Blog'a Geri Dön

GPT Image 2.5 ile Çoklu Referanslı Görsel Düzenleme: Kaynak Görselleri ve 50K İstemleri Birleştirme

E2X Team··13 dk okuma
gpt-image-2.5gpt-image-2.5-sunburstgpt-image-2.5-flareopenaiimage-editingimage-to-imageimage-api

Ticari görsel çalışmaların çoğu halihazırda var olan varlıklarla başlar: yeni bir ürün kodunun (SKU) temiz bir ürün çekimi, sanat yönetmeni tarafından onaylanmış bir stüdyo doku plakası veya bölgesel bir lansman için güncellenmiş metin gerektiren geçen sezonun ambalaj yerleşimi. Bu görselleri yalnızca metin tabanlı bir modelle sıfırdan yeniden üretmek; fotoğraflamak için zaten para ödediğiniz geometriyi, etiket oranlarını ve ürün silüetini çöpe atar.

E2X üzerinde OpenAI GPT Image 2.5, referans koşullu düzenleme ve çoklu görsel birleştirme (compositing) için iki özel model ailesi üzerinden sunulur:

image_urls içinde herkese açık erişilebilir kaynak görsellerden oluşan bir diziyi, 50.000 karaktere kadar doğal dilde bir düzenleme talimatıyla birlikte iletirsiniz. E2X'in sürekli %75 indirimiyle, low, medium, high, xhigh veya max kalitede çalıştırmanız fark etmeksizin her 1K düzenleme $0.0525, 2K düzenleme $0.105 ve 4K düzenleme $0.1575 tutar.

Koyu keten üzerinde fotoğrafik kontak baskılar, pirinç lup ve damlalıklı cam şişe

Bu rehber openai/gpt-image-2.5-sunburst/edit-image ve openai/gpt-image-2.5-flare/edit-image mekaniklerini adım adım inceler: etiketleri veya ışıklandırmayı değiştirirken mevcut geometriyi kilitleyen delta istemlerinin nasıl yazılacağı, image_urls içinde birden fazla dosyanın nasıl indeksleneceği, düzenleme rotasında istem tavanının neden 32.000'den 50.000 karaktere çıktığı ve özel düzenlemeler için ne zaman Google Nano Banana veya GPT Image 2'ye geçileceği.

openai/gpt-image-2.5-sunburst/edit-image ve flare/edit-image üzerinde girdi şeması ve fiyatlandırma

openai/gpt-image-2.5-sunburst/edit-image veya openai/gpt-image-2.5-flare/edit-image uç noktasını çağırmak, E2X kataloğundaki diğer tüm modellerle aynı POST https://api.e2x.ai/v1/jobs/submit kuyruğunu kullanır. input içinde yalnızca iki özellik zorunludur: prompt ve image_urls.

AlanTürZorunluVarsayılanAçıklama ve sınırlar
promptstringEvetYok50,000 karaktere kadar düzenleme veya birleştirme talimatı.
image_urlsstring[]EvetYokReferans görsellerinize işaret eden herkese açık erişilebilir HTTPS URL'leri dizisi.
aspect_ratiostringHayır"1:1""auto" artı 15 sabit oran: "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".
resolutionstringHayır"1K""1K" ($0.0525), "2K" ($0.1050) veya "4K" ($0.1575). Büyük harf olmalıdır.
qualitystringHayır"high"Sunburst: "low", "medium", "high", "xhigh" veya "max". Flare: "low", "medium" veya "high". Tümü ×7 çarpanını paylaşır.

Liste taban maliyeti ($0.03, %75 indirimle $0.0075 seviyesine düşürülür) her quality katmanında 7 ile çarpıldığından ($0.0075 × 7 = $0.0525), bir düzenleme işini "high" seviyesinden Sunburst üzerindeki "xhigh" veya "max" seviyesine yükseltmek E2X üzerinde sıfır ek maliyet getirir. Fiyatı yalnızca resolution ("1K" = ×1, "2K" = ×2, "4K" = ×3) değiştirir. Güncel fiyat tablosunu istediğiniz zaman fiyatlandırma sayfamızdan doğrulayabilir veya tam mikro-sent faturalandırma matematiği için GPT Image 2.5 API rehberimize göz atabilirsiniz.

openai/gpt-image-2/edit-image üzerindeki önemli bir şema iyileştirmesi, 2.5 üzerinde quality parametresinin artık isteğe bağlı olmasıdır. quality alanını atlarsanız worker varsayılan olarak "high" değerini kullanır; ancak tipografi değişimleri ve çok nesneli birleştirmeler için Sunburst üzerinde açıkça "xhigh" veya "max" göndermenizi öneririz.

