GPT Image 2 er OpenAIs modell for bildegenerering og bilderedigering fra tekst og visuelle inndata. Den lager et nytt bilde fra en skriftlig oppdragsbeskrivelse og kan bruke kildebilder til redigering eller referansestyrt arbeid. Praktiske oppgaver omfatter illustrasjoner, produktkonsepter, visuelle komposisjoner og endringer av eksisterende bildemateriell. Den er en egen utgave, adskilt fra GPT Image 2.5-modellene Sunburst og Flare, med sitt eget kvalitetsspenn og sin egen oppførsel for detaljbevaring i inndata.
Ved generering bør du beskrive motiv, scene, komposisjon, lys og tiltenkt stil. Ved redigering bør du angi hva som skal endres, og hva som skal beholde utseendet sitt. En produktbeskrivelse kan be om en lampe i keramikk på en lys flate med sentrert silhuett og plass til en bildetekst; en senere redigering kan endre bakgrunnen mens lampens form og synsvinkel bevares. De dokumenterte direkte genererings- og redigeringsflytene tar imot prompter på opptil 32 000 tegn og kan returnere ett til ti bilder.
Referanseredigering tar imot opptil seksten inndatabilder. Angi formålet med hver referanse, slik at motiv, bakgrunn og visuell behandling ikke blandes sammen. GPT Image 2 behandler automatisk alle bildeinndata med høy detaljbevaring; input_fidelity skal utelates fordi den ikke kan justeres i denne utgaven. Dette skiller seg fra valget mellom high og low i GPT Image 1 og inndatamodusen med bare low i GPT Image 1 Mini. Behandling av inndata med høy detaljbevaring støtter kildedetaljer uten å garantere at hver detalj gjengis uendret.
En maske kan angi området som skal redigeres. Kildebildet og masken må ha samme format og dimensjoner og være under 50 MB i henhold til veiledningens klargjøringskrav; masken trenger også en alfakanal. Hvis flere inndatabilder legges ved, gjelder maskeringen det første. Modellen behandler masken som promptbasert veiledning, ikke som en streng geometrisk grense. Beskriv den lokale endringen og bevaringskravene, og undersøk deretter området rundt for utilsiktede forskjeller.
GPT Image 2 støtter kvalitetene low, medium, high og auto, med auto som standard. 2.5-familiens innstillinger xhigh og max er ikke en del av denne utgavens kvalitetsspenn. Størrelsen kan være kvadratisk, liggende, stående, automatisk eller en gyldig egendefinert bredde og høyde. Produsentens eksempler omfatter 1024 × 1024, 1536 × 1024, 1024 × 1536, 2048 × 2048, 2048 × 1152, 3840 × 2160 og 2160 × 3840 piksler. Velg retning og detaljnivå for den faktiske layouten, i stedet for å behandle kvalitet og dimensjoner som samme kontroll.
Egendefinerte dimensjoner må være multipler av seksten piksler, med en lengste side på høyst 3840 piksler, et forhold mellom lang og kort side på høyst 3:1 og et areal fra 655 360 til 8 294 400 piksler. Disse vilkårene gjelder samtidig. Oppløsninger over 2560 × 1440 er merket som eksperimentelle. Et bildeformat som oppfyller én regel, kan fortsatt bryte en annen, så velg et støttet dimensjonspar og beskriv de beskjæringsfølsomme elementene i oppdragsbeskrivelsen.
Utdata er PNG som standard, med JPEG eller WebP også tilgjengelig. Komprimering fra 0 til 100 støttes for JPEG og WebP. Bakgrunnen kan være ugjennomsiktig eller automatisk; den konkrete gjeldende referansen beskriver gjennomsiktighet i GPT Image 2 som en forhåndsversjonsfunksjon. Når du ber om gjennomsiktighet, bør du bruke PNG eller WebP, slik at en alfakanal kan beholdes. Den dokumenterte strømmeflyten tillater opptil tre delbilder før det ferdige bildet; lagre sluttfilen, ikke en fremdriftsvisning. Produsentens grensesnitt støtter også satsvis behandling.
