圖像生成的新時(shí)代，來(lái)了。這一次，不再只是“藝術(shù)家用AI玩玩”，而是每一個(gè)開(kāi)發(fā)者，都能把視覺(jué)魔法裝進(jìn)自己的App里。

今天OpenAI正式開(kāi)放圖像生成API接口，背后搭載的是他們新一代的多模態(tài)模型——gpt-image-1，也就是ChatGPT背后的GPT-4o的“畫(huà)畫(huà)腦”。

全場(chǎng)景通吃的“畫(huà)圖神器”，終于開(kāi)放！

自從 GPT-4o 上線圖像生成功能以來(lái)，僅一周時(shí)間，全球 1.3 億用戶就擼出了 7 億+ 張圖，風(fēng)格橫跨動(dòng)漫、寫(xiě)實(shí)、童話、賽博、扁平……應(yīng)有盡有，直接刷爆社媒，還順手把服務(wù)器都卷出了熱浪。

撇開(kāi)吉卜力的風(fēng)格不談，OpenAI 的這款模型本質(zhì)上靠的不是情懷，而是精準(zhǔn)提示遵循能力碾壓行業(yè)平均線。相比之下，Midjourney V7雖然更新了草圖模式，但在畫(huà)面一致性和上下文理解上，還是差了一截。

不過(guò)，這些“魔法般的體驗(yàn)”一直只對(duì)C端用戶開(kāi)放，企業(yè)和開(kāi)發(fā)者早就嗷嗷待哺。今天，API終于來(lái)了。

從此，不止你會(huì)玩，你的產(chǎn)品也能會(huì)畫(huà)圖了。

開(kāi)發(fā)者最愛(ài)：靈活、精細(xì)，還能按需定制

這個(gè) API 有多香？簡(jiǎn)單列幾個(gè)關(guān)鍵點(diǎn)你就懂了：

• ?風(fēng)格豐富：不管是吉卜力、賽博朋克、低多邊形還是寫(xiě)實(shí)風(fēng)，一句話就能調(diào)出你要的感覺(jué)；最高支持1536×1024 像素；

• ?文字嵌圖很精準(zhǔn)：英文效果非常穩(wěn)，中文偶爾還會(huì)翻車(chē)，但已經(jīng)比老一代模型進(jìn)步不少；

• ?上下文記得牢：能連續(xù)對(duì)話、迭代創(chuàng)作，不用從頭再說(shuō)一遍；

• ?參數(shù)自由調(diào)：尺寸、顏色、透明度全都可以微調(diào)，想要透明底？直接支持！

• ?格式全家桶：PNG、JPEG、WebP全都支持，最大單圖 20MB，輸出夠靈活；

此外，圖像 API 提供了兩種核心能力：

• 生成圖像：根據(jù)文本提示從零開(kāi)始畫(huà)；

• ??編輯圖像：上傳已有圖片，用新提示局部或整體修改。

甚至支持超長(zhǎng) Prompt（最多 32000 字符）——比 DALL·E 那代直接高一個(gè)量級(jí)，真·能聽(tīng)你說(shuō)廢話也不煩。

一句話總結(jié)：不會(huì)畫(huà)畫(huà)也沒(méi)關(guān)系，用它你就是“下一代視覺(jué)設(shè)計(jì)師”。

開(kāi)發(fā)者上手示例（Python + OpenAI SDK）

GPT-Image-1 的 API 不僅支持自定義尺寸、風(fēng)格、透明度輸出，還支持一次生成多張圖（n參數(shù)最多支持10張）。下面是一個(gè)用 Python 快速生成圖片并保存的完整示例：

from openai import OpenAI
import base64
client = OpenAI()
prompt = """
A children's book drawing of a veterinarian using a stethoscope
to listen to the heartbeat of a baby otter.
"""
result = client.images.generate(
    model="gpt-image-1",
    prompt=prompt
)
image_base64 = result.data[0].b64_json
image_bytes = base64.b64decode(image_base64)
with open("otter.png", "wb") as f:
    f.write(image_bytes)

