Voltar ao Blog

Edição de imagens com múltiplas referências no GPT Image 2.5: combinando imagens de origem e prompts de 50K

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

A maior parte do trabalho visual comercial começa com ativos que já existem: um packshot limpo de um novo SKU, uma base de textura de estúdio aprovada por um diretor de arte ou o layout de embalagem da estação passada que precisa de texto atualizado para um lançamento regional. Regerar esses visuais do zero com um modelo apenas de texto joga fora a geometria, as proporções do rótulo e a silhueta do produto que você já pagou para fotografar.

O endpoint openai/gpt-image-2.5-sunburst/edit-image da OpenAI na E2X foi construído para edição condicionada por referência e composição de múltiplas imagens. Você passa um array de imagens de origem publicamente acessíveis em image_urls junto com uma instrução de edição em linguagem natural de até 50,000 caracteres. Com o desconto fixo de 75% da E2X, cada edição em 1K custa $0.0525, em 2K custa $0.105 e em 4K custa $0.1575, independentemente de você executar na qualidade low, medium, high, xhigh ou max.

Provas de contato fotográficas, lupa de latão e frasco conta-gotas de vidro sobre linho escuro

Este guia percorre a mecânica do openai/gpt-image-2.5-sunburst/edit-image: como escrever prompts diferenciais (delta prompts) que travam a geometria existente enquanto alteram rótulos ou iluminação, como indexar múltiplos arquivos em image_urls, por que o limite do prompt salta de 32,000 para 50,000 caracteres na rota de edição e quando mudar para o Google Nano Banana ou GPT Image 2 para edições especializadas.

Esquema de entrada e preços em openai/gpt-image-2.5-sunburst/edit-image

Chamar openai/gpt-image-2.5-sunburst/edit-image usa a mesma fila POST https://api.e2x.ai/v1/jobs/submit que qualquer outro modelo no catálogo da E2X. Apenas duas propriedades dentro de input são obrigatórias: prompt e image_urls. Na E2X, o GPT Image 2.5 está disponível em duas variantes: GPT Image 2.5 Sunburst (openai/gpt-image-2.5-sunburst, que suporta resoluções 1K/2K/4K e níveis de qualidade low, medium, high, xhigh, max) e GPT Image 2.5 Flare (openai/gpt-image-2.5-flare, que suporta /models/openai/gpt-image-2.5-flare/text-to-image e /models/openai/gpt-image-2.5-flare/edit-image com resoluções 1K/2K/4K e níveis de qualidade low, medium, high).

CampoTipoObrigatórioPadrãoDescrição e limites
promptstringSimNenhumInstrução de edição ou composição de até 50,000 caracteres.
image_urlsstring[]SimNenhumArray de URLs HTTPS publicamente acessíveis apontando para suas imagens de referência.
aspect_ratiostringNão"1:1""auto" mais 15 proporções fixas: "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".
resolutionstringNão"1K""1K" ($0.0525), "2K" ($0.1050) ou "4K" ($0.1575). Deve estar em maiúsculas.
qualitystringNão"high""low", "medium", "high", "xhigh" ou "max". Todos os cinco compartilham o multiplicador ×7.

Como o custo base de tabela ($0.03, reduzido em 75% para $0.0075) é multiplicado por 7 em todos os níveis de quality ($0.0075 × 7 = $0.0525), atualizar uma tarefa de edição de "high" para "xhigh" ou "max" não adiciona nenhum custo na E2X. Apenas resolution ("1K" = ×1, "2K" = ×2, "4K" = ×3) altera o preço. Você pode verificar a tabela de preços atual a qualquer momento em nossa página de preços, ou conferir nosso guia da API do GPT Image 2.5 para a matemática completa de cobrança em microcentavos.

Uma melhoria de esquema em relação ao openai/gpt-image-2/edit-image é que quality agora é opcional no 2.5. Se você omitir quality, o worker usa "high" como padrão, embora para substituições tipográficas e composições com múltiplos objetos recomendemos passar explicitamente "xhigh" ou "max".

Regras de delta prompting: travar o que permanece vs nomear o que muda

O maior erro que os desenvolvedores cometem ao migrar de openai/gpt-image-2.5-sunburst/text-to-image para edit-image é escrever uma descrição completa da cena do zero sem dizer ao modelo quais partes da imagem de entrada não devem ser alteradas. Se você passar uma foto de estúdio de um pote de vela e enviar o prompt "An amber glass candle jar on dark linen with a gold label reading BERGAMOT & CEDAR SOY CANDLE", o modelo tratará seu prompt como permissão para redesenhar o pote, alterar os veios da madeira na tampa e mudar o ângulo da câmera.

A edição por referência funciona melhor quando você escreve um delta prompt estruturado em três cláusulas explícitas:

  1. A alteração desejada: indique a região exata, o material ou a string de texto que precisa ser modificada.
  2. Os elementos invariantes bloqueados: nomeie os elementos estruturais da imagem de origem que devem permanecer intocados (silhueta do recipiente, material da tampa, perspectiva da câmera, textura do fundo, direção da iluminação).
  3. O índice posicional de referência: quando image_urls contiver mais de uma URL, refira-se a cada entrada pela sua posição baseada em 1 (image 1, image 2, image 3) e informe qual papel cada arquivo desempenha.