Vurder tekstens tydelighet, plasseringen av objekter og bevaring av kildedetaljer i det faktiske resultatet. GPT Image kan ha problemer med presis skrift, komposisjoner der layout er avgjørende, og tilbakevendende visuell identitet på tvers av separate genereringer. For en sekvens av redigeringer bør du bruke det valgte resultatet som neste kilde og angi en konkret endring knyttet til et synlig problem. GPT Image 2s nyttige utdata er et bilde knyttet til en tydelig genererings- eller redigeringsbeskrivelse, med inndata med høy detaljbevaring, dimensjoner og kvalitet valgt for den konkrete oppgaven.
", "aboutText": "GPT Image 2 er OpenAIs modell for bildegenerering og bilderedigering fra tekst og visuelle inndata. Den lager et nytt bilde fra en skriftlig oppdragsbeskrivelse og kan bruke kildebilder til redigering eller referansestyrt arbeid. Praktiske oppgaver omfatter illustrasjoner, produktkonsepter, visuelle komposisjoner og endringer av eksisterende bildemateriell. Den er en egen utgave, adskilt fra GPT Image 2.5-modellene Sunburst og Flare, med sitt eget kvalitetsspenn og sin egen oppførsel for detaljbevaring i inndata.\n\nVed generering bør du beskrive motiv, scene, komposisjon, lys og tiltenkt stil. Ved redigering bør du angi hva som skal endres, og hva som skal beholde utseendet sitt. En produktbeskrivelse kan be om en lampe i keramikk på en lys flate med sentrert silhuett og plass til en bildetekst; en senere redigering kan endre bakgrunnen mens lampens form og synsvinkel bevares. De dokumenterte direkte genererings- og redigeringsflytene tar imot prompter på opptil 32 000 tegn og kan returnere ett til ti bilder.\n\nReferanseredigering tar imot opptil seksten inndatabilder. Angi formålet med hver referanse, slik at motiv, bakgrunn og visuell behandling ikke blandes sammen. GPT Image 2 behandler automatisk alle bildeinndata med høy detaljbevaring; input_fidelity skal utelates fordi den ikke kan justeres i denne utgaven. Dette skiller seg fra valget mellom high og low i GPT Image 1 og inndatamodusen med bare low i GPT Image 1 Mini. Behandling av inndata med høy detaljbevaring støtter kildedetaljer uten å garantere at hver detalj gjengis uendret.\n\nEn maske kan angi området som skal redigeres. Kildebildet og masken må ha samme format og dimensjoner og være under 50 MB i henhold til veiledningens klargjøringskrav; masken trenger også en alfakanal. Hvis flere inndatabilder legges ved, gjelder maskeringen det første. Modellen behandler masken som promptbasert veiledning, ikke som en streng geometrisk grense. Beskriv den lokale endringen og bevaringskravene, og undersøk deretter området rundt for utilsiktede forskjeller.\n\nGPT Image 2 støtter kvalitetene low, medium, high og auto, med auto som standard. 2.5-familiens innstillinger xhigh og max er ikke en del av denne utgavens kvalitetsspenn. Størrelsen kan være kvadratisk, liggende, stående, automatisk eller en gyldig egendefinert bredde og høyde. Produsentens eksempler omfatter 1024 × 1024, 1536 × 1024, 1024 × 1536, 2048 × 2048, 2048 × 1152, 3840 × 2160 og 2160 × 3840 piksler. Velg retning og detaljnivå for den faktiske layouten, i stedet for å behandle kvalitet og dimensjoner som samme kontroll.\n\nEgendefinerte dimensjoner må være multipler av seksten piksler, med en lengste side på høyst 3840 piksler, et forhold mellom lang og kort side på høyst 3:1 og et areal fra 655 360 til 8 294 400 piksler. Disse vilkårene gjelder samtidig. Oppløsninger over 2560 × 1440 er merket som eksperimentelle. Et bildeformat som oppfyller én regel, kan fortsatt bryte en annen, så velg et støttet dimensjonspar og beskriv de beskjæringsfølsomme elementene i oppdragsbeskrivelsen.