生成的圖如下：

除了會(huì)“憑空造圖”，它還能修圖、模仿、套圖，連“視覺(jué)小工”都不放過(guò)

圖像編輯 & 參考生圖：不僅會(huì)畫(huà)，還會(huì)改、會(huì)學(xué)

除了從零開(kāi)始生成圖像，GPT-image-1 還支持一整套強(qiáng)大的圖像編輯與參考生圖能力，讓它真正具備“創(chuàng)作 + 修圖 + 模仿”的多棲能力：

• ??編輯已有圖像：你可以上傳一張圖片，再加上新的 Prompt，讓它在原圖基礎(chǔ)上進(jìn)行整體重繪或細(xì)節(jié)調(diào)整；

• 局部修復(fù)（inpainting）：上傳圖像 + 遮罩，精準(zhǔn)替換特定區(qū)域，修人臉、補(bǔ)背景、去水印都不在話下；

• ?參考圖生成（image reference）：上傳一張或多張參考圖，AI會(huì)從中提取風(fēng)格、結(jié)構(gòu)或物體特征，生成融合參考內(nèi)容的新圖像。

舉個(gè)例子：你上傳 4 張圖片，然后告訴 AI “給我生成一張禮品籃，里面放這些東西”——它就能自動(dòng)組合成圖，從“會(huì)畫(huà)”進(jìn)化到“懂組合”。

import base64
from openai import OpenAI
client = OpenAI()
prompt = """
Generate a photorealistic image of a gift basket on a white background 
labeled 'Relax & Unwind' with a ribbon and handwriting-like font, 
containing all the items in the reference pictures.
"""
result = client.images.edit(
    model="gpt-image-1",
    image=[
        open("body-lotion.png", "rb"),
        open("bath-bomb.png", "rb"),
        open("incense-kit.png", "rb"),
        open("soap.png", "rb"),
    ],
    prompt=prompt
)
image_base64 = result.data[0].b64_json
image_bytes = base64.b64decode(image_base64)
# Save the image to a file
with open("gift-basket.png", "wb") as f:
    f.write(image_bytes)

GPT-image-1 的 API 計(jì)費(fèi)方式分得非常細(xì)，按token 數(shù)量來(lái)算，具體如下：

• 文本輸入（你寫(xiě)的Prompt）：100 萬(wàn) token = $5

• ?圖像輸入（如果你上傳一張圖給它參考）：100 萬(wàn) token = $10

• 圖像輸出（生成出來(lái)的圖）：100 萬(wàn) token = $40

換句話說(shuō)，按圖像大小和質(zhì)量估算，單張圖的價(jià)格大致如下：

• 低質(zhì)量圖：$0.02（適合快速迭代、草圖階段）

• ??中質(zhì)量圖：$0.07（大多數(shù)日常使用都?jí)蛴茫?/p>

• 高質(zhì)量圖：$0.19（用于商業(yè)發(fā)布、印刷級(jí)別）

雖然單價(jià)看上去比一些競(jìng)品略高，但考慮到它的圖文精準(zhǔn)度、上下文保持能力和圖像一致性，可以說(shuō)——貴得有理，用得值。

這次圖像API的發(fā)布，意味著AI繪圖不再是“炫技”或者“玩票”，而是真正走入產(chǎn)品、走進(jìn)工作流、服務(wù)創(chuàng)意生產(chǎn)。

在AI繼續(xù)改變內(nèi)容創(chuàng)作的時(shí)代，這一步，不僅是技術(shù)跨越，更是創(chuàng)意行業(yè)的一次解放。

想讓你的產(chǎn)品會(huì)畫(huà)圖？來(lái) OpenAI 開(kāi)發(fā)者平臺(tái)逛逛 platform.openai.com

本文由「AI 范兒」出品

我每天都在更新，如果你覺(jué)得這些內(nèi)容對(duì)你有用，

那我們就加個(gè)關(guān)注、交個(gè)朋友。