ब्लॉग पर वापस जाएं

GPT Image 2.5 के साथ मल्टी-रेफ़रेंस इमेज एडिटिंग: सोर्स इमेजेस और 50K प्रॉम्प्ट्स का संयोजन

E2X Team··15 मिनट पढ़ें
gpt-image-2.5gpt-image-2.5-sunburstgpt-image-2.5-flareopenaiimage-editingimage-to-imageimage-api

अधिकांश कमर्शियल विज़ुअल काम उन एसेट्स से शुरू होता है जो पहले से मौजूद हैं: किसी नए SKU का साफ़ पैकशॉट, आर्ट डायरेक्टर द्वारा स्वीकृत स्टूडियो टेक्सचर प्लेट, या पिछले सीज़न का पैकेजिंग लेआउट जिसमें क्षेत्रीय लॉन्च के लिए अपडेटेड कॉपी की आवश्यकता है। केवल-टेक्स्ट वाले मॉडल के साथ उन विज़ुअल्स को शुरू से दोबारा जनरेट करने से वह ज्योमेट्री, लेबल अनुपात, और प्रोडक्ट सिल्हूट नष्ट हो जाता है जिसे फ़ोटोग्राफ़ करने के लिए आपने पहले ही भुगतान किया है।

E2X पर OpenAI का openai/gpt-image-2.5-sunburst/edit-image एंडपॉइंट रेफ़रेंस-आधारित एडिटिंग और मल्टी-इमेज कंपोज़िटिंग के लिए बनाया गया है। आप 50,000 कैरेक्टर तक के प्राकृतिक-भाषा एडिट निर्देश के साथ image_urls में सार्वजनिक रूप से उपलब्ध सोर्स इमेजेस का एक ऐरे पास करते हैं। E2X की स्थायी 75% छूट के साथ, हर 1K एडिट की लागत $0.0525, 2K की लागत $0.105, और 4K की लागत $0.1575 आती है, चाहे आप इसे low, medium, high, xhigh, या max क्वालिटी पर चलाएँ।

गहरे लिनन कपड़े पर रखे फ़ोटोग्राफ़िक कॉन्टैक्ट प्रिंट्स, पीतल का लूप और कांच की ड्रॉपर बोतल

यह गाइड openai/gpt-image-2.5-sunburst/edit-image की कार्यप्रणाली को विस्तार से समझाती है: ऐसे डेल्टा प्रॉम्प्ट्स कैसे लिखें जो लेबल या लाइटिंग बदलते समय मौजूदा ज्योमेट्री को लॉक रखते हैं, image_urls में कई फ़ाइलों को कैसे इंडेक्स करें, एडिट रूट पर प्रॉम्प्ट की सीमा 32,000 से बढ़कर 50,000 कैरेक्टर क्यों हो जाती है, और विशेष एडिट्स के लिए Google Nano Banana या GPT Image 2 पर कब स्विच करें।

openai/gpt-image-2.5-sunburst/edit-image पर इनपुट स्कीमा और प्राइसिंग

openai/gpt-image-2.5-sunburst/edit-image को कॉल करने के लिए उसी POST https://api.e2x.ai/v1/jobs/submit कतार का उपयोग किया जाता है जिसका उपयोग E2X कैटलॉग के हर दूसरे मॉडल में होता है। input के अंदर केवल दो प्रॉपर्टीज़ अनिवार्य हैं: prompt और image_urls। 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)।

फ़ील्डप्रकारआवश्यकडिफ़ॉल्टविवरण और सीमाएँ
promptstringहाँकोई नहीं50,000 कैरेक्टर तक का एडिटिंग या कंपोज़िटिंग निर्देश।
image_urlsstring[]हाँकोई नहींआपकी रेफ़रेंस इमेजेस की ओर इंगित करने वाले सार्वजनिक रूप से उपलब्ध HTTPS URLs का ऐरे।
aspect_ratiostringनहीं"1:1""auto" प्लस 15 फिक्स्ड रेशियो: "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"।
resolutionstringनहीं"1K""1K" ($0.0525), "2K" ($0.1050), या "4K" ($0.1575)। अपरकेस होना आवश्यक है।
qualitystringनहीं"high""low", "medium", "high", "xhigh", या "max"। सभी पाँच ×7 मल्टीप्लायर साझा करते हैं।