\n\nUtdata er PNG som standard, med JPEG eller WebP også tilgjengelig. Komprimering fra 0 til 100 støttes for JPEG og WebP. Bakgrunnen kan være ugjennomsiktig eller automatisk; den konkrete gjeldende referansen beskriver gjennomsiktighet i GPT Image 2 som en forhåndsversjonsfunksjon. Når du ber om gjennomsiktighet, bør du bruke PNG eller WebP, slik at en alfakanal kan beholdes. Den dokumenterte strømmeflyten tillater opptil tre delbilder før det ferdige bildet; lagre sluttfilen, ikke en fremdriftsvisning. Produsentens grensesnitt støtter også satsvis behandling.\n\nVurder tekstens tydelighet, plasseringen av objekter og bevaring av kildedetaljer i det faktiske resultatet. GPT Image kan ha problemer med presis skrift, komposisjoner der layout er avgjørende, og tilbakevendende visuell identitet på tvers av separate genereringer. For en sekvens av redigeringer bør du bruke det valgte resultatet som neste kilde og angi en konkret endring knyttet til et synlig problem. GPT Image 2s nyttige utdata er et bilde knyttet til en tydelig genererings- eller redigeringsbeskrivelse, med inndata med høy detaljbevaring, dimensjoner og kvalitet valgt for den konkrete oppgaven.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "189a45bcb193469665b75df866615789c11cfd9ae06ee78474b95d67e29ae91f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "gpt-image-2GPT Image 2 genererer og redigerer bilder fra tekst og visuelle referanser. Den støtter fleksible bildedimensjoner og behandler automatisk bildeinndata med høy detaljbevaring, med separate kontroller for kvalitet, format og bakgrunn i sluttfilen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT Image 2 er OpenAIs modell for bildegenerering og bilderedigering fra tekst og visuelle inndata. Den lager et nytt bilde fra en skriftlig oppdragsbeskrivelse og kan bruke kildebilder til redigering eller referansestyrt arbeid. Praktiske oppgaver omfatter illustrasjoner, produktkonsepter, visuelle komposisjoner og endringer av eksisterende bildemateriell. Den er en egen utgave, adskilt fra GPT Image 2.5-modellene Sunburst og Flare, med sitt eget kvalitetsspenn og sin egen oppførsel for detaljbevaring i inndata.
Ved generering bør du beskrive motiv, scene, komposisjon, lys og tiltenkt stil. Ved redigering bør du angi hva som skal endres, og hva som skal beholde utseendet sitt. En produktbeskrivelse kan be om en lampe i keramikk på en lys flate med sentrert silhuett og plass til en bildetekst; en senere redigering kan endre bakgrunnen mens lampens form og synsvinkel bevares. De dokumenterte direkte genererings- og redigeringsflytene tar imot prompter på opptil 32 000 tegn og kan returnere ett til ti bilder.
Referanseredigering tar imot opptil seksten inndatabilder. Angi formålet med hver referanse, slik at motiv, bakgrunn og visuell behandling ikke blandes sammen. GPT Image 2 behandler automatisk alle bildeinndata med høy detaljbevaring; input_fidelity skal utelates fordi den ikke kan justeres i denne utgaven. Dette skiller seg fra valget mellom high og low i GPT Image 1 og inndatamodusen med bare low i GPT Image 1 Mini. Behandling av inndata med høy detaljbevaring støtter kildedetaljer uten å garantere at hver detalj gjengis uendret.
En maske kan angi området som skal redigeres. Kildebildet og masken må ha samme format og dimensjoner og være under 50 MB i henhold til veiledningens klargjøringskrav; masken trenger også en alfakanal. Hvis flere inndatabilder legges ved, gjelder maskeringen det første. Modellen behandler masken som promptbasert veiledning, ikke som en streng geometrisk grense. Beskriv den lokale endringen og bevaringskravene, og undersøk deretter området rundt for utilsiktede forskjeller.
GPT Image 2 støtter kvalitetene low, medium, high og auto, med auto som standard. 2.5-familiens innstillinger xhigh og max er ikke en del av denne utgavens kvalitetsspenn. Størrelsen kan være kvadratisk, liggende, stående, automatisk eller en gyldig egendefinert bredde og høyde. Produsentens eksempler omfatter 1024 × 1024, 1536 × 1024, 1024 × 1536, 2048 × 2048, 2048 × 1152, 3840 × 2160 og 2160 × 3840 piksler. Velg retning og detaljnivå for den faