ブログに戻る

GPT Image 2.5によるマルチリファレンス画像編集:複数画像の合成と50K文字プロンプトの活用

E2X Team··読了時間 16分
gpt-image-2.5gpt-image-2.5-sunburstgpt-image-2.5-flareopenaiimage-editingimage-to-imageimage-api

商業ビジュアル制作の多くは、すでに存在するアセットから始まります。新SKUのクリーンなパックショット、アートディレクターが承認したスタジオのテクスチャプレート、あるいは地域限定ローンチ向けにコピーの更新が必要な前シーズンのパッケージレイアウトなどです。テキストのみのモデルでそれらのビジュアルをゼロから再生成してしまうと、撮影コストをかけて手に入れた正確な形状、ラベルの比率、商品のシルエットまで失われてしまいます。

E2X上のOpenAI openai/gpt-image-2.5-sunburst/edit-imageエンドポイントは、参照画像に基づく条件付き編集と複数画像の合成のために構築されています。公開アクセス可能な元画像の配列をimage_urlsに渡し、最大50,000文字の自然言語による編集指示を組み合わせます。E2Xの常時75%割引により、low、medium、high、xhigh、maxのどの品質で実行しても、1K編集は**$0.0525**、2K編集は**$0.105**、4K編集は**$0.1575**です。

ダークリネンの上に置かれた写真のコンタクトプリント、真鍮製ルーペ、ガラスのスポイトボトル

このガイドでは、openai/gpt-image-2.5-sunburst/edit-imageの実践的なメカニクスを解説します。既存のジオメトリを固定したままラベルやライティングだけを変更するデルタプロンプト(差分プロンプト)の書き方、image_urls内の複数ファイルのインデックス指定、編集ルートでプロンプト上限が32,000文字から50,000文字に引き上げられている理由、そして特殊な編集においてGoogle Nano BananaやGPT Image 2へ切り替えるべきケースを見ていきましょう。

openai/gpt-image-2.5-sunburst/edit-imageの入力スキーマと料金

openai/gpt-image-2.5-sunburst/edit-imageの呼び出しには、E2Xカタログの他のすべてのモデルと同じPOST https://api.e2x.ai/v1/jobs/submitキューを使用します。input内で必須となるプロパティはpromptとimage_urlsの2つだけです。 E2Xでは、GPT Image 2.5は2つのバリアントで提供されています。1K/2K/4K解像度とlow、medium、high、xhigh、max品質ティアに対応するGPT Image 2.5 Sunburst(openai/gpt-image-2.5-sunburst)と、1K/2K/4K解像度およびlow、medium、high品質ティアで/models/openai/gpt-image-2.5-flare/text-to-imageと/models/openai/gpt-image-2.5-flare/edit-imageをサポートするGPT Image 2.5 Flare(openai/gpt-image-2.5-flare)です。

フィールド型必須デフォルト説明と上限
promptstringはいなし最大50,000文字までの編集または合成指示。
image_urlsstring[]はいなし参照画像を指す公開アクセス可能なHTTPS URLの配列。
aspect_ratiostringいいえ"1:1""auto"および15種類の固定比率:"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"。
resolutionstringいいえ"1K""1K"($0.0525)、"2K"($0.1050)、または"4K"($0.1575)。大文字必須。
qualitystringいいえ"high""low"、"medium"、"high"、"xhigh"、または"max"。5つすべてが同じ×7倍率を共有します。

定価のベースコスト($0.03、75%割引で$0.0075)には、すべてのqualityティアで同じ7が掛けられる($0.0075 × 7 = $0.0525)ため、E2Xでは編集ジョブを"high"から"xhigh"や"max"にアップグレードしても追加コストはゼロです。料金が変動するのはresolution("1K" = ×1、"2K" = ×2、"4K" = ×3)だけです。最新の料金表はいつでも料金ページで確認できるほか、マイクロセント単位の課金計算の詳細についてはGPT Image 2.5 APIガイドをご覧ください。

openai/gpt-image-2/edit-imageからのスキーマ上の改善点の1つとして、2.5ではqualityが任意(省略可能)になりました。qualityを省略するとワーカーはデフォルトの"high"を使用しますが、タイポグラフィの差し替えや複数オブジェクトの合成では明示的に"xhigh"または"max"を渡すことを推奨します。

デルタプロンプトの原則:維持する要素のロックと変更箇所の明示

開発者がopenai/gpt-image-2.5-sunburst/text-to-imageからedit-imageへ移行する際に最も陥りやすいミスは、入力画像のどの部分を変更してはいけないかをモデルに伝えないまま、シーン全体の説明をゼロから書いてしまうことです。キャンドルジャーのスタジオ写真を渡して "An amber glass candle jar on dark linen with a gold label reading BERGAMOT & CEDAR SOY CANDLE" とだけプロンプトを書くと、モデルはそれを「ジャー自体を描き直し、蓋の木目を変え、カメラアングルも動かしてよい」という許可として解釈してしまいます。

参照画像の編集は、以下の3つの明示的な節(クローズ)で構成されたデルタプロンプトを書くと最も高い精度を発揮します。

  1. ターゲットとなる変更内容:修正が必要な正確な領域、素材、またはテキスト文字列を記述します。
  2. ロックする不変要素(インバリアント):元画像の中で一切手を加えてはならない構造的要素(容器のシルエット、キャップの素材、カメラのパースペクティブ、背景のテクスチャ、ライティングの方向)を明記します。
  3. 位置による参照インデックス:image_urlsに複数のURLが含まれる場合は、1始まりの位置(image 1、image 2、image 3)で各入力を指し示し、それぞれのファイルが果たす役割を記述します。

ワークフロー1:amber-jar-original.pngのパッケージタイポグラフィの差し替え

たとえば、ECチームがアポセカリー(薬瓶風)キャンドルジャーのマスターパックショット(amber-jar-original.png)を持っており、実物のジャーを再撮影することなく12種類のSKUにわたって香りの名称をローカライズまたは変更する必要があるとします。

以下は、openai/gpt-image-2.5-sunburst/edit-imageを解像度"2K"、品質"xhigh"($0.105)で呼び出し、ジャー、木製の蓋、背景を固定したまま印刷タイトルを"BERGAMOT & CEDAR SOY CANDLE"に差し替えるcurlリクエストです。

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"
    }
  }'

金箔セリフ体ラベルが差し替えられたアンバーガラス製アポセカリーキャンドルジャー

上記のラベル差し替えワークフローに使用したプロンプト:

"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."

このプロンプトがきれいに機能する理由:

  • 置換文字列"BERGAMOT & CEDAR SOY CANDLE"がエスケープされた二重引用符で囲まれているため、モデルがリテラル文字の開始位置と終了位置を正確に把握できます。
  • タイポグラフィの処理指定(in the same serif font and gold foil finish)により、amber-jar-original.pngにすでに存在する金属の鏡面反射とストロークスタイルに合わせるようGPT Image 2.5に指示しています。
  • ロック節(Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged)によって、周囲のスタジオシーンが変化してしまうのを防いでいます。

ラベルの配置や改行位置を反復調整する際は、最初の数回を"resolution": "1K"($0.0525)かつ"quality": "xhigh"で実行し、カーニングが整った段階で"resolution"を"2K"または"4K"に引き上げると効率的です。

ワークフロー2:image_urlsを使った2枚の参照画像による商品合成

単一画像の編集は既存アセットをその場で更新しますが、マルチリファレンス編集では別々に撮影された写真プレートを1枚の自然なショットに統合できます。Photoshopで背景の上に平面的なPNG切り抜きを貼り付けて不自然な接地影を手描きする代わりに、image_urlsに両方のURLを渡し、image 1のオブジェクトがimage 2の環境と物理的にどう相互作用するかをGPT Image 2.5に指示します。

以下の例では、image 1(chronograph-front.png)はブラッシュドチタン製クロノグラフ腕時計のクリーンな正面スタジオ写真であり、image 2(wet-slate-surface.jpg)は寒色系のサイドライトとネオンの反射に照らされた濡れたダークスレートの環境テクスチャプレートです。

"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."