Delta istem kuralları: sabit kalanları kilitlemek ve değişenleri adlandırmak

Geliştiricilerin openai/gpt-image-2.5-sunburst/text-to-image uç noktasından edit-image uç noktasına geçerken yaptıkları en büyük hata, girdi görselinin hangi kısımlarının dokunulmaz olduğunu modele söylemeden sıfırdan tam bir sahne açıklaması yazmaktır. Bir mum kavanozunun stüdyo fotoğrafını gönderip "An amber glass candle jar on dark linen with a gold label reading BERGAMOT & CEDAR SOY CANDLE" şeklinde istem verirseniz, model bu istemi kavanozu yeniden çizmek, kapaktaki ahşap dokusunu değiştirmek ve kamera açısını kaydırmak için bir izin olarak algılar.

Referans düzenleme, üç açık cümleden oluşan bir delta istemi yazdığınızda en iyi sonucu verir:

  1. Hedeflenen değişiklik: Değiştirilmesi gereken tam bölgeyi, malzemeyi veya metin dizesini belirtin.
  2. Kilitlenen değişmezler (invariants): Kaynak görselin dokunulmadan kalması gereken yapısal öğelerini adlandırın (kap silüeti, kapak malzemesi, kamera perspektifi, arka plan dokusu, ışık yönü).
  3. Konumsal referans indeksi: image_urls birden fazla URL içerdiğinde, her girdiye 1 tabanlı konumuyla (image 1, image 2, image 3) atıfta bulunun ve her dosyanın hangi rolü oynadığını belirtin.

İş Akışı 1: amber-jar-original.png üzerindeki ambalaj tipografisini değiştirme

E-ticaret ekibinizin bir eczacı mum kavanozuna ait ana ürün fotoğrafına (amber-jar-original.png) sahip olduğunu ve fiziksel kavanozu yeniden fotoğraflamadan on iki SKU genelinde koku serisini yerelleştirmesi veya yeniden adlandırması gerektiğini varsayalım.

İşte kavanozu, kapağı ve arka planı kilitlerken basılı başlığı "BERGAMOT & CEDAR SOY CANDLE" ile değiştirmek için "2K" çözünürlük ve "xhigh" kalitede ($0.105) openai/gpt-image-2.5-sunburst/edit-image uç noktasını çağıran curl isteği:

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"
    }
  }'

Değiştirilmiş altın varak serif etiketli kehribar cam eczacı mum kavanozu

Yukarıdaki etiket değiştirme iş akışı için kullanılan istem:

"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."

Bu yöntem neden temiz bir şekilde çalışır:

  • Değiştirilecek metin dizesi "BERGAMOT & CEDAR SOY CANDLE", modelin birebir karakterlerin nerede başlayıp nerede bittiğini bilmesi için kaçışlı çift tırnak içine alınmıştır.
  • Tipografik işleme (in the same serif font and gold foil finish), GPT Image 2.5'e amber-jar-original.png üzerinde halihazırda mevcut olan parlak metalik yansımayı ve kontur stilini eşleştirmesini söyler.
  • Kilitleme cümlesi (Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged), çevredeki stüdyo sahnesinde kayma yaşanmasını önler.

Etiket konumlandırması veya satır sonları üzerinde denemeler yaparken ilk birkaç geçişinizi "resolution": "1K" ($0.0525) ve "quality": "xhigh" ile çalıştırın; harf aralığı (kerning) doğru göründüğünde "resolution" değerini "2K" veya "4K" seviyesine yükseltin.

İş Akışı 2: image_urls ile iki referanslı ürün birleştirme

Tek görselli düzenleme bir varlığı olduğu yerde günceller. Çoklu referanslı düzenleme ise ayrı fotoğraf plakalarını tutarlı tek bir çekimde birleştirmenize olanak tanır. Photoshop'ta bir arka planın üzerine düz bir PNG dekupe yapıştırıp elle sahte temas gölgeleri boyamak yerine, image_urls içinde her iki URL'yi de iletir ve GPT Image 2.5'e image 1 içindeki nesnenin image 2 içindeki ortamla fiziksel olarak nasıl etkileşime girdiğini söylersiniz.

Aşağıdaki örnekte image 1 (chronograph-front.png), fırçalanmış titanyum bir kronograf saatin temiz bir önden stüdyo çekimidir ve image 2 (wet-slate-surface.jpg), soğuk yan aydınlatma ve neon yansımalarla aydınlatılan ıslak koyu arduvazdan oluşan bir çevresel doku plakasıdır.

"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."

