GPT Image 2

E2X'te GPT Image 2 Görsel Düzenleme ve Inpainting API'si

GPT Image 2 edit-image, OpenAI'ın gpt-image-2-2026-04-21 modelinin zaten sizin olan görsellere yönlendirilmiş hali: rötuş, kompozitleme, mask'li inpainting, outpainting ve bir düzenin içine gömülü tipografiyi yeniden yazma. Onu openai/gpt-image-2/edit-image olarak işletiyoruz ve varsayılanımız olan resolution=1K değerinde output görsel başına $0.0525 faturalıyoruz. fal.ai'daki eşdeğer üst katman request'i $0.211'de duruyor.

Üzerinde çalışacağınız bir kaynak görsel yok mu? O zaman size gereken GPT Image 2 text-to-image — aynı model, aynı fiyat listesi, sadece prompt.

Burada bir edit'in maliyeti

Fiyatlandırmamız çarpımsal ve iki çarpandan biri tuzak. quality, her değerinde ×7 uygulanıyor — low, medium ve high birebir aynı faturayı çıkarıyor, yani düşük katman size görsel kalitesine mal oluyor ve hiçbir tasarruf sağlamıyor. Bu, config'imizin parametreyi eşleme biçiminden gelen bir tuhaflık ve onu bir dipnota saklamıyoruz. high gönderin.

Parayı oynatan çarpan resolution: 1K'da ×1, 2K'da ×2, 4K'da ×3. "GPT Image 2 fiyatlandırması" diye dolaşan $0.0075'lik rakam, çarpan öncesi temel oranımız; yalnızca hiç quality değeri göndermeyen bir request'le ulaşılabiliyor — ve quality bu endpoint'te zorunlu, dolayısıyla burada kazara bile ona ulaşamazsınız. 26 Ağustos 2026 itibarıyla oranlar:

Kolonları birbirine karşı okuyun. fal'ın fiyatı 1K ile 2K arasında neredeyse hiç kıpırdamıyor, bizimki ikiye katlanıyor; yani 1K'da devasa görünen fark 2K'da kabaca yarıya iniyor. Kontrol ettiğimiz her katmanda yine de bizim lehimize. Bütçenizi gerçekten yayına alacağınız katman üzerinden kurun.

OpenAI o tabloda hiç yer alamıyor. Bu modeli token üzerinden ölçüyor (1M metin input $5.00, 1M görsel input $8.00, 1M görsel output $30.00; Batch yarı fiyat), dolayısıyla bir "edit başına fiyat" ancak bir görsel boyutu ve bir prompt uzunluğu varsaydığınızda ortaya çıkıyor. Biz request başına ücret alıyoruz.

Fiyatlar ve ürün koşulları zamanla değişebilir; satın alma kararı öncesinde güncel fiyatları kontrol edin. Google Batch veya Flex fiyatlandırması, zamanlama, kapasite ve işleme koşulları farklı olduğu için standart on-demand API request'iyle birebir eşdeğer değildir ve bu tabloya dahil edilmemiştir. Bu karşılaştırma belirli bir kullanım senaryosuna aittir; E2X'in her koşulda "dünyanın en ucuzu" olduğu iddia edilmemektedir.

Edit'lerin çalıştırılmasının yapısal olarak daha pahalı olmasının sebebi

OpenAI bu nesilde input_fidelity parametresini kaldırdı. Eklediğiniz her kaynak görsel artık yüksek sadakatle işleniyor ve geri düşebileceğiniz daha ucuz bir ayar yok — her seferinde ek başına daha fazla input token. Pazar bunu gösteriyor: fal.ai'da edit endpoint'i düşük katmanda text-to-image oranının kabaca iki katı çalışıyor. Bir edit pipeline'ı ile sıfırdan üretim pipeline'ının altta aynı maliyeti taşıdığını varsaymayın.

Bu endpoint'in iyi olduğu işler

Mevcut tasarımın içindeki metni yeniden yazmak. Bir görseli Google modeli yerine buraya getirmenin en güçlü sebebi bu. Bitmiş İngilizce bir infografik verin, Almancasını isteyin — tipografi okunaklı geri geliyor ve düzen yerinde kalıyor. Ürün etiketleri, ambalaj metni, menü panoları ve UI ekran görüntüleri için de aynısı.

Çok kaynaklı kompozitler. Request başına 16 referans görsele kadar ve 10 output'a kadar dönüş — her biri için ayrı tur atmadan seçebileceğiniz varyasyonlar.

