A képgenerálási API 2026-ban
Ezen az oldalon
Frissítve: 2026. november 2. – Képmodellek. A
gpt-image-1modellt, amelyre ezt a tananyagot eredetileg írtuk, 2026. október 23-án megszüntették. Emellett agpt-image-1.5, agpt-image-1-miniés achatgpt-image-latestmodellek is kivezetésre kerülnek 2026. december 1-jén. A példák most agpt-image-2.5-sunburstmodellt használják, amely a legmagasabb pontosságot kínálja szerkesztéshez; agpt-image-2.5-flarepedig gyorsabb az általános generálásnál. Mindkét modell támogatja azxhighésmaxminőségi beállításokat is. A GPT Image modellek mindig base64 kódolású képeket adnak vissza: a régebbi DALL·E modellekből ismertresponse_formatparaméter nem támogatott, és eltávolítottuk a kódból. Forrás: Image generation (OpenAI).
A képgenerálási API 2026-ban
A mesterséges intelligenciával történő képgenerálás jelentősen fejlődött. 2026-ban a GPT Image az OpenAI referenciamodellje képek létrehozására és szerkesztésére az API-n keresztül; ez váltja fel a mára elavult DALL·E 2 és DALL·E 3 modelleket. Ha rendelkezel már meglévő kóddal ezekhez a korábbi generációkhoz, tekints rájuk inkább kiindulópontként egy átíráshoz, semmint megtartandó alapnak: a paraméterek, a visszatérési formátumok és különösen a promptmérnöki stratégiák mind megváltoztak.
Ez a lecke bemutatja a jelenlegi ökoszisztémát, a GPT Image képességeit, valamint azt, hogyan fogsz взаимодействовать az API-val ezen tanfolyam során.
Mit változtat meg a GPT Image?
Az első nagy változás a szöveg kezelését érinti. A korábbi generációk közelítő, dekoratív, de olvashatatlan betűket produkáltak; a GPT Image hűséges tipográfiát renderel, így végre életképesek lettek a poszterek, promóciós bannerek és felület-tervrajzok (mockupok) azokban az esetekben, ahol az üzenet ugyanolyan fontos, mint maga a kép. A második változás a kontextuális megértést érinti: a modell árnyaltan értelmezi az összetett utasításokat, így egy jelenetet, annak megvilágítását és keretezését leíró, több mondatos prompt koherens eredményt yield, nem pedig kulcsszavak kollázsát.
Ezt követi a natív szerkesztés. Többé nem kell rendszeresen üres lapról indulnod: a modell képes módosítani egy meglévő képet úgy, hogy kicseréli annak egy belső területét (inpainting), vagy kiterjeszti a képet a határain túl (outpainting). Gyakorlatilag egy tájképfotó egének megváltoztatásához nem kell mindent újratermelni, és ezzel elveszíteni a fő témát. Ehhez járul még a stílusbeli konzisztencia, amely fennmarad a egymást követő generálások során – ez értékes, amikor ugyanahhoz a cikkhez illusztrációk sorozatát készíted –, valamint a többféle felbontási lehetőség a négyzettől az álló és fekvő formátumokig.
A két fő végpont
Az API két módszert tesz elérhetővé, amelyeket a következő leckékben részletesen is megvizsgálsz. Az első szöveges leírás alapján hoz létre egy képet.
import base64
from openai import OpenAI
client = OpenAI()
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="A Breton lighthouse at sunset, watercolor style",
n=1,
size="1024x1024"
)
with open("lighthouse.png", "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
A második módszer egy általad biztosított képet vesz alapul, és csak a maszkkal kijelölt részt generálja újra.
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open("original_photo.png", "rb"),
mask=open("mask.png", "rb"),
prompt="Replace the sky with a starry sky"
)
Telepítés és konfiguráció
Először telepítsd a hivatalos SDK-t.
pip install openai
Ezután helyezd el az API-kulcsodat egy .env fájlban, soha ne hardkódold a szkriptedbe: egy megosztott szkript vagy egy tárolóba feltöltött fájl暴露zná a kulcsodat.
OPENAI_API_KEY=sk-your-api-key
A kliens ezután automatikusan betölti ezt indításkor, anélkül, hogy argumentumként át kellene adnod.
import os
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI() # automatically uses OPENAI_API_KEY
Modell és árazás
A jelenlegi modellek a gpt-image-2.5-sunburst, amely a legpontosabb szerkesztéshez, és a gpt-image-2.5-flare, amely gyorsabb az általános generálásnál; a gpt-image-1 modellt, amelyre ezt a tananyagot eredetileg írtuk, 2026. október 23-án megszüntették. Íme azok a jellemzők, amelyekkel folyamatosan dolgozni fogsz.
| Paraméter | Érték |
|---|---|
| Modell | gpt-image-2.5-sunburst vagy gpt-image-2.5-flare |
| Felbontások | 1024×1024, 1024×1536, 1536×1024 ajánlott; egyedi méretek lehetségesek (16 többszörösei, oldalanként legfeljebb 3840 pixelig) |
| Minőségek | low, medium, high, xhigh, max, auto (alapértelmezett) |
| Kimeneti formátumok | Base64 kódolású kép, PNG (alapértelmezett), JPEG vagy WebP |
| Árazás | Tokenenként, a minőségtől és mérettől függően változik |
Tartsd észben egy pontot, ami meglepi a DALL·E veteránokat: a GPT Image modellek soha nem adnak vissza URL-t, mindig egy base64 kódolású képet. Dekódold és azonnal mentsd el a fájlt generálás után; az alkalmazásod ezt a fájlt tárolja és szolgálja ki, nem az API választ.
Amit tanulni fogsz
A tanfolyam négy szakaszban halad. Először a GPT Image alapjaival ismerkedsz meg az API-n keresztül – generálás és szerkesztés –, majd áttérsz a konkrét használati esetekre az e-kereskedelemben, a marketingben és a tervezésben. A haladó technikák megtanítanak majd komplex vizuális promptok összeállítására és a generálás integrálására több eszközös munkafolyamatokba (multi-tool pipelines). Az utolsó rész a éles környezetbe való telepítést (production deployment) fedi le, beleértve a költségek optimalizálását és a tartalommoderálást. Minden lecke tartalmaz futtatható Python kódot.
Mielőtt továbbmennél, ellenőrizd, hogy a környezeted készen áll. Futtasd ezt a minimális szkriptet: ha megjelenik egy képfájl, akkor a kulcsod érvényes, az SDK helyesen van telepítve, és továbbléphetsz a következő leckére.
import base64
from openai import OpenAI
client = OpenAI()
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="A ginger cat sitting on a pile of books, realistic photo",
n=1,
size="1024x1024",
quality="medium"
)
with open("cat.png", "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print("Image generated: cat.png")