返回博客

GPT Image 2.5 多参考图编辑指南:组合源图像与 50K 字符超长提示词

E2X Team··12 分钟阅读
gpt-image-2.5gpt-image-2.5-sunburstgpt-image-2.5-flareopenaiimage-editingimage-to-imageimage-api

大多数商业视觉工作都始于已有的素材:某款新 SKU 的干净棚拍图(Packshot)、艺术总监审定通过的影棚材质底板,或是需要针对区域市场上线更新文案的上一季包装平面图。如果用纯文生图模型从头重新生成这些画面,就会丢掉你已经花钱拍摄好的几何结构、标签比例与产品轮廓。

E2X 上的 OpenAI openai/gpt-image-2.5-sunburst/edit-image 端点专为基于参考图的条件编辑与多图合成而打造。你只需在 image_urls 中传入一个公网可访问的源图片数组,并配上一条最高可达 50,000 字符的自然语言编辑指令。在 E2X 长期 75% 折扣(2.5 折)的加持下,无论你选择 low、medium、high、xhigh 还是 max 画质,每次 1K 编辑均仅需 $0.0525,2K 仅需 $0.105,4K 仅需 $0.1575。

深色亚麻布上的摄影接触印相照片、黄铜放大镜与玻璃滴管瓶

本指南将深入解析 openai/gpt-image-2.5-sunburst/edit-image 的核心机制:如何编写锁定现有几何结构、仅修改标签或布光的增量提示词(Delta Prompt),如何在 image_urls 中对多个文件进行索引,为什么编辑路由的提示词上限会从 32,000 字符跃升至 50,000 字符,以及何时应切换至 Google Nano Banana 或 GPT Image 2 来完成特定类型的编辑。

openai/gpt-image-2.5-sunburst/edit-image 的输入 Schema 与定价

调用 openai/gpt-image-2.5-sunburst/edit-image 使用与 E2X 模型目录中所有其他模型相同的 POST https://api.e2x.ai/v1/jobs/submit 任务队列。在 input 内部,只有两个属性是必填的:prompt 和 image_urls。 在 E2X 上,GPT Image 2.5 提供两个变体版本:GPT Image 2.5 Sunburst(openai/gpt-image-2.5-sunburst,支持 1K/2K/4K 分辨率以及 low、medium、high、xhigh、max 画质档位)和 GPT Image 2.5 Flare(openai/gpt-image-2.5-flare,通过 /models/openai/gpt-image-2.5-flare/text-to-image 与 /models/openai/gpt-image-2.5-flare/edit-image 支持 1K/2K/4K 分辨率以及 low、medium、high 画质档位)。

字段类型是否必填默认值说明与限制
promptstring是无最高 50,000 字符的编辑或合成指令。
image_urlsstring[]是无指向参考图片的公网可访问 HTTPS URL 数组。
aspect_ratiostring否"1:1""auto" 外加 15 种固定比例:"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否"1K""1K"($0.0525)、"2K"($0.1050)或 "4K"($0.1575)。必须为大写。
qualitystring否"high""low"、"medium"、"high"、"xhigh" 或 "max"。五个档位共享相同的 ×7 倍率。

由于目录基础单价($0.03,享受 75% 折扣后为 $0.0075)在所有 quality 档位下均乘以相同的系数 7($0.0075 × 7 = $0.0525),在 E2X 上将编辑任务从 "high" 升级到 "xhigh" 或 "max" 不会产生任何额外费用。只有 resolution("1K" = ×1,"2K" = ×2,"4K" = ×3)会改变价格。你可以随时在我们的定价页面核对当前费率表,或查看我们的 GPT Image 2.5 API 指南了解完整的微美分计费计算方式。

相比 openai/gpt-image-2/edit-image 的一项 Schema 改进是:在 2.5 上 quality 变为了可选参数。如果你省略 quality,Worker 会默认使用 "high";不过对于字体排版替换与多物体合成,我们建议显式传入 "xhigh" 或 "max"。

增量提示词(Delta Prompting)原则:锁定不变元素 vs 明确修改目标

开发者从 openai/gpt-image-2.5-sunburst/text-to-image 转向 edit-image 时最常犯的错误,是从零开始写一段完整的场景描述,却没有告诉模型输入图片中的哪些部分严禁改动。如果你传入一张香氛蜡烛罐的影棚照片,并输入提示词 "An amber glass candle jar on dark linen with a gold label reading BERGAMOT & CEDAR SOY CANDLE",模型会把这段话当作允许它重绘罐体、改变木盖纹理并移动机位角度的指令。

当你将增量提示词按以下三个明确的子句进行组织时,参考图编辑的效果最佳:

  1. 目标修改项(Targeted change):明确指出需要修改的具体区域、材质或文本字符串。
  2. 锁定不变量(Locked invariants):点名源图像中必须原封不动保留的结构元素(容器轮廓、瓶盖材质、镜头透视、背景纹理、光线方向)。
  3. 位置参考索引(Positional reference index):当 image_urls 包含多个 URL 时,按从 1 开始的位置索引(image 1、image 2、image 3)指代每个输入,并说明每个文件所扮演的角色。

工作流 1:替换 amber-jar-original.png 上的包装字体排版

假设你的电商团队有一张药剂师风格蜡烛罐的母版棚拍图(amber-jar-original.png),需要在不重新拍摄实物的情况下,为 12 个 SKU 本地化或重命名香型系列名称。

以下是一个以 "2K" 分辨率和 "xhigh" 画质($0.105)调用 openai/gpt-image-2.5-sunburst/edit-image 的 curl 请求,用于在锁定玻璃罐、木盖和背景的同时,将印刷标题替换为 "BERGAMOT & CEDAR SOY CANDLE":

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"
    }
  }'

替换了烫金衬线体标签的琥珀色玻璃药剂师香氛蜡烛罐

上方标签替换工作流所使用的提示词:

"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."

为什么这段提示词能够干净利落地生效:

  • 替换字符串 "BERGAMOT & CEDAR SOY CANDLE" 被包裹在转义双引号中,使模型清楚知道字面字符从哪里开始、到哪里结束。
  • 字体工艺要求(in the same serif font and gold foil finish)指示 GPT Image 2.5 匹配 amber-jar-original.png 上原本就有的金属镜面反光与笔画风格。
  • 锁定子句(Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged)防止了周围影棚场景发生偏移。

在反复调试标签位置或换行方式时,建议前几轮测试使用 "resolution": "1K"($0.0525)配合 "quality": "xhigh" 运行,待字距(kerning)效果满意后,再将 "resolution" 提升至 "2K" 或 "4K"。

工作流 2:使用 image_urls 进行双参考图产品合成

单图编辑用于就地更新现有素材,而多参考图编辑则能让你将独立的摄影底板合成为一张浑然一体的照片。你无需在 Photoshop 中把平面的 PNG 抠图贴到背景上再手工绘制生硬的接触阴影,只需将两个 URL 同时传入 image_urls,并告诉 GPT Image 2.5 image 1 中的物体如何与 image 2 中的环境发生物理交互。

在下面的示例中,image 1(chronograph-front.png)是一块拉丝钛金属计时码表的干净正面棚拍图,而 image 2(wet-slate-surface.jpg)则是在冷色侧光与霓虹反光照射下的潮湿深色石板环境纹理底板。

"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."

合成在带有霓虹反光的潮湿深色石板上的拉丝钛金属计时码表

观察双参考图合成是如何处理物理融合的:

  • 表壳、测速计表圈、指针和副表盘的几何结构完全来自 image 1。
  • 表面起伏、水滴和定向掠射光来自 image 2。
  • 在钛金属表带接触潮湿石板的位置,模型生成了逼真的接触环境光遮蔽(Contact Occlusion)以及潮湿石面上与表壳角度相匹配的镜面反射。

如果你向 image_urls 添加第三个参考 URL,同样需要为它分配明确的角色。例如:"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."(从 image 1 中提取钛金属计时码表,将其放置在 image 2 的潮湿石板表面上,并应用来自 image 3 的暖琥珀与青色调色风格)。image_urls 中的每一个文件都必须能被 E2X Worker 通过公网 HTTPS 访问(对于私有存储桶,设置 15 分钟有效期的预签名 S3 或 R2 URL 效果很好)。

为什么 edit-image 提供高达 50,000 字符的提示词上限

在 openai/gpt-image-2.5-sunburst/text-to-image 上,prompt 最多接受 32,000 字符。而在 openai/gpt-image-2.5-sunburst/edit-image 上,maxLength 提升到了 50,000 字符。

没有哪个人类文案会坐在键盘前手敲 50,000 个字符。这一上限是专为自动化商品目录与本地化流水线而设计的——在这些系统中,软件会根据结构化产品数据库、OCR 识别文本和品牌视觉规范,以编程方式自动拼接生成提示词。

在典型的自动化本地化流水线中,单次 edit-image 请求的 prompt 内部会组合四个由机器生成的文本块:

  1. 源图像的完整 OCR 边界框文本记录(让模型清楚知道在密集的营养成分表或工程图纸上,哪些现有字符串需要被替换,哪些必须保持不动)。
  2. 目标翻译映射表(将每个源文本块映射至用引号包裹的本地化替换字符串)。
  3. 严格的品牌与包装不变量规则(HEX 十六进制色值参考、材质表面处理、法规图标保留规则以及负向约束)。
  4. image_urls 中每个 URL 的角色分配(标识主产品棚拍图、本地化徽章叠加层以及目标背景环境)。

下面的 TypeScript 示例展示了商品目录流水线如何组装结构化的多参考图编辑 Payload,以 "max" 画质提交给 openai/gpt-image-2.5-sunburst/edit-image,并轮询获取输出结果:

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`);
}

请注意代码中传入了 "aspect_ratio": "auto" 和 "quality": "max"。启用 "aspect_ratio": "auto" 后,输出图像会保留参考图的画幅宽高比,而不会强制裁剪为 "1:1" 的正方形。另外请记住,一旦任务完成,请立即将 state.outputs[0].url 返回的 URL 转存到你自己的对象存储桶中,或配置我们 E2X SDK 页面提供的官方客户端辅助工具。

E2X 上的 OpenAI 与 Google 图像编辑端点横向对比

虽然 openai/gpt-image-2.5-sunburst/edit-image 是我们进行包装字体排版更新、复杂 50K 字符增量指令以及 xhigh / max 细节精修的首选,但我们图生图分类中的另外三个端点分别解决了 2.5 未覆盖的特定问题:

编辑端点1K 价格2K 价格4K 价格提示词上限最佳适用场景
openai/gpt-image-2.5-sunburst/edit-image$0.0525$0.1050$0.157550,000 字符包装标签替换、多产品合成、基础费率即包含 xhigh 与 max 档位、"auto" 自适应宽高比。
openai/gpt-image-2/edit-image$0.0525$0.1050$0.157550,000 字符通过 background: "transparent" 将产品编辑或提取为带 Alpha 通道的透明 PNG。
google/nano-banana-2.1/edit-image$0.0300$0.0400$0.0900标准最低的 1K($0.03)与 4K($0.09)编辑成本,支持 8:1、1:8、4:1 和 1:4 等极端横幅比例。
google/nano-banana-pro/edit-image$0.0750$0.0750$0.1500标准在最多 14 张按角色分离的参考图之间保持人物面部身份特征与角色相似度。

在实际工程中,按以下准则在这四个编辑模型之间进行路由:

  1. 包装文案替换、多产品影棚合成与 50K 自动化规范:使用 openai/gpt-image-2.5-sunburst/edit-image(1K $0.0525)。其 xhigh 与 max 画质档位加上 50,000 字符的提示词容量,在处理高密度字体排版编辑时优于任何其他路由。
  2. 透明背景抠图(background: "transparent"):使用 openai/gpt-image-2/edit-image(1K $0.0525)。由于 GPT Image 2.5 不包含 background 参数,只要输出需要透明 Alpha 通道,GPT Image 2 就依然是首选端点。请参阅我们的 GPT Image 2.5 vs GPT Image 2 对比指南,获取可在两者之间自动切换的即插即用路由代码。
  3. 大批量 4K 背景替换与超宽横幅:使用 google/nano-banana-2.1/edit-image。在我们 50% 的 Google 折扣下,其 1K 编辑仅需 $0.03、4K 编辑仅需 $0.09,相比 OpenAI 的 $0.1575 4K 费率可将 4K 编辑成本降低 43%,且支持最高达 8:1 的画幅比例。
  4. 连续出场的人物角色与人像一致性:使用 google/nano-banana-pro/edit-image(1K/2K $0.075)。Nano Banana Pro 允许你按角色显式划分参考图(最多 5 张用于人物身份、6 张用于物体、3 张用于风格),从而防止分镜画面之间出现面部走样。

你可以在 E2X 模型目录和文生图分类中并排对比所有图像编辑与生成端点。

常见问题解答 (FAQ)

在 openai/gpt-image-2.5-sunburst/edit-image 的 image_urls 中最多可以传入多少张源图片?

image_urls 在单次请求中最多接受包含 10 个公网可访问 HTTPS 图片 URL 的数组。传入多个 URL 时,请在 prompt 中按从 1 开始的位置索引(image 1、image 2、image 3)指代它们,并明确说明每张图片提供的是主产品、背景环境还是光线与材质参考。

使用 3 张参考图进行多图编辑会比单图编辑更贵吗?

不会。在 E2X 上,openai/gpt-image-2.5-sunburst/edit-image 仅根据输出 resolution("1K" 为 $0.0525,"2K" 为 $0.105,"4K" 为 $0.1575)按次计费,与 image_urls 中的输入 URL 数量或 50,000 字符提示词的长度无关。

为什么模型重绘了我的产品,而不是只替换背景?

如果编辑提示词只描述了期望的最终场景,而没有指明哪些部分必须保持固定,模型就可能会重新诠释主体的几何结构。请务必在提示词中加入明确的锁定子句,例如:"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."(保持 image 1 中的表壳、表圈刻度和指针位置不变;仅将背景表面替换为 image 2 中的潮湿石板)。

我可以在 image_urls 中传入本地文件路径或 base64 Data URI 吗?

请在 image_urls 中提供公网可访问的 HTTPS URL(例如预签名的 S3、GCS 或 Cloudflare R2 链接),以便 E2X Worker 节点在任务执行期间能够直接拉取参考图像的字节数据。