क्योंकि लिस्ट बेस लागत ($0.03, जिसे 75% घटाकर $0.0075 किया गया है) को प्रत्येक quality टियर पर 7 से गुणा किया जाता है ($0.0075 × 7 = $0.0525), इसलिए किसी एडिट जॉब को "high" से "xhigh" या "max" पर अपग्रेड करने से E2X पर कोई अतिरिक्त लागत नहीं जुड़ती। केवल resolution ("1K" = ×1, "2K" = ×2, "4K" = ×3) ही कीमत बदलता है। आप किसी भी समय हमारे प्राइसिंग पेज पर वर्तमान दर कार्ड सत्यापित कर सकते हैं, या पूरे माइक्रो-सेंट बिलिंग गणित के लिए हमारी GPT Image 2.5 API गाइड देख सकते हैं।

openai/gpt-image-2/edit-image की तुलना में स्कीमा में एक सुधार यह है कि 2.5 पर quality अब वैकल्पिक है। यदि आप quality को छोड़ देते हैं, तो वर्कर डिफ़ॉल्ट रूप से "high" चुनता है, हालाँकि टाइपोग्राफ़ी बदलने और मल्टी-ऑब्जेक्ट कंपोज़िट्स के लिए हम स्पष्ट रूप से "xhigh" या "max" पास करने की सलाह देते हैं।

डेल्टा प्रॉम्प्टिंग नियम: क्या स्थिर रहेगा बनाम क्या बदलेगा

openai/gpt-image-2.5-sunburst/text-to-image से edit-image पर आते समय डेवलपर्स जो सबसे बड़ी गलती करते हैं, वह यह है कि वे मॉडल को यह बताए बिना कि इनपुट इमेज के किन हिस्सों को नहीं बदलना है, शुरू से पूरे दृश्य का विवरण लिख देते हैं। यदि आप एक मोमबत्ती के जार की स्टूडियो फ़ोटो पास करते हैं और प्रॉम्प्ट लिखते हैं "An amber glass candle jar on dark linen with a gold label reading BERGAMOT & CEDAR SOY CANDLE", तो मॉडल आपके प्रॉम्प्ट को जार को फिर से बनाने, ढक्कन पर लकड़ी के टेक्सचर को बदलने और कैमरा एंगल को शिफ़्ट करने की अनुमति मान लेता है।

रेफ़रेंस एडिटिंग तब सबसे अच्छा काम करती है जब आप तीन स्पष्ट भागों में संरचित डेल्टा प्रॉम्प्ट लिखते हैं:

  1. लक्षित बदलाव (Targeted change): उस सटीक क्षेत्र, सामग्री, या टेक्स्ट स्ट्रिंग का उल्लेख करें जिसे संशोधित करने की आवश्यकता है।
  2. लॉक किए गए तत्व (Locked invariants): सोर्स इमेज के उन संरचनात्मक तत्वों का नाम बताएँ जो अपरिवर्तित रहने चाहिए (कंटेनर का आकार, ढक्कन की सामग्री, कैमरा परिप्रेक्ष्य, बैकग्राउंड टेक्सचर, लाइटिंग की दिशा)।
  3. पोज़िशनल रेफ़रेंस इंडेक्स: जब image_urls में एक से अधिक URL हों, तो प्रत्येक इनपुट को उसकी 1-आधारित स्थिति (image 1, image 2, image 3) से संदर्भित करें और बताएँ कि प्रत्येक फ़ाइल क्या भूमिका निभाती है।

