GPT Image 2

GPT Image 2 是 OpenAI 最先进的图像生成模型。它能按文本生成图像，也能按精确的指令修改已有图像。

它的作用

GPT Image 2 覆盖两种工作流：按文本描述生成图像，以及按具体指令编辑已有图像。它的设计取向是严格跟随你的指令，同时保留你不打算改的部分。

传入参考图时，GPT Image 2 会自动做高保真处理，没有需要手动调的旋钮——模型始终尽力保留输入图像的细节。传一张图就是编辑它，传多张图则是把不同的风格、主体或参考合成进一张输出。

主要能力

• 照片级真实感与细节：光照准确、材质可信、纹理丰富。从抓拍感的照片到打磨过的商业视觉都能覆盖。
• 文字渲染：密集文字、小字号、复杂版式，例如信息图、界面模型图、营销物料。
• 精准编辑：做定点修改，不必重新诠释整张图。调整局部的同时保住人物形象、构图与光照。
• 风格控制：让同一个视觉风格贯穿不同主体，或者用极少的提示把一张图的外观迁移到另一张上。
• 世界知识：要求"1969 年 8 月纽约州贝塞尔的一个场景"，模型会知道你要的是伍德斯托克音乐节——它内置了推理能力。

用例

• 图像生成：信息图、Logo、界面模型图、照片级场景、漫画、营销视觉。既适合创意探索，也直接产出可用的成品。
• 图像编辑：风格迁移、虚拟试穿、产品模型图、图中文字转换、光照调整、物体移除、场景合成。可以把人放进新场景并保住长相，也可以换掉房间照片里的家具而不动拍摄角度。
• 角色一致性：做多页插画时让角色在不同场景里长得一致——儿童绘本、故事板、广告活动都用得上。

如何取得好结果

• 具体一点：清楚描述你要什么。别说"改好一点"，说"加一点柔和的海岸日光"或"把红帽子换成浅蓝色天鹅绒"。
• 要写实用摄影语言：想要照片感，就提镜头、光线和取景。"50mm 镜头、柔和日光、浅景深"比泛泛地说"高质量"更接近真实摄影。
• 锁定不该变的部分：编辑时明确说出必须保持不变的东西。"只改光照，保留人物的脸、姿态和衣服"能挡住不想要的改动。
• 文字加引号：要让图中的文字可读，就把原文放进引号里，并描述字体。"粗体无衬线、居中、高对比"有助于保证可读性。
• 小步迭代：先出底图，然后一次只改一处，而不是全部重写。
• 多图要标清关系：输入多张图时用编号标注，并说明它们的关系。"把图 1 的风格用到图 2 的主体上。"

透明背景

要透明背景，把 background 设为 transparent、output_format 设为 png（或 webp）。这样得到的是真正的 alpha 通道，适合 Logo、贴纸、产品抠图。JPEG 存不了透明，选 jpeg 时背景会退化成不透明。

输入参数

• prompt：你想生成什么，或者要怎么编辑输入图
• input_images：一张或多张参考图（用于编辑或合成）
• aspect_ratio：1:1（方）、3:2（横）、2:3（竖）
• quality：low / medium / high / auto —— 越低越快越便宜
• number_of_images：一次最多生成 10 张
• output_format：webp（默认）/ png / jpeg