Mask'li inpainting. Alfa kanallı bir mask ekleyin; beyaz bölge modelin değiştirebileceği alanı işaretliyor. Mask isteğe bağlı; mask yoksa edit'in kapsamını prompt'unuz belirliyor. OpenAI'ın kendi ifadesini başka kelimelerle anlatmak yerine alıntılamaya değer: "model mask'i yönlendirme olarak kullanır, ancak tam şeklini eksiksiz bir hassasiyetle takip etmeyebilir." Güçlü bir ipucu, kesme yolu değil. Outpainting de aynı şekilde çalışıyor.

Şeffaflık. background: "transparent" size bir alfa kanalı döndürüyor — PNG veya WebP, asla JPEG.

Boyut kuralları input'lar için de geçerli: en uzun kenar 3840px'e kadar, iki kenar da 16'nın katı, aspect ratio 3:1'den daha geniş değil, toplam piksel 655.360 ile 8.294.400 arasında.

API request: kaynaklar, prompt, isteğe bağlı mask

Burada üç alan zorunlu: prompt, image_urls ve quality.

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-image-2/edit-image",
    "input": {
      "prompt": "Ambalajdaki başlığı aynı yazı tipi ve kalınlıkta \"CAFÉ NOIR — GRAND CRU\" ile değiştir. İllüstrasyona, barkoda ve arka plana dokunma.",
      "image_urls": ["https://example.com/coffee-box.png"],
      "aspect_ratio": "4:5",
      "resolution": "2K",
      "quality": "high"
    }
  }'

Geriye bir job ID alıyorsunuz. Onu poll edin ya da bir webhookUrl kaydedin, biz sizi arayalım.

const headers = {
  Authorization: `Bearer ${process.env.E2X_API_KEY}`,
  "Content-Type": "application/json",
};

const submitted = await fetch("https://api.e2x.ai/v1/jobs/submit", {
  method: "POST",
  headers,
  body: JSON.stringify({
    model: "openai/gpt-image-2/edit-image",
    input: {
      prompt: "Görsel 1'deki saati görsel 2'deki mermer yüzeyin üzerine yerleştir. Görsel 2'nin ışık yönüyle eşleştir. Kadran kazımasını okunabilir tut.",
      image_urls: [
        "https://example.com/watch-cutout.png",
        "https://example.com/marble-scene.jpg",
      ],
      aspect_ratio: "1:1",
      resolution: "1K",
      quality: "high",
    },
  }),
}).then((r) => r.json());

const { jobId } = submitted.data;

for (;;) {
  const job = await fetch(`https://api.e2x.ai/v1/jobs/${jobId}`, { headers })
    .then((r) => r.json());
  if (job.data.status === "completed") {
    job.data.outputs.forEach((o) => console.log(o.url));
    break;
  }
  if (job.data.status === "failed") {
    throw new Error(job.data.error?.message || "Edit failed");
  }
  await new Promise((r) => setTimeout(r, 3000));
}

Job'lar pending → processing → completed şeklinde ilerliyor ya da failed veya cancelled'da duruyor. Resolution değerleri büyük harf — 1K, 2K, 4K — ve aspect ratio varsayılanımız 1:1. Model render etmeden önce planlayıp kendini kontrol ettiği için flash katmanı vaadi yerine 60 saniyelik bir ETA yayınlıyoruz. Schema ve fiyat makine tarafından okunabilir spec içinde yaşıyor.

Görsel düzenleme modellerimiz arasında seçim

Beş editör, tek bir karar ve mesele harflerin önemli olup olmadığına iniyor.

Düz cevap: edit'iniz tipografiye dokunmuyorsa muhtemelen burada olmamalısınız. Nano Banana 2 sıradan rötuşu — bir nesneyi kaldır, arka planı değiştir, tonu ısıt — daha ucuza ve daha hızlı hallediyor. Bir portre mi düzenliyorsunuz, ya da bir kişiyi referanslar boyunca tanınabilir mi tutuyorsunuz? Nano Banana Pro daha yüksek fiyatına rağmen daha iyi araç.

Buraya Google ailesinin aynı ölçüde iyi yapamadığı işler için gelin: mevcut bir tasarımın içindeki metni yeniden yazmak, mask'le sınırlanmış inpainting, şeffaf output. Gerisi image-to-image kategorisinde ve model kataloğumuzda duruyor.

Endpoint'ten çalışma notları

Varış noktasını değil, delta'yı tarif edin. Tüm sahneyi yeniden anlatan bir prompt kaynakla yarışır ve bir edit yerine sürüklenen bir regeneration alırsınız. Neyin değişeceğini, sonra neyin hayatta kalması gerektiğini söyleyin: "kadrajı, gölgeyi ve etiket konumunu birebir aynı tut" cümlesi yerini hak eder.

Birkaç görsel birden giriyorsa onları indeksle etiketleyin: görsel 1 özne, görsel 2 ortam, görsel 3 yalnızca renk referansı. Hangi ekin palet olarak düşünüldüğünü modele başka hiçbir şey söylemez.

