پرش به محتوا

ساخت تصویر

ساخت تصویر از توصیف متنی با مدل‌های GPT Image: اندازه‌ها و کیفیت‌های مجاز، تأثیرشان بر قیمت، ذخیرهٔ خروجی base64 و نوشتن پرامپت خوب.

بازبینی: ۸ مهر ۱۴۰۵ ۴ دقیقه مطالعه

با POST /images/generations از روی توصیف متنی تصویر می‌سازید: تصویر شاخص مقاله، بنر، طرح محصول، آیکون. مدل‌های ساخت تصویر گیسو از خانوادهٔ GPT Image هستند؛ فهرست کامل با GET /models?type=image می‌آید.

POSThttps://gisoo.pro/api/v1/images/generations

نمونه#

curl https://gisoo.pro/api/v1/images/generations \
  -H "Authorization: Bearer $GISOO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-1-mini",
    "prompt": "Flat illustration of a Persian tea glass on a wooden table, warm morning light, no text",
    "size": "1024x1024",
    "quality": "medium"
  }' | jq -r '.data[0].b64_json' | base64 --decode > tea.png

خروجی همیشه به شکل base64 در data[].b64_json می‌آید و نشانی اینترنتی (URL) برنمی‌گردد؛ فایل را همان لحظه ذخیره کنید. گیسو تصویرهای ساخته‌شده با API را نگه نمی‌دارد.

پارامترها#

model string الزامی
مدل تصویر؛ مثل gpt-image-1-mini.
prompt string الزامی
توصیف تصویر. انگلیسی معمولاً دقیق‌تر دنبال می‌شود؛ متنی که باید داخل تصویر نوشته شود را داخل گیومه بیاورید.
size string
اندازه؛ مقدارهای مجاز هر مدل در capabilities.sizes آن آمده است. رایج: 1024x1024، 1024x1536 (عمودی)، 1536x1024 (افقی).
quality string
low، medium یا high؛ مدل‌های تازه‌تر سطح‌های بالاتر هم دارند (capabilities.quality). کیفیت بالاتر توکن خروجی بیشتری می‌برد.
n integer
تعداد تصویر در یک درخواست؛ ۱ تا ۱۰. هزینه به همان نسبت بالا می‌رود.
background string
transparent برای پس‌زمینهٔ شفاف (با خروجی png یا webp).
output_format string
png، jpeg یا webp.

پس‌زمینهٔ شفاف#

Python background: transparent
result = client.images.generate(
    model="gpt-image-1-mini",
    prompt="A minimal gold coffee-cup icon, centered",
    size="1024x1024",
    quality="high",
    background="transparent",   # PNG with alpha — for logos and stickers
    output_format="png",
)

هزینه#

مدل‌های GPT Image توکنی قیمت دارند: توکن‌های متن توصیف (ورودی) و توکن‌های خود تصویر (خروجی). اندازه و کیفیت بزرگ‌تر یعنی توکن خروجی بیشتر. تعداد دقیق در usage پاسخ می‌آید و هزینه از همان حساب می‌شود. پیش از درخواست، برای هر تصویر مبلغی به‌اندازهٔ یک تصویر کیفیت بالا کنار گذاشته می‌شود و بعد از پاسخ، فقط هزینهٔ واقعی کم می‌شود.

اول ارزان، بعد نهایی

ایده‌ها را با quality: "low" امتحان کنید و فقط برای نسخهٔ نهایی کیفیت را بالا ببرید. تصویر پیش‌نویس کسری از هزینهٔ تصویر نهایی را دارد.

نوشتن توصیف خوب#

  • موضوع، سبک، نور، قاب: «a flat illustration»، «soft studio light»، «top-down view».
  • چیزی که نمی‌خواهید را بگویید: «no text»، «no watermark».
  • متن فارسی داخل تصویر هنوز برای مدل‌ها سخت است و ممکن است حروف به‌هم‌ریخته شوند. متن را بعداً با ابزار طراحی روی تصویر بگذارید.
  • برای تصویری که باید در چند اندازه تکرار شود، همان توصیف را نگه دارید و فقط size را عوض کنید.
سیاست محتوایی

سازندهٔ مدل درخواست‌هایی را که با سیاست محتوایی‌اش جور نیست رد می‌کند (خطای 400 upstream_rejected). درخواست ردشده هزینه‌ای ندارد.

پاسخ پرسشتان را پیدا نکردید؟

شناسهٔ درخواست (هدر X-Request-Id) را با پرسشتان در تیکت بفرستید تا دقیق بررسی کنیم.

تیکت پشتیبانی