वर्कफ़्लो 1: amber-jar-original.png पर पैकेजिंग टाइपोग्राफ़ी बदलना

मान लीजिए कि आपकी ई-कॉमर्स टीम के पास एक एपोथेकरी कैंडल जार का मास्टर पैकशॉट (amber-jar-original.png) है और उन्हें भौतिक जार की दोबारा फ़ोटोग्राफ़ी किए बिना बारह SKUs में सुगंध लाइन को लोकलाइज़ करने या नाम बदलने की आवश्यकता है।

जार, ढक्कन और बैकड्रॉप को लॉक रखते हुए प्रिंटेड शीर्षक को "BERGAMOT & CEDAR SOY CANDLE" से बदलने के लिए यहाँ "2K" रिज़ॉल्यूशन और "xhigh" क्वालिटी ($0.105) पर openai/gpt-image-2.5-sunburst/edit-image को कॉल करने वाली 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/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"
    }
  }'

बदले गए गोल्ड फ़ॉइल सेरिफ़ लेबल के साथ एम्बर ग्लास एपोथेकरी कैंडल जार

ऊपर दिए गए लेबल रिप्लेसमेंट वर्कफ़्लो के लिए उपयोग किया गया प्रॉम्प्ट:

"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."

यह इतनी सफ़ाई से क्यों काम करता है:

  • रिप्लेसमेंट स्ट्रिंग "BERGAMOT & CEDAR SOY CANDLE" को एस्केप्ड डबल कोट्स में लपेटा गया है ताकि मॉडल को पता चले कि लिटरल अक्षर कहाँ शुरू और समाप्त होते हैं।
  • टाइपोग्राफ़िक ट्रीटमेंट (in the same serif font and gold foil finish) GPT Image 2.5 को amber-jar-original.png पर पहले से मौजूद चमकदार मेटैलिक रिफ़्लेक्शन और स्ट्रोक स्टाइल से मेल खाने के लिए कहता है।
  • लॉक क्लॉज़ (Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged) आसपास के स्टूडियो दृश्य में अवांछित बदलावों को रोकता है।

लेबल पोज़िशनिंग या लाइन ब्रेक्स पर इटरेट करते समय, अपने पहले कुछ पास "quality": "xhigh" के साथ "resolution": "1K" ($0.0525) पर चलाएँ, फिर जब कर्निंग सही दिखने लगे तो "resolution" को "2K" या "4K" पर बढ़ाएँ।

वर्कफ़्लो 2: image_urls के साथ दो-रेफ़रेंस प्रोडक्ट कंपोज़िटिंग

सिंगल-इमेज एडिटिंग किसी एसेट को उसी स्थान पर अपडेट करती है। मल्टी-रेफ़रेंस एडिटिंग आपको अलग-अलग फ़ोटोग्राफ़िक प्लेट्स को एक सुसंगत शॉट में जोड़ने की सुविधा देती है। फ़ोटोशॉप में बैकग्राउंड के ऊपर एक सपाट PNG कटआउट चिपकाने और हाथ से नकली कॉन्टैक्ट शैडो पेंट करने के बजाय, आप image_urls में दोनों URLs पास करते हैं और GPT Image 2.5 को बताते हैं कि image 1 में मौजूद वस्तु image 2 के वातावरण के साथ भौतिक रूप से कैसे इंटरैक्ट करती है।

नीचे दिए गए उदाहरण में, image 1 (chronograph-front.png) एक ब्रश्ड टाइटेनियम क्रोनोग्राफ़ घड़ी का साफ़ फ़्रंट स्टूडियो शॉट है, और image 2 (wet-slate-surface.jpg) ठंडी साइड-लाइटिंग और नियॉन रिफ़्लेक्शन से रोशन गीले गहरे स्लेट पत्थर की एक एनवायरनमेंटल टेक्सचर प्लेट है।

"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."

