Przejdź do głównej treści
Polski— Wybierz język
Menu

Punkt końcowy /v1/images/edits: Edytuj swoje obrazy

Lekcja 5 z 14 Zaktualizowano 2 listopada 2026 Początkujący
Na tej stronie
  1. Edycja obrazów za pomocą Grok API
  2. Struktura żądania edycji
  3. Dlaczego używać biblioteki requests zamiast OpenAI SDK?
  4. Parametry punktu końcowego edycji
  5. Rodzaje możliwych edycji
  6. Ćwiczenia praktyczne
  7. Kluczowe wnioski

Zaktualizowano 2 listopada 2026 r. — Imagine. Model grok-imagine-image-quality został usunięty 2 listopada 2026 r. (jego żądania są obsługiwane przez Imagine 2.0 w jakości low): przykłady wykorzystują teraz grok-imagine-image (Imagine 1.0) oraz grok-imagine-image-2.0 (Imagine 2.0, jakość low, medium lub auto). W przypadku korzystania z OpenAI SDK parametry aspect_ratio, resolution i quality przesyła się przez extra_body, a edycja wymaga użycia xAI SDK lub bezpośredniego żądania HTTP.

Edycja obrazów za pomocą Grok API

Poza generowaniem, API xAI oferuje dedykowany punkt końcowy do edycji istniejących obrazów: POST /v1/images/edits. Umożliwia on modyfikację, przekształcanie lub ulepszanie obrazów poprzez opisanie pożądanych zmian w prostym poleceniu tekstowym (prompcie).

5
Maksymalna liczba obrazów źródłowych
2
Formaty wejściowe
JSON
Wymagany Content-Type
∞
Liczba rund edycji

Struktura żądania edycji

Edycja działa podobnie do generowania, z jedną kluczową różnicą, która zmienia sposób tworzenia promptów: prompt opisuje modyfikację, a nie finalny obraz. Polecenie „kobieta w okularach przeciwsłonecznych“ wygeneruje całkowicie nowy obraz, podczas gdy „dodaj okulary przeciwsłoneczne“ zachowa oryginalne zdjęcie i wprowadzi zmiany tylko w tym zakresie. To najczęstszy błąd przy pierwszej próbie, który odpowiada za większość rozczarowujących rezultatów.

import requests
import os

headers = {
    "Authorization": f"Bearer {os.getenv('XAI_API_KEY')}",
    "Content-Type": "application/json"
}

payload = {
    "model": "grok-imagine-image",
    "prompt": "Dodaj czerwony kapelusz postaci",
    "image": {
        "url": "https://exemple.com/photo-personnage.jpg"
    }
}

response = requests.post(
    "https://api.x.ai/v1/images/edits",
    headers=headers,
    json=payload
)

result = response.json()
edited_url = result["data"][0]["url"]

Dlaczego używać biblioteki requests zamiast OpenAI SDK?

Oto techniczna pułapka tej lekcji, o której warto wiedzieć, zanim zmarnujesz na to godzinę: kompatybilność z OpenAI SDK, która działa perfekcyjnie przy generowaniu, kończy się na edycji. Punkt końcowy edycji xAI korzysta z formatu JSON, podczas gdy metoda images.edit() w SDK wysyła dane jako multipart/form-data. Ta niezgodność typów treści oznacza, że do edycji musisz użyć bezpośrednio interfejsu REST za pomocą biblioteki requests.

# NIE DZIAŁA z API xAI
# client.images.edit(...)  # Wysyła multipart, a nie JSON

# DZIAŁA: bezpośrednie wywołanie REST
requests.post(
    "https://api.x.ai/v1/images/edits",
    headers=headers,
    json=payload
)

Parametry punktu końcowego edycji

  • model (wymagane): grok-imagine-image (Imagine 1.0) lub grok-imagine-image-2.0 (Imagine 2.0, który akceptuje również parametr quality)
  • prompt (wymagane): opis modyfikacji do zastosowania
  • image: obiekt zawierający URL pojedynczego obrazu źródłowego
  • images: tablica obiektów dla wielu obrazów źródłowych (wzajemnie wykluczająca się z image)
  • mask: obiekt zawierający URL maski obszaru do edycji
  • n: liczba wariantów do wygenerowania (od 1 do 10)
  • response_format: url lub b64_json

Rodzaje możliwych edycji

Poniższych pięć kategorii nie charakteryzuje się takim samym wskaźnikiem sukcesu, co warto wiedzieć przed obiecaniem konkretnego rezultatu. Dodawanie elementów i zmiana atmosfery działają bardzo dobrze, ponieważ opierają się na istniejącej treści. Usuwanie jest trudniejsze – model musi zrekonstruować to, co znajdowało się za usuniętym elementem – i tutaj maska staje się niezbędna, precyzyjnie wyznaczając obszar do przeliczenia.

  • Dodawanie elementów: „Dodaj postaci okulary przeciwsłoneczne“
  • Usuwanie: „Usuń tło i zastąp je białym tłem“
  • Transformacja stylu: „Przekształć to zdjęcie w ilustrację akwarelową“
  • Modyfikacja atmosfery: „Zmień scenę z dnia na noc“
  • Korekta: „Popraw oświetlenie i zwiększ kontrast“
# Przykład: zmiana stylu obrazu
payload = {
    "model": "grok-imagine-image",
    "prompt": "Przekształć to zdjęcie w ilustrację w stylu komiksu franko-belgijskiego",
    "image": {
        "url": "https://exemple.com/photo-ville.jpg"
    }
}

Ćwiczenia praktyczne

Spróbuj edytować obraz w kilku krokach. Zacznij od prostej modyfikacji, a następnie dopracuj wynik:

# Krok 1: modyfikacja tła
payload_step1 = {
    "model": "grok-imagine-image",
    "prompt": "Zastąp tło zachodem słońca nad oceanem",
    "image": {"url": "https://exemple.com/portrait.jpg"}
}

Kluczowe wnioski

  • Punkt końcowy edycji to POST /v1/images/edits
  • W Pythonie używaj biblioteki requests, a nie OpenAI SDK (niezgodność formatów)
  • Możesz dostarczyć do 5 obrazów źródłowych na jedno żądanie
  • Prompt opisuje pożądaną modyfikację w języku naturalnym
  • Dostępne są oba modele (Imagine 1.0 i Imagine 2.0) do edycji; w przypadku OpenAI SDK metoda images.edit() nie jest obsługiwana przez xAI: użyj xAI SDK lub żądania HTTP