Fluxo de trabalho 1: substituindo a tipografia da embalagem em amber-jar-original.png

Suponha que sua equipe de e-commerce tenha um packshot principal (amber-jar-original.png) de um pote de vela estilo boticário e precise localizar ou renomear a linha de fragrâncias em doze SKUs sem fotografar novamente o pote físico.

Aqui está a requisição curl chamando openai/gpt-image-2.5-sunburst/edit-image na resolução "2K" e qualidade "xhigh" ($0.105) para substituir o título impresso por "BERGAMOT & CEDAR SOY CANDLE" mantendo o pote, a tampa e o fundo inalterados:

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"
    }
  }'

Pote de vela estilo boticário em vidro âmbar com rótulo serifado em folha dourada substituído

Prompt usado para o fluxo de trabalho de substituição de rótulo acima:

"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."

Por que isso funciona de maneira tão limpa:

  • A string de substituição "BERGAMOT & CEDAR SOY CANDLE" está envolvida em aspas duplas escapadas para que o modelo saiba exatamente onde os caracteres literais começam e terminam.
  • O tratamento tipográfico (in the same serif font and gold foil finish) instrui o GPT Image 2.5 a acompanhar o reflexo metálico especular e o estilo do traço já presentes em amber-jar-original.png.
  • A cláusula de bloqueio (Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged) impede desvios na cena de estúdio ao redor.

Ao iterar sobre o posicionamento do rótulo ou quebras de linha, execute seus primeiros testes em "resolution": "1K" ($0.0525) com "quality": "xhigh", e depois aumente "resolution" para "2K" ou "4K" assim que o kerning estiver perfeito.

Fluxo de trabalho 2: composição de produto com duas referências usando image_urls

A edição de imagem única atualiza um ativo no próprio local. A edição com múltiplas referências permite combinar chapas fotográficas separadas em uma única foto coerente. Em vez de colar um recorte PNG chapado sobre um fundo no Photoshop e pintar sombras de contato falsas à mão, você passa ambas as URLs em image_urls e diz ao GPT Image 2.5 como o objeto em image 1 interage fisicamente com o ambiente em image 2.

No exemplo abaixo, image 1 (chronograph-front.png) é uma foto frontal limpa de estúdio de um relógio cronógrafo de titânio escovado, e image 2 (wet-slate-surface.jpg) é uma base de textura ambiental de ardósia escura molhada iluminada por luz lateral fria e reflexos de neon.

"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."

Relógio cronógrafo de titânio escovado composto sobre ardósia escura molhada com reflexos de neon

Veja como a composição com duas referências lida com a integração física:

  • A caixa do relógio, o bisel do taquímetro, os ponteiros e a geometria dos submostradores vêm de image 1.
  • O relevo da superfície, as gotas de água e a luz rasante direcional vêm de image 2.
  • Onde a pulseira de titânio toca a ardósia molhada, o modelo gera oclusão de contato realista e reflexos especulares na pedra úmida que acompanham o ângulo da caixa do relógio.

Se você adicionar uma terceira URL de referência a image_urls, atribua a ela um papel explícito também. Por exemplo: "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." Todo arquivo em image_urls deve ser acessível via HTTPS público pelos workers da E2X (URLs assinadas do S3 ou R2 com expiração de 15 minutos funcionam muito bem para buckets privados).

Por que edit-image oferece um limite de prompt de 50,000 caracteres

Em openai/gpt-image-2.5-sunburst/text-to-image, prompt aceita até 32,000 caracteres. Em openai/gpt-image-2.5-sunburst/edit-image, maxLength aumenta para 50,000 caracteres.

Nenhum redator humano senta diante de um teclado para digitar 50,000 caracteres à mão. Esse teto existe para pipelines automatizados de catálogo e localização, onde o software constrói o prompt programaticamente a partir de bancos de dados estruturados de produtos, transcrições de OCR e guias de estilo da marca.

Em um pipeline típico de localização automatizada, um único payload de edit-image combina quatro blocos gerados por máquina dentro de prompt:

  1. A transcrição completa de OCR com caixas delimitadoras da imagem de origem (para que o modelo saiba quais strings existentes em uma tabela nutricional densa ou diagrama técnico estão sendo substituídas e quais permanecem intocadas).
  2. O mapa de tradução de destino (mapeando cada bloco de texto de origem para sua string substituta localizada entre aspas).
  3. Invariantes rigorosas de marca e embalagem (referências de cores hexadecimais, acabamentos de materiais, regras de preservação de ícones regulatórios e restrições negativas).
  4. Atribuições de função para cada URL em image_urls (identificando o packshot principal, a sobreposição de selo localizado e o ambiente de fundo de destino).

Aqui está um exemplo em TypeScript mostrando como um pipeline de catálogo monta um payload estruturado de edição com múltiplas referências, envia para openai/gpt-image-2.5-sunburst/edit-image na qualidade "max" e faz o polling até obter o resultado:

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`);
}

Observe que o código passa "aspect_ratio": "auto" e "quality": "max". Com "aspect_ratio": "auto", o resultado preserva a proporção do enquadramento de referência em vez de forçar um corte quadrado "1:1". E lembre-se de copiar a URL retornada em state.outputs[0].url para o seu próprio bucket de armazenamento de objetos assim que a tarefa terminar, ou configurar os clientes oficiais a partir da nossa página de SDKs da E2X.

Comparando endpoints de edição de imagens entre OpenAI e Google na E2X

Embora openai/gpt-image-2.5-sunburst/edit-image seja nossa principal escolha para atualizações de tipografia de embalagens, instruções diferenciais complexas de 50K e refinamento de detalhes nos níveis xhigh / max, outros três endpoints em nossa categoria de imagem para imagem resolvem problemas distintos que o 2.5 não aborda:

Endpoint de ediçãoPreço 1KPreço 2KPreço 4KLimite de promptMelhor caso de uso
openai/gpt-image-2.5-sunburst/edit-image$0.0525$0.1050$0.157550,000 caract.Substituição de rótulos de embalagem, composição multiproduto, níveis xhigh e max incluídos na tarifa base, proporção "auto".
openai/gpt-image-2/edit-image$0.0525$0.1050$0.157550,000 caract.Edição ou extração de produtos em um PNG transparente com canal alfa via background: "transparent".
google/nano-banana-2.1/edit-image$0.0300$0.0400$0.0900PadrãoMenor custo para edições em 1K ($0.03) e 4K ($0.09), além de proporções extremas de banner 8:1, 1:8, 4:1 e 1:4.
google/nano-banana-pro/edit-image$0.0750$0.0750$0.1500PadrãoPreservação da identidade facial humana e semelhança de personagens em até 14 imagens de referência separadas por função.

Veja como rotear entre esses quatro modelos de edição na prática:

  1. Textos de embalagens, composições de estúdio multiproduto e especificações automatizadas de 50K: use openai/gpt-image-2.5-sunburst/edit-image ($0.0525 em 1K). Sua combinação dos níveis de qualidade xhigh e max com um orçamento de prompt de 50,000 caracteres lida com edições tipográficas densas melhor do que qualquer outra rota.
  2. Recortes com fundo transparente (background: "transparent"): use openai/gpt-image-2/edit-image ($0.0525 em 1K). Como o GPT Image 2.5 omite o parâmetro background, o GPT Image 2 continua sendo o endpoint ideal sempre que sua saída precisar de um canal alfa transparente. Veja nosso guia GPT Image 2.5 vs GPT Image 2 para um roteador pronto para uso que alterna entre os dois automaticamente.
  3. Trocas de fundo em 4K em alto volume e banners ultralargos: use google/nano-banana-2.1/edit-image. Custando $0.03 por edição em 1K e $0.09 por edição em 4K (com nosso desconto de 50% para modelos Google), ele reduz os custos de edição em 4K em 43% em comparação com a tarifa 4K de $0.1575 da OpenAI e suporta proporções de até 8:1.
  4. Personagens humanos recorrentes e consistência de retratos: use google/nano-banana-pro/edit-image ($0.075 em 1K/2K). O Nano Banana Pro permite definir o escopo das imagens de referência explicitamente por função (até 5 para identidade do personagem, 6 para objetos e 3 para estilo), o que evita variações faciais entre quadros de um storyboard.

Você pode comparar todos os endpoints de edição e geração de imagens lado a lado no catálogo de modelos da E2X e na categoria de texto para imagem.

Perguntas frequentes

Quantas imagens de origem posso passar em image_urls no openai/gpt-image-2.5-sunburst/edit-image?

image_urls aceita um array de até 10 URLs de imagens HTTPS publicamente acessíveis em uma única requisição. Ao passar múltiplas URLs, refira-se a elas no seu prompt pela posição baseada em 1 (image 1, image 2, image 3) e especifique se cada imagem fornece o produto principal, o ambiente de fundo ou a referência de iluminação e materiais.

Uma edição de múltiplas imagens com 3 referências custa mais do que uma edição de 1 imagem?

Não. Na E2X, openai/gpt-image-2.5-sunburst/edit-image é cobrado por requisição com base exclusivamente na resolution de saída ("1K" custa $0.0525, "2K" custa $0.105, "4K" custa $0.1575), e não no número de URLs de entrada em image_urls ou no comprimento do seu prompt de 50,000 caracteres.

Por que o modelo redesenhou meu produto em vez de mudar apenas o fundo?

Se um prompt de edição descreve apenas a cena final desejada sem nomear o que deve permanecer fixo, o modelo pode reinterpretar a geometria do objeto. Sempre inclua uma cláusula explícita de bloqueio no seu prompt, como "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."

Posso passar caminhos de arquivos locais ou data URIs em base64 dentro de image_urls?

Forneça URLs HTTPS publicamente acessíveis em image_urls (como links pré-assinados do S3, GCS ou Cloudflare R2) para que os nós workers da E2X possam buscar os bytes de referência diretamente durante a execução da tarefa.