Metin düzenlemelerinde tam yerine geçecek string'i tırnak içinde yapıştırın ve eskisine ne olacağını söyleyin. Başka kelimelerle anlatmak yeniden yorumlamayı davet eder ve bir ürün etiketinde yeniden yorumlama demek yeniden baskı demek. Mask'in içinde kıymetli olan her şeyin çevresine birkaç piksel pay bırakın — sınır bir yönlendirme, kesme yolu değil.

Düzenlenmiş bir varlığı yayına almadan önce

Her output'a iki watermark katmanı biniyor, her quality katmanında, ve bu kısmı yumuşatmayacağız. C2PA köken metadata'sı dosyayı ChatGPT Images tarafından üretilmiş olarak tanımlıyor — X, Meta, LinkedIn ve TikTok bunu ayrıştırıp otomatik olarak "Made with AI" etiketi uyguluyor. Altında ise görsel verisinin içinde, metadata silindiğinde kaybolmayan algılanamaz bir piksel düzeyi watermark duruyor.

Hiçbir katmanın kapatma anahtarı yok; ne bizde ne de bu modeli satan başka bir sağlayıcıda. Bu modelde white-label output vaat edemiyoruz. Yapay zekâ etiketli materyali yasaklayan bir sözleşme altında müşteri varlıklarını mı düzenliyorsunuz? O konuşmayı şimdi yapın.

Ve bir maliyet notu, çünkü burada içgüdü yanlış çalışıyor: ucuz taslak turları quality'den gelmiyor. Yirmi low iterasyonu, yirmi high iterasyonuyla tam olarak aynı tutarı faturalıyor. Ucuz bir gözden geçirme döngüsü için taslağı 1K'da çıkarın, 2K veya 4K'yı yayına girecek sürüme saklayın.

Sıkça sorulan sorular

E2X'te bir GPT Image 2 edit'i ne kadar tutuyor?

Varsayılanlarımız olan quality=high ve resolution=1K ile output görsel başına $0.0525. Resolution ikiyle ve üçle çarptığı için 2K $0.105'e, 4K $0.1575'e geliyor. Quality katmanı bu sayıların hiçbirini değiştirmiyor. Rakamlar 26 Ağustos 2026 kontrolümüzden.

Tek bir edit request'i kaç referans görsel alabilir?

OpenAI'ın belgelenmiş yüzeyine göre 16'ya kadar ve tek bir request 10 output'a kadar döndürebiliyor. Daha fazla ek, daha fazla input token demek; yani 16 referanslı bir kompozit, tek görsellik bir rötuşla aynı iş yükü değil.

low kaliteli bir edit, high olandan daha mı ucuz?

Hayır. Hangi değeri gönderirseniz gönderin çarpanımız ×7, dolayısıyla low, medium ve high 1K'da hepsi $0.0525 faturalıyor. Alan burada zorunlu ve onun hiçbir ayarı maliyetinizi düşürmüyor. Harcamayı kontrol etmek için resolution kullanın.

Edit'ler neden düz generation'lardan daha pahalıya çalışıyor?

Çünkü input_fidelity kaldırıldı: eklenen her görsel daha ucuz bir seçenek olmadan yüksek sadakatle işleniyor, dolayısıyla bir edit yalnızca prompt içeren bir request'ten daha fazla input token yakıyor. Bu, pazarın genelinde görünüyor — fal.ai'ın edit endpoint'i düşük katmanda kendi text-to-image oranının yaklaşık iki katı çalışıyor.

Elimdeki bir görselin içindeki kelimeleri değiştirebilir miyim?

Evet ve bu modeli Google alternatifine tercih etmenin başlıca sebebi bu. Tam yerine geçecek string'i tırnak içinde verin ve orijinaline ne olması gerektiğini söyleyin. Çok dilli değişimler de çalışıyor, CJK dahil, çevresindeki düzeni yeniden çizmeden.

Düzenlenen görseller watermark'lı mı çıkıyor?

Evet. Her output, platformların "Made with AI" etiketi uygulamak için okuduğu C2PA metadata'sını ve görsel verisinin içinde algılanamaz bir piksel watermark'ını taşıyor. İkisi de her quality katmanında geçerli ve hiçbir sağlayıcı onları devre dışı bırakamıyor.

Bunun yerine ne zaman Nano Banana Pro düzenlemeyi kullanmalıyım?

Edit bir insanın çevresinde döndüğünde — portre gerçekçiliği ve referanslar boyunca karakter tutarlılığı, Google'ın Pro katmanının daha güçlü olduğu yerler. Rutin arka plan ve renk işleri için $0.04'lük Nano Banana 2 yeterli; metin avantajımız orada size hiçbir şey kazandırmıyor.