs?.[0]?.url) {
return data.outputs[0].url;
}
if (data.status === "failed" || data.status === "cancelled") {
throw new Error(data.error?.message ?? `Job ended in ${data.status}`);
}
delayMs = Math.min(Math.round(delayMs * 1.25), 8000);
}
throw new Error(`Timed out waiting for job ${jobId}`);
}
async function saveImage(url: string, destination: string): Promise<void> {
const res = await fetch(url);
if (!res.ok) throw new Error(`Download failed: HTTP ${res.status}`);
await mkdir(path.dirname(destination), { recursive: true });
await writeFile(destination, Buffer.from(await res.arrayBuffer()));
}
यदि आप रॉ fetch रैपर्स लिखने के बजाय पहले से बने क्लाइंट का उपयोग करना पसंद करते हैं, तो आधिकारिक पैकेज और कॉन्फ़िगरेशन उदाहरणों के लिए E2X SDKs पेज देखें।
बैच वर्कलोड के लिए वेबहुक्स पर स्विच करना
दोनों GPT Image 2.5 एंडपॉइंट्स प्रति अकाउंट 100 सक्रिय जॉब्स की कॉनकरेंसी सीमा का समर्थन करते हैं, साथ ही प्रति मिनट 100 कॉल्स, प्रति घंटे 5,000 कॉल्स, और प्रति दिन 50,000 कॉल्स की रेट सीमा भी देते हैं। जब आप समानांतर (parallel) रूप से 100 के करीब जॉब्स चलाते हैं, तो मेमोरी में 100 पोलिंग लूप्स को खुला रखने से वर्कर प्रोसेस फँस जाते हैं और डिप्लॉयमेंट नाज़ुक हो जाते हैं।
/v1/jobs/submit बॉडी के रूट में webhookUrl पास करने से पोलिंग लूप की आवश्यकता समाप्त हो जाती है। जैसे ही जॉब completed, failed, या cancelled स्थिति में पहुँचती है, E2X आपके सर्वर पर एक HTTP POST नोटिफ़िकेशन भेजता है:
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/text-to-image",
"input": {
"prompt": "Overhead editorial photograph of an anodized aluminum mechanical keyboard on a dark walnut desk. Keycaps in matte charcoal with a single signal orange Esc key. Soft north-window daylight from the top left, crisp key legends.",
"aspect_ratio": "3:2",
"resolution": "1K",
"quality": "xhigh"
},
"webhookUrl": "https://api.yourcompany.com/webhooks/e2x-image"
}'
अपने वेबहुक हैंडलर में, आने वाले jobId को रिकॉर्ड करें, अपनी API कुंजी के साथ GET /v1/jobs/{jobId} को कॉल करके स्थिति को सत्यापित करें, data.outputs[0].url से इमेज को अपने स्थायी ऑब्जेक्ट स्टोर में डाउनलोड करें, और डेटाबेस रो को पूर्ण (complete) के रूप में चिह्नित करें।
openai/gpt-image-2.5-sunburst/edit-image के साथ एडिटिंग और कंपोज़िटिंग
जब आपके पास पहले से ही कोई प्रोडक्ट फ़ोटो, पैकेजिंग लेआउट, या आर्किटेक्चरल रेंडर हो और आपको विशिष्ट क्षेत्रों को संशोधित करने या कई रेफ़रेंस को जोड़ने की आवश्यकता हो, तो मॉडल स्लग को बदलकर openai/gpt-image-2.5-sunburst/edit-image कर दें।
इसकी कीमत text-to-image के समान ही है (1K के लिए $0.0525, 2K के लिए $0.105, 4K के लिए $0.1575), और स्कीमा के दो नियम बदल जाते हैं:
image_urlsआवश्यक है। अपनी सोर्स इमेजेस की ओर इंगित करने वाले एक या अधिक सार्वजनिक रूप से उपलब्ध HTTPS URLs का एक ऐरे पास करें।promptकी सीमा बढ़कर 50,000 कैरेक्टर हो जाती है। यह अतिरिक्त स्थान (text-to-imageपर 32,000 से बढ़कर) ऑटोमेटेड कैटलॉग पाइपलाइनों को लंबाई की त्रुटि (length error) का सामना किए बिना पूरे OCR ट्रांसक्रिप्ट्स, सख्त ब्रांड कलर नियम और प्रति-रेफ़रेंस प्लेसमेंट निर्देश पास करने की सुविधा देता है।
यहाँ एक curl रिक्वेस्ट दी गई है जो image_urls में दो सोर्स इमेजेस पास करती है और उन्हें "1K" रिज़ॉल्यूशन और "max" क्वालिटी ($0.0525) पर कंपोज़िट करती है:
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": "Place the brushed titanium chronograph watch from image 1 onto the wet dark slate surface from image 2. Preserve the exact dial markings, hands, and bezel knurling from image 1, and match the cool cyan rim reflections from image 2.",
"image_urls": [
"https://your-cdn.example.com/catalog/chronograph-cutout.png",
"https://your-cdn.example.com/backdrops/wet-slate-studio.jpg"
],
"aspect_ratio": "1:1",
"resolution": "1K",
"quality": "max"
}
}'
edit-image के लिए प्रॉम्प्ट लिखते समय, स्पष्ट रूप से बताएँ कि क्या बदलना चाहिए और क्या लॉक रहना चाहिए, और अपने इनपुट्स को image_urls में उनकी 1-आधारित स्थिति (image 1, image 2) के द्वारा संदर्भित करें। हम अपनी GPT Image 2.5 मल्टी-इमेज एडिटिंग गाइड में मल्टी-इमेज इंडेक्सिंग, पैकेजिंग लेबल रिप्लेसमेंट और 50K प्रॉम्प्ट टेम्पलेट्स को विस्तार से कवर करते हैं।
E2X मॉडल कैटलॉग में GPT Image 2.5 कहाँ फ़िट बैठता है
आप हमारे द्वारा होस्ट किए जाने वाले प्रत्येक इमेज मॉडल को E2X मॉडल कैटलॉग में ब्राउज़ कर सकते हैं या विशेष रूप से text-to-image श्रेणी और image-to-image श्रेणी के अनुसार फ़िल्टर कर सकते हैं। क्योंकि E2X पर प्रत्येक मॉडल एक ही /v1/jobs/submit कॉन्ट्रैक्ट साझा करता है, इसलिए OpenAI और Google मॉडल्स के बीच स्विच करने के लिए केवल model स्ट्रिंग को बदलने और resolution की केसिंग को मिलाने की आवश्यकता होती है।
- GPT Image 2.5 (
1K$0.0525पर,4K$0.1575पर) चुनें जब आपकोxhighयाmaxक्वालिटी टियर औरaspect_ratio: "auto"के साथ OpenAI के सटीक प्रॉम्प्ट पालन और बेहतरीन टाइपोग्राफ़ी रेंडरिंग की आवश्यकता हो। - GPT Image 2 (
1K$0.0525पर,4K$0.1575पर) चुनें जब आपकी पाइपलाइन कोbackground: "transparent"के माध्यम से नेटिव अल्फ़ा-चैनल PNG कटआउट की आवश्यकता हो। - Google Nano Banana 2.1 (
1K$0.03पर,2K$0.04पर,4K$0.09पर) चुनें जब आपको E2X पर सबसे कम 4K जनरेशन कीमत या8:1और1:8जैसे एक्सट्रीम पैनोरमिक रेशियो की आवश्यकता हो। - Google Nano Banana Pro (
1K/2K$0.075पर,4K$0.15पर) चुनें जब आपको भूमिका (role) के अनुसार अलग किए गए मल्टी-रेफ़रेंस कैरेक्टर कंसिस्टेंसी की आवश्यकता हो।
अक्सर पूछे जाने वाले प्रश्न (FAQ)
E2X पर xhigh और max की कीमत low और high के समान क्यों है?
openai/gpt-image-2.5-sunburst/text-to-image और openai/gpt-image-2.5-sunburst/edit-image के लिए E2X के प्राइसिंग स्कीमा में, सभी पाँच quality मान (low, medium, high, xhigh, max) $0.0075 की डिस्काउंटेड बेस लागत के विरुद्ध एक ही ×7 मल्टीप्लायर से मैप होते हैं। इससे आपको हर क्वालिटी सेटिंग पर $0.0525 (1K), $0.105 (2K), और $0.1575 (4K) की दर मिलती है।
text-to-image और edit-image एंडपॉइंट्स के बीच क्या अंतर है?
openai/gpt-image-2.5-sunburst/text-to-image केवल एक टेक्स्ट prompt (32,000-कैरेक्टर सीमा) से नई इमेजेस जनरेट करता है। openai/gpt-image-2.5-sunburst/edit-image को मौजूदा विज़ुअल्स को एडिट करने, रीस्टाइल करने या कंपोज़िट करने के लिए prompt (50,000-कैरेक्टर सीमा) और image_urls (सोर्स इमेज URLs) दोनों की आवश्यकता होती है। दोनों एंडपॉइंट्स बिल्कुल समान कीमत और रेट लिमिट साझा करते हैं।