नियॉन रिफ़्लेक्शन वाले गीले गहरे स्लेट पत्थर पर कंपोज़िट की गई ब्रश्ड टाइटेनियम क्रोनोग्राफ़ घड़ी

देखें कि दो-रेफ़रेंस कंपोज़िट भौतिक एकीकरण को कैसे संभालता है:

  • घड़ी का केस, टैकीमीटर बेज़ेल, सुइयाँ, और सब-डायल ज्योमेट्री image 1 से आते हैं।
  • सतह की बनावट, पानी की बूँदें, और दिशात्मक रोशनी image 2 से आते हैं।
  • जहाँ टाइटेनियम ब्रेसलेट गीले स्लेट को छूता है, वहाँ मॉडल नम पत्थर पर यथार्थवादी कॉन्टैक्ट शैडो (contact occlusion) और स्पेक्युलर रिफ़्लेक्शन जनरेट करता है जो घड़ी के केस के कोण से मेल खाते हैं।

यदि आप image_urls में तीसरा रेफ़रेंस URL जोड़ते हैं, तो उसे भी एक स्पष्ट भूमिका सौंपें। उदाहरण के लिए: "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." image_urls में मौजूद प्रत्येक फ़ाइल E2X वर्कर्स के लिए सार्वजनिक HTTPS पर उपलब्ध होनी चाहिए (प्राइवेट बकेट्स के लिए 15-मिनट की एक्सपायरी वाले साइन्ड S3 या R2 URLs बहुत अच्छा काम करते हैं)।

edit-image आपको 50,000-कैरेक्टर की प्रॉम्प्ट सीमा क्यों देता है

openai/gpt-image-2.5-sunburst/text-to-image पर, prompt 32,000 कैरेक्टर तक स्वीकार करता है। openai/gpt-image-2.5-sunburst/edit-image पर, maxLength बढ़कर 50,000 कैरेक्टर हो जाता है।

कोई भी इंसानी कॉपीराइटर कीबोर्ड पर बैठकर हाथ से 50,000 कैरेक्टर टाइप नहीं करता है। यह सीमा ऑटोमेटेड कैटलॉग और लोकलाइज़ेशन पाइपलाइनों के लिए मौजूद है जहाँ सॉफ़्टवेयर स्ट्रक्चर्ड प्रोडक्ट डेटाबेस, OCR ट्रांसक्रिप्ट्स, और ब्रांड स्टाइल गाइड्स से प्रोग्रामेटिक रूप से प्रॉम्प्ट तैयार करता है।

एक सामान्य ऑटोमेटेड लोकलाइज़ेशन पाइपलाइन में, एक सिंगल edit-image पेलोड prompt के अंदर मशीन द्वारा जनरेट किए गए चार ब्लॉक्स को जोड़ता है:

  1. सोर्स इमेज का पूरा OCR बाउंडिंग-बॉक्स ट्रांसक्रिप्ट (ताकि मॉडल को पता चले कि भरे हुए न्यूट्रिशनल पैनल या तकनीकी डायग्राम पर कौन सी मौजूदा स्ट्रिंग्स बदली जा रही हैं और कौन सी अपरिवर्तित रहेंगी)।
  2. टारगेट ट्रांसलेशन मैप (प्रत्येक सोर्स टेक्स्ट ब्लॉक को कोट्स में उसकी लोकलाइज़्ड रिप्लेसमेंट स्ट्रिंग से मैप करना)।
  3. सख्त ब्रांड और पैकेजिंग नियम (हेक्स कलर रेफ़रेंस, मटीरियल फ़िनिश, रेगुलेटरी आइकन संरक्षण नियम, और नेगेटिव बाधाएँ)।
  4. image_urls में प्रत्येक URL के लिए भूमिका निर्धारण (प्राथमिक पैकशॉट, लोकलाइज़्ड बैज ओवरले, और टारगेट बैकग्राउंड वातावरण की पहचान करना)।

यहाँ एक TypeScript उदाहरण दिया गया है जो दिखाता है कि कैसे एक कैटलॉग पाइपलाइन स्ट्रक्चर्ड मल्टी-रेफ़रेंस एडिट पेलोड को असेंबल करती है, इसे "max" क्वालिटी पर openai/gpt-image-2.5-sunburst/edit-image को सबमिट करती है, और आउटपुट के लिए पोल करती है:

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`);
}

ध्यान दें कि कोड "aspect_ratio": "auto" और "quality": "max" पास करता है। "aspect_ratio": "auto" के साथ, आउटपुट जबरन वर्गाकार "1:1" क्रॉप करने के बजाय रेफ़रेंस फ़्रेमिंग के एस्पेक्ट रेशियो को बनाए रखता है। और जैसे ही जॉब समाप्त हो, state.outputs[0].url से लौटाए गए URL को अपने स्वयं के ऑब्जेक्ट स्टोरेज बकेट में कॉपी करना याद रखें, या हमारे E2X SDKs पेज से आधिकारिक क्लाइंट हेल्पर्स कॉन्फ़िगर करें।

E2X पर OpenAI और Google के इमेज एडिटिंग एंडपॉइंट्स की तुलना

जबकि openai/gpt-image-2.5-sunburst/edit-image पैकेजिंग टाइपोग्राफ़ी अपडेट्स, जटिल 50K डेल्टा निर्देशों, और xhigh / max डिटेल रिफ़ाइनमेंट के लिए हमारी पहली पसंद है, हमारी image-to-image श्रेणी के तीन अन्य एंडपॉइंट्स उन विशिष्ट समस्याओं को हल करते हैं जिन्हें 2.5 लक्षित नहीं करता है:

एडिटिंग एंडपॉइंट1K कीमत2K कीमत4K कीमतप्रॉम्प्ट सीमासर्वोत्तम उपयोग
openai/gpt-image-2.5-sunburst/edit-image$0.0525$0.1050$0.157550,000 कैरेक्टरपैकेजिंग लेबल रिप्लेसमेंट, मल्टी-प्रोडक्ट कंपोज़िटिंग, बेस रेट में शामिल xhigh और max टियर, "auto" एस्पेक्ट रेशियो।
openai/gpt-image-2/edit-image$0.0525$0.1050$0.157550,000 कैरेक्टरbackground: "transparent" के माध्यम से अल्फ़ा-चैनल ट्रांसपेरेंट PNG पर प्रोडक्ट्स को एडिट या एक्सट्रैक्ट करना।
google/nano-banana-2.1/edit-image$0.0300$0.0400$0.0900मानक1K ($0.03) और 4K ($0.09) एडिट्स के लिए सबसे कम लागत, साथ ही एक्सट्रीम 8:1, 1:8, 4:1, और 1:4 बैनर रेशियो।
google/nano-banana-pro/edit-image$0.0750$0.0750$0.1500मानकभूमिका के अनुसार अलग की गई अधिकतम 14 रेफ़रेंस इमेजेस में मानवीय चेहरे की पहचान और कैरेक्टर समानता बनाए रखना।

व्यवहार में उन चारों एडिटिंग मॉडल्स के बीच रूट करने का तरीका यहाँ दिया गया है:

