Redaguoti esamus vaizdus (įpiešimas, išpiešimas)
Šiame puslapyje
Atnaujinta 2026 m. lapkričio 2 d. — Vaizdų modeliai.
gpt-image-1, modelis, kuriam iš pradžių buvo skirtas šis kursas, buvo panaikintas 2026 m. spalio 23 d.. Be to,gpt-image-1.5,gpt-image-1-miniirchatgpt-image-latestbus nutraukti 2026 m. gruodžio 1 d.. Pavyzdžiuose dabar naudojamasgpt-image-2.5-sunburst, kuris užtikrina didžiausią tikslumą redaguojant;gpt-image-2.5-flareyra greitesnis bendram generavimui. Abu modeliai taip pat palaikoxhighirmaxkokybės nustatymus. GPT vaizdų modeliai visada grąžina vaizdus base64 formatu:response_formatparametras, naudotas senesniuose DALL·E modeliuose, daugiau nepriimamas ir buvo pašalintas iš kodo. Šaltinis: Vaizdų generavimas (OpenAI).
Esamų vaizdų redagavimas
Metodas client.images.edit() modifikuoja esamą vaizdą naudodamas kaukę, kuri apibrėžia sritį, kurią reikia sugeneruoti iš naujo. Tai sukuria du skirtingus naudojimo atvejus, kuriuos verta tiksliai įvardyti, nes jiems reikia skirtingų kaukių. Įpiešimas (inpainting) užpildo arba pakeičia vidinę sritį – pavyzdžiui, gali pakeisti dangų kraštovaizdyje, kompiuterio ekraną arba sienos spalvą. Tuo tarpu išpiešimas (outpainting) pratęsia vaizdą už jo originalių ribų, pavyzdžiui, paversdamas kvadratinį portretą į panoraminį banerį.
Kaip veikia kaukė
Kaukė yra PNG formato vaizdas, turintis tokius pačius matmenis kaip ir šaltinio vaizdas. Permatomos sritys (alfa = 0) nurodo, kur modelis turi sugeneruoti naują turinį; nepermatomos sritys lieka nepaliestos. Ši taisyklė iš pirmo žvilgsnio gali pasirodyti nelogiška: natūralu norėti „nudažyti“ tai, ką norite pakeisti, tačiau iš tikrųjų kaukėje turite iškirpti skylę. Pats API užklausos vykdymas lieka paprastas – reikia tik dviejų failų ir aprašymo, kas turi atsirasti.
import base64
from openai import OpenAI
client = OpenAI()
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open("desk_photo.png", "rb"),
mask=open("desk_mask.png", "rb"),
prompt="A computer screen displaying a modern analytics dashboard"
)
with open("edited_desk.png", "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
Tau nereikia grafinio redaktoriaus šiai kaukei sukurti. Pillow gali ją sugeneruoti vos keliomis eilutėmis: pradėk nuo visiškai nepermatomo sluoksnio, atitinkančio šaltinio matmenis, tada nubrėžk formą, kurią nori padaryti permatomą. Toliau pateiktas scenarijus sukuria stačiakampį langą vaizdo centre.
from PIL import Image, ImageDraw
# Įkelkite šaltinio vaizdą, kad gautumėte jo matmenis
source = Image.open("desk_photo.png")
width, height = source.size
# Sukurkite visiškai nepermatomą kaukę (juodą)
mask = Image.new("RGBA", (width, height), (0, 0, 0, 255))
draw = ImageDraw.Draw(mask)
# Nubrėžkite permatomą sritį (sritį, kurią reikia redaguoti)
# Stačiakampis vaizdo centre
x1, y1 = width // 4, height // 4
x2, y2 = 3 * width // 4, 3 * height // 4
draw.rectangle([x1, y1, x2, y2], fill=(0, 0, 0, 0))
mask.save("desk_mask.png")
print(f"Kaukė sukurta: {width}x{height}, redaguojama sritis centre")
Įpiešimas: elemento pakeitimas
Kartojant šią operaciją, prasminga suvienyti kaukės kūrimą ir API užklausą į vieną funkciją, parametrizuotą pagal modifikuojamą sritį. Užklausa (prompt) tada turėtų aprašyti tik turinį, tikėtiną kaukės viduje, niekada – likusią vaizdo dalį. Toliau pateiktame pavyzdyje ši funkcija taikoma kraštovaizdžio nuotraukai, modifikuojant tik viršutinius 400 pikselių – dangų – suteikiant jam audringą atmosferą.
from openai import OpenAI
from PIL import Image, ImageDraw
import base64
client = OpenAI()
def inpaint_region(image_path, region, prompt, output_path):
"""
Pakeisti stačiakampę sritį vaizde.
region: tuple (x1, y1, x2, y2) pikseliais
"""
# Sukurti kaukę
source = Image.open(image_path)
mask = Image.new("RGBA", source.size, (0, 0, 0, 255))
draw = ImageDraw.Draw(mask)
draw.rectangle(region, fill=(0, 0, 0, 0))
mask.save("temp_mask.png")
# Iškvieti API
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open(image_path, "rb"),
mask=open("temp_mask.png", "rb"),
prompt=prompt
)
# Išsaugoti rezultatą
with open(output_path, "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print(f"Redaguotas vaizdas išsaugotas: {output_path}")
# Pavyzdys: pakeisti dangų kraštovaizdžio nuotraukoje
inpaint_region(
image_path="landscape.png",
region=(0, 0, 1024, 400), # Viršutinė dalis = dangus
prompt="Dramatic sky with purple storm clouds at sunset",
output_path="landscape_sky_edited.png"
)
Išpiešimas: vaizdo išplėtimas
Vaizdo didinimas reikalauja papildomo žingsnio, nes API negali generuoti turinio „šalia“ failo tiesiogiai. Pirmiausia turi sukurti didesnį drobę, į ją įklijuoti originalą ir pateikti kaukę, kuri apsaugo tiksliai tą sritį, kurią užima originalas. Visa logika remiasi naujų matmenų ir įklijavimo pozicijos apskaičiavimu pagal pageidaujamą kryptį.