ネオンが反射する濡れたダークスレートの上に合成されたブラッシュドチタン製クロノグラフ腕時計

2つの参照画像による合成が物理的な統合をどのように処理しているかに注目してください。

  • 時計のケース、タキメーターベゼル、針、サブダイヤルの形状はimage 1から引き継がれています。
  • 表面の凹凸、水滴、指向性の斜光はimage 2から取り込まれています。
  • チタン製ブレスレットが濡れたスレートに接する部分では、時計ケースの角度に合わせたリアルな接地オクルージョン(遮蔽影)と湿った石面上の鏡面反射が生成されています。

image_urlsに3つ目の参照URLを追加する場合も、同様に明示的な役割を割り当てます。たとえば、"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 1からチタン製クロノグラフ時計を取り出し、image 2の濡れたスレート面に配置し、image 3の温かみのあるアンバー&ティールのカラーグレーディングを適用する)といった具合です。image_urls内のすべてのファイルは、E2Xのワーカーから公開HTTPS経由でアクセス可能である必要があります(プライベートバケットの場合は、有効期限15分の署名付きS3またはR2 URLが適しています)。

なぜedit-imageのプロンプト上限は50,000文字なのか

openai/gpt-image-2.5-sunburst/text-to-imageでは、promptは最大32,000文字まで受け付けます。一方、openai/gpt-image-2.5-sunburst/edit-imageではmaxLengthが50,000文字に引き上げられています。

人間のコピーライターがキーボードに向かって50,000文字を手入力することはまずありません。この上限は、構造化された商品データベース、OCRトランスクリプト、ブランドスタイルガイドからソフトウェアがプログラムによってプロンプトを組み立てる、自動化されたカタログおよびローカライズパイプラインのために用意されています。

典型的な自動ローカライズパイプラインでは、1回のedit-imageペイロードのprompt内に、機械生成された4つのブロックが結合されます。

  1. 元画像の完全なOCRバウンディングボックストランスクリプト(情報量の多い栄養成分表示パネルや技術図面において、どの既存文字列を置換対象とし、どれをそのまま残すかをモデルに正確に把握させるため)。
  2. ターゲット翻訳マップ(各ソーステキストブロックと、引用符で囲んだローカライズ後の置換文字列との対応表)。
  3. 厳密なブランドおよびパッケージの不変条件(HEXカラーリファレンス、素材の仕上げ、規制アイコンの保持ルール、ネガティブ制約)。
  4. image_urls内の全URLに対する役割の割り当て(メインのパックショット、ローカライズされたバッジオーバーレイ、ターゲット背景環境の識別)。

以下は、カタログパイプラインが構造化されたマルチリファレンス編集ペイロードを組み立て、openai/gpt-image-2.5-sunburst/edit-imageに品質"max"で送信し、出力をポーリングするTypeScriptの実装例です。

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`);
}

コード内で"aspect_ratio": "auto"と"quality": "max"を渡している点に注目してください。"aspect_ratio": "auto"を指定すると、正方形の"1:1"トリミングを強制するのではなく、参照画像のフレーミングのアスペクト比が維持されます。また、ジョブが完了したらすぐにstate.outputs[0].urlから返されたURLを自社のオブジェクトストレージバケットにコピーするか、E2X SDKページにある公式クライアントヘルパーを設定するのを忘れないようにしてください。

E2X上のOpenAIおよびGoogle画像編集エンドポイントの比較

パッケージのタイポグラフィ更新、複雑な50K文字のデルタ指示、およびxhigh / maxによるディテール精錬にはopenai/gpt-image-2.5-sunburst/edit-imageが最適ですが、image-to-imageカテゴリにある他の3つのエンドポイントは、2.5が対象としていない固有の課題を解決します。

編集エンドポイント1K料金2K料金4K料金プロンプト上限最適なユースケース
openai/gpt-image-2.5-sunburst/edit-image$0.0525$0.1050$0.157550,000文字パッケージラベルの差し替え、複数商品の合成、基本料金に含まれるxhigh・maxティア、"auto"アスペクト比。
openai/gpt-image-2/edit-image$0.0525$0.1050$0.157550,000文字background: "transparent"を使ったアルファチャンネル付き透過PNGへの商品編集・切り抜き抽出。
google/nano-banana-2.1/edit-image$0.0300$0.0400$0.0900標準1K($0.03)および4K($0.09)編集の最低コスト、さらに8:1、1:8、4:1、1:4の極端なバナー比率。
google/nano-banana-pro/edit-image$0.0750$0.0750$0.1500標準役割ごとに分離された最大14枚の参照画像にわたる人物の顔アイデンティティとキャラクター類似性の維持。

実務でこれら4つの編集モデルを使い分ける基準は以下のとおりです。

  1. パッケージコピー、複数商品のスタジオ合成、50K文字の自動化仕様書:openai/gpt-image-2.5-sunburst/edit-image(1K $0.0525)を使用します。xhighおよびmax品質ティアと50,000文字のプロンプト予算の組み合わせにより、高密度なタイポグラフィ編集を他のどのルートよりも正確に処理できます。
  2. 透過背景の切り抜き(background: "transparent"):openai/gpt-image-2/edit-image(1K $0.0525)を使用します。GPT Image 2.5にはbackgroundパラメータがないため、出力に透過アルファチャンネルが必要な場合は引き続きGPT Image 2が定番のエンドポイントとなります。両者を自動で切り替えるドロップインルーターについては、GPT Image 2.5とGPT Image 2の比較ガイドをご覧ください。
  3. 大量の4K背景差し替えとウルトラワイドバナー:google/nano-banana-2.1/edit-imageを使用します。当社のGoogle向け50%割引により1K編集あたり$0.03、4K編集あたり$0.09で提供されており、OpenAIの4K料金($0.1575)と比べて4K編集コストを43%削減できるほか、最大8:1までのアスペクト比をサポートしています。
  4. 繰り返し登場する人物キャラクターとポートレートの一貫性:google/nano-banana-pro/edit-image(1K/2K $0.075)を使用します。Nano Banana Proでは参照画像を役割ごと(キャラクターのアイデンティティ用に最大5枚、オブジェクト用に最大6枚、スタイル用に最大3枚)に明示的にスコープ指定できるため、ストーリーボードのフレーム間での顔立ちのブレを防げます。

すべての画像編集および生成エンドポイントは、E2Xモデルカタログおよびtext-to-imageカテゴリで並べて比較できます。

よくある質問(FAQ)

openai/gpt-image-2.5-sunburst/edit-imageのimage_urlsには何枚まで元画像を渡せますか?

image_urlsには、1回のリクエストで最大10個までの公開アクセス可能なHTTPS画像URLの配列を渡すことができます。複数のURLを渡す際は、prompt内で1始まりの位置(image 1、image 2、image 3)を使って参照し、各画像がメインの商品、背景環境、またはライティング・素材リファレンスのどれを提供するかを明記してください。

参照画像を3枚使った編集は、1枚だけの編集より料金が高くなりますか?

いいえ。E2Xでは、openai/gpt-image-2.5-sunburst/edit-imageは出力のresolution("1K"は$0.0525、"2K"は$0.105、"4K"は$0.1575)のみに基づいてリクエスト単位で課金されます。image_urls内の入力URLの数や、最大50,000文字のプロンプトの長さによって料金が変わることはありません。

背景だけを変えるつもりだったのに、モデルが商品自体を描き直してしまったのはなぜですか?

編集プロンプトで最終的な理想のシーンだけを記述し、何を固定すべきかを明記しない場合、モデルが被写体の形状まで再解釈してしまうことがあります。プロンプトには必ず、"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."(image 1の時計ケース、ベゼルの刻印、針の位置は変更せず、背景の表面のみをimage 2の濡れたスレートに置き換える)のような明示的なロック節を含めてください。

image_urlsにローカルファイルパスやbase64データURIを渡すことはできますか?

ジョブ実行中にE2Xのワーカーノードが参照画像のバイトデータを直接取得できるよう、image_urlsには公開アクセス可能なHTTPS URL(事前署名付きのS3、GCS、またはCloudflare R2リンクなど)を指定してください。