Neon yansımalı ıslak koyu arduvaz üzerine birleştirilmiş fırçalanmış titanyum kronograf saat

İki referanslı birleştirmenin fiziksel entegrasyonu nasıl ele aldığına bakın:

  • Saat kasası, takimetre bezeli, ibreler ve alt kadran geometrisi image 1 kaynağından gelir.
  • Yüzey rölyefi, su damlacıkları ve yönlü sıyıran ışık image 2 kaynağından gelir.
  • Titanyum bileziğin ıslak arduvaza temas ettiği yerde model, nemli taş üzerinde saat kasasının açısıyla eşleşen gerçekçi temas gölgeleri (contact occlusion) ve parlak yansımalar üretir.

image_urls dizisine üçüncü bir referans URL'si eklerseniz, ona da açık bir rol atayın. Örneğin: "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 içindeki her dosya E2X worker'ları tarafından herkese açık HTTPS üzerinden erişilebilir olmalıdır (özel kovalar için 15 dakika süreli imzalı S3 veya R2 URL'leri iyi çalışır).

edit-image neden 50.000 karakterlik bir istem tavanı sunar?

openai/gpt-image-2.5-sunburst/text-to-image ve openai/gpt-image-2.5-flare/text-to-image üzerinde prompt 32.000 karaktere kadar metin kabul eder. openai/gpt-image-2.5-sunburst/edit-image ve openai/gpt-image-2.5-flare/edit-image üzerinde ise maxLength 50.000 karaktere çıkar.

Hiçbir metin yazarı klavyenin başına oturup elle 50.000 karakter yazmaz. Bu tavan; yazılımın yapılandırılmış ürün veritabanlarından, OCR dökümlerinden ve marka stil rehberlerinden programatik olarak istem oluşturduğu otomatik katalog ve yerelleştirme iş hatları için mevcuttur.

Tipik bir otomatik yerelleştirme iş hattında, tek bir edit-image yükü prompt içinde makine tarafından üretilen dört bloğu birleştirir:

  1. Kaynak görselin tam OCR sınırlayıcı kutu (bounding-box) dökümü (böylece model, kalabalık bir besin değeri tablosu veya teknik diyagram üzerindeki mevcut dizelerden hangilerinin değiştirileceğini ve hangilerinin dokunulmadan kalacağını bilir).
  2. Hedef çeviri haritası (her kaynak metin bloğunu tırnak içinde yerelleştirilmiş karşılığıyla eşleştirir).
  3. Katı marka ve ambalaj değişmezleri (hex renk referansları, malzeme yüzeyleri, yasal ikon koruma kuralları ve negatif kısıtlamalar).
  4. image_urls içindeki her URL için rol atamaları (birincil ürün çekimini, yerelleştirilmiş rozet katmanını ve hedef arka plan ortamını tanımlar).

İşte bir katalog iş hattının yapılandırılmış bir çoklu referans düzenleme yükünü nasıl oluşturduğunu, bunu "max" kalitede openai/gpt-image-2.5-sunburst/edit-image uç noktasına nasıl gönderdiğini ve çıktı için durumu nasıl sorguladığını gösteren bir TypeScript örneği:

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`);
}

Kodun "aspect_ratio": "auto" ve "quality": "max" ilettiğine dikkat edin. "aspect_ratio": "auto" ile çıktı, kare bir "1:1" kırpmaya zorlamak yerine referans kadrajın en-boy oranını korur. Ayrıca iş tamamlanır tamamlanmaz state.outputs[0].url adresinden dönen URL'yi kendi nesne depolama kovanıza kopyalamayı unutmayın veya E2X SDK'ları sayfamızdaki resmi istemci yardımcılarını yapılandırın.

E2X üzerinde OpenAI ve Google görsel düzenleme uç noktalarını karşılaştırma

openai/gpt-image-2.5-sunburst/edit-image (ve standart katmanlar için openai/gpt-image-2.5-flare/edit-image) ambalaj tipografisi güncellemeleri, karmaşık 50K delta talimatları ve xhigh / max detay iyileştirmesi için ilk tercihimiz olsa da, image-to-image kategorimizdeki diğer üç uç nokta 2.5 modelinin hedeflemediği farklı problemleri çözer:

Düzenleme uç noktası1K fiyatı2K fiyatı4K fiyatıİstem sınırıEn iyi kullanım alanı
openai/gpt-image-2.5-sunburst/edit-image & flare/edit-image$0.0525$0.1050$0.157550,000 karakterAmbalaj etiketi değiştirme, çoklu ürün birleştirme, Sunburst'te taban fiyata dahil xhigh ve max katmanları, "auto" en-boy oranı.
openai/gpt-image-2/edit-image$0.0525$0.1050$0.157550,000 karakterbackground: "transparent" aracılığıyla ürünleri alfa kanallı şeffaf bir PNG üzerine düzenleme veya dekupe etme.
google/nano-banana-2.1/edit-image$0.0300$0.0400$0.0900Standart1K ($0.03) ve 4K ($0.09) düzenlemeler için en düşük maliyet, artı aşırı 8:1, 1:8, 4:1 ve 1:4 banner oranları.
google/nano-banana-pro/edit-image$0.0750$0.0750$0.1500StandartRole göre ayrılmış 14'e kadar referans görsel genelinde insan yüz kimliğini ve karakter benzerliğini koruma.