  1. पैकेजिंग कॉपी, मल्टी-प्रोडक्ट स्टूडियो कंपोज़िट्स, और 50K ऑटोमेटेड स्पेक्स: openai/gpt-image-2.5-sunburst/edit-image (1K पर $0.0525) का उपयोग करें। xhigh और max क्वालिटी टियर और 50,000-कैरेक्टर प्रॉम्प्ट बजट का इसका संयोजन किसी भी अन्य रूट की तुलना में घने टाइपोग्राफ़िक एडिट्स को बेहतर ढंग से संभालता है।
  2. ट्रांसपेरेंट बैकग्राउंड कटआउट्स (background: "transparent"): openai/gpt-image-2/edit-image (1K पर $0.0525) का उपयोग करें। क्योंकि GPT Image 2.5 में background पैरामीटर नहीं है, इसलिए जब भी आपके आउटपुट को ट्रांसपेरेंट अल्फ़ा चैनल की आवश्यकता होती है, तो GPT Image 2 ही मुख्य एंडपॉइंट बना रहता है। दोनों के बीच अपने आप स्विच करने वाले ड्रॉप-इन राउटर के लिए हमारी GPT Image 2.5 बनाम GPT Image 2 गाइड देखें।
  3. हाई-वॉल्यूम 4K बैकग्राउंड स्वैप और अल्ट्रा-वाइड बैनर: google/nano-banana-2.1/edit-image का उपयोग करें। प्रति 1K एडिट $0.03 और प्रति 4K एडिट $0.09 (हमारी 50% Google छूट के तहत) की कीमत पर, यह OpenAI की $0.1575 4K दर की तुलना में 4K एडिटिंग लागत को 43% तक कम करता है और 8:1 तक के रेशियो का समर्थन करता है।
  4. बार-बार आने वाले मानवीय किरदार और पोर्ट्रेट कंसिस्टेंसी: google/nano-banana-pro/edit-image (1K/2K पर $0.075) का उपयोग करें। Nano Banana Pro आपको भूमिका के आधार पर रेफ़रेंस इमेजेस को स्पष्ट रूप से निर्धारित करने देता है (कैरेक्टर पहचान के लिए अधिकतम 5, वस्तुओं के लिए 6, और स्टाइल के लिए 3), जो स्टोरीबोर्ड फ़्रेम्स में चेहरे के बदलाव को रोकता है।

आप E2X मॉडल कैटलॉग और text-to-image श्रेणी में सभी इमेज एडिटिंग और जनरेशन एंडपॉइंट्स की आमने-सामने तुलना कर सकते हैं।

अक्सर पूछे जाने वाले प्रश्न (FAQ)

मैं openai/gpt-image-2.5-sunburst/edit-image पर image_urls में कितनी सोर्स इमेजेस पास कर सकता हूँ?

image_urls एक सिंगल रिक्वेस्ट में अधिकतम 10 सार्वजनिक रूप से उपलब्ध HTTPS इमेज URLs का एक ऐरे स्वीकार करता है। कई URLs पास करते समय, अपने prompt में उन्हें उनकी 1-आधारित स्थिति (image 1, image 2, image 3) से संदर्भित करें और निर्दिष्ट करें कि प्रत्येक इमेज मुख्य प्रोडक्ट, बैकग्राउंड वातावरण, या लाइटिंग और मटीरियल रेफ़रेंस में से क्या प्रदान करती है।

क्या 3 रेफ़रेंस वाले मल्टी-इमेज एडिट की कीमत 1-इमेज एडिट से अधिक होती है?

नहीं। E2X पर, openai/gpt-image-2.5-sunburst/edit-image का बिल केवल आउटपुट resolution ("1K" के लिए $0.0525, "2K" के लिए $0.105, "4K" के लिए $0.1575) के आधार पर प्रति रिक्वेस्ट लगाया जाता है, न कि image_urls में इनपुट URLs की संख्या या आपके 50,000-कैरेक्टर प्रॉम्प्ट की लंबाई पर।

मॉडल ने केवल बैकग्राउंड बदलने के बजाय मेरे प्रोडक्ट को फिर से क्यों बना दिया?

यदि कोई एडिट प्रॉम्प्ट यह बताए बिना कि क्या स्थिर रहना चाहिए, केवल वांछित अंतिम दृश्य का वर्णन करता है, तो मॉडल विषय की ज्योमेट्री की पुनर्व्याख्या कर सकता है। अपने प्रॉम्प्ट में हमेशा एक स्पष्ट लॉक क्लॉज़ शामिल करें, जैसे "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."

क्या मैं image_urls में लोकल फ़ाइल पाथ या base64 डेटा URIs पास कर सकता हूँ?

image_urls में सार्वजनिक रूप से उपलब्ध HTTPS URLs (जैसे प्री-साइन्ड S3, GCS, या Cloudflare R2 लिंक्स) प्रदान करें ताकि E2X वर्कर नोड्स जॉब निष्पादन के दौरान सीधे रेफ़रेंस बाइट्स फ़ेच कर सकें।