from openai import OpenAI
from PIL import Image
import base64
from io import BytesIO
client = OpenAI()
def outpaint(image_path, direction, extra_pixels, prompt, output_path):
"""
Išplėsti vaizdą nurodyta kryptimi.
direction: 'right', 'bottom', 'left', 'top'
extra_pixels: pridedamų pikselių skaičius
"""
source = Image.open(image_path).convert("RGBA")
w, h = source.size
# Apskaičiuoti naujus matmenis
if direction == "right":
new_size = (w + extra_pixels, h)
paste_pos = (0, 0)
elif direction == "bottom":
new_size = (w, h + extra_pixels)
paste_pos = (0, 0)
elif direction == "left":
new_size = (w + extra_pixels, h)
paste_pos = (extra_pixels, 0)
elif direction == "top":
new_size = (w, h + extra_pixels)
paste_pos = (0, extra_pixels)
# Sukurti išplėstą drobę (permatoma = generuotina sritis)
extended = Image.new("RGBA", new_size, (0, 0, 0, 0))
extended.paste(source, paste_pos)
# Kaukė: permatoma visur, išskyrus ten, kur įdėtas originalus vaizdas
mask = Image.new("RGBA", new_size, (0, 0, 0, 0))
opaque = Image.new("RGBA", (w, h), (0, 0, 0, 255))
mask.paste(opaque, paste_pos)
# Laikinai išsaugoti
extended.save("temp_extended.png")
mask.save("temp_mask_outpaint.png")
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open("temp_extended.png", "rb"),
mask=open("temp_mask_outpaint.png", "rb"),
prompt=prompt
)
with open(output_path, "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print(f"Išplėstas vaizdas išsaugotas: {output_path}")
# Išplėsti portretą į dešinę
outpaint(
image_path="portrait.png",
direction="right",
extra_pixels=512,
prompt="Natural continuation of the scene, same lighting and background",
output_path="portrait_extended.png"
)
Atkreipk dėmesį į išplėtimo užklausos formulavimą: „natūralus scenos tęsinys, tas pats apšvietimas ir fonas“. Išpiešimo metu tu neaprašai naujo objekto; tu prašai modelio pratęsti tai, ką jis jau mato. Per daug kūrybinga užklausa sukurtų matomą siūlę tarp originalo ir pridėtos srities.
Iteracinis redagavimas
Niekas netrukdo grandinine tvarka atlikti kelis to paties vaizdo redagavimus, naudojant kiekvieną išvestį kaip įvestį kitam žingsniui. Tai patikimiausias būdas sukurti sudėtingą kompoziciją: pirmiausia tvarkyk foną, tada priekinį planą, kiekvienam etapui naudodamas atskirą kaukę, užuot tikėjęsis, kad viena užklausa išspręs viską vienu metu.
import base64
from openai import OpenAI
client = OpenAI()
def edit_step(image_path, mask_path, prompt, output_path):
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open(image_path, "rb"),
mask=open(mask_path, "rb"),
prompt=prompt
)
with open(output_path, "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
return output_path
# 1 žingsnis: modifikuoti foną
step1 = edit_step(
"scene.png", "mask_background.png",
"Lush tropical forest background",
"scene_step1.png"
)
# 2 žingsnis: pridėti elementą į priekinį planą
step2 = edit_step(
step1, "mask_foreground.png",
"A colorful macaw parrot perched on a branch",
"scene_step2.png"
)
print(f"Galutinis rezultatas: {step2}")
Pagrindiniai apribojimai
Keturi techniniai reikalavimai lemia užklausos sėkmę. Pažeidus bet kurį iš jų, gaunama momentinė klaida, o ne prastesnės kokybės rezultatas.
- Šaltinio vaizdas ir kaukė turi turėti tuos pačius matmenis
- Abu failai turi būti PNG formato
- Maksimalus vieno failo dydis yra 4 MB
- Kaukė naudoja alfa kanalą redaguojamoms sritims apibrėžti
Prie šių apribojimų pridėtinas vienas empirinis stebėjimas: rezultatai yra nuoseklesni, kai kaukės uždengta sritis sudaro mažiau nei 50 % vaizdo. Viršijus šią ribą, modeliui lieka per mažai konteksto tinkamam suliejimui, ir dažnai geresnių rezultatų pasieksi padalijęs modifikavimą į du nuoseklius redagavimus.
Praktiškai tai išbandyk su savo darbo stalo nuotrauka arba bet kuriuo laisvai naudojamu vaizdu: parašyk scenarijų, kuris automatiškai sugeneruoja kaukę viršutiniame vaizdo ketvirtyje, pakeičia tą sritį žvaigždėtu dangumi ir išsaugo rezultatą lokaliai.