Pratikte bu dört düzenleme modeli arasında nasıl yönlendirme yapacağınız aşağıda açıklanmıştır:

  1. Ambalaj metni, çok ürünlü stüdyo birleştirmeleri ve 50K otomatik spesifikasyonlar: openai/gpt-image-2.5-sunburst/edit-image (1K'da $0.0525) kullanın. xhigh ve max kalite katmanları ile 50.000 karakterlik istem bütçesinin birleşimi, yoğun tipografik düzenlemeleri diğer tüm rotalardan daha iyi işler.
  2. Şeffaf arka plan dekupeleri (background: "transparent"): openai/gpt-image-2/edit-image (1K'da $0.0525) kullanın. GPT Image 2.5 background parametresini içermediğinden, çıktınızın şeffaf bir alfa kanalına ihtiyaç duyduğu her durumda GPT Image 2 başvurulacak uç nokta olmaya devam eder. İkisi arasında otomatik geçiş yapan kullanıma hazır bir yönlendirici için GPT Image 2.5 ve GPT Image 2 rehberimize bakın.
  3. Yüksek hacimli 4K arka plan değişimleri ve ultra geniş banner'lar: google/nano-banana-2.1/edit-image kullanın. 1K düzenleme başına $0.03 ve 4K düzenleme başına $0.09 (%50 Google indirimimiz kapsamında) fiyatlandırılan bu model, OpenAI'ın $0.1575 4K ücretine kıyasla 4K düzenleme maliyetlerini %43 azaltır ve 8:1 seviyesine kadar oranları destekler.
  4. Tekrar eden insan karakterleri ve portre tutarlılığı: google/nano-banana-pro/edit-image (1K/2K'da $0.075) kullanın. Nano Banana Pro, referans görselleri açıkça role göre kapsamlandırmanıza (karakter kimliği için 5'e kadar, nesneler için 6'ya kadar ve stil için 3'e kadar) olanak tanır ve bu da storyboard kareleri arasında yüz kaymasını önler.

Tüm görsel düzenleme ve üretim uç noktalarını E2X model kataloğunda ve text-to-image kategorisinde yan yana karşılaştırabilirsiniz.

Sıkça sorulan sorular

openai/gpt-image-2.5-sunburst/edit-image üzerinde image_urls içinde kaç kaynak görsel gönderebilirim?

image_urls, tek bir istekte 10 adede kadar herkese açık erişilebilir HTTPS görsel URL'sinden oluşan bir dizi kabul eder. Birden fazla URL gönderirken prompt içinde bunlara 1 tabanlı konumlarıyla (image 1, image 2, image 3) atıfta bulunun ve her görselin birincil ürünü mü, arka plan ortamını mı yoksa ışıklandırma ve malzeme referansını mı sağladığını belirtin.

3 referanslı çoklu görsel düzenlemesi, 1 görselli düzenlemeden daha mı pahalıdır?

Hayır. E2X üzerinde openai/gpt-image-2.5-sunburst/edit-image ve openai/gpt-image-2.5-flare/edit-image, image_urls içindeki girdi URL'lerinin sayısına veya 50.000 karakterlik isteminizin uzunluğuna göre değil, yalnızca çıktı resolution değerine ("1K" $0.0525, "2K" $0.105, "4K" $0.1575) bağlı olarak istek başına faturalandırılır.

Model neden yalnızca arka planı değiştirmek yerine ürünümü yeniden çizdi?

Bir düzenleme istemi neyin sabit kalması gerektiğini adlandırmadan yalnızca istenen nihai sahneyi tanımlarsa, model özne geometrisini yeniden yorumlayabilir. İsteminize her zaman açık bir kilitleme cümlesi ekleyin; örneğin: "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_urls içinde yerel dosya yolları veya base64 veri URI'leri gönderebilir miyim?

E2X worker düğümlerinin iş yürütme sırasında referans baytlarını doğrudan çekebilmesi için image_urls içinde herkese açık erişilebilir HTTPS URL'leri (önceden imzalanmış S3, GCS veya Cloudflare R2 bağlantıları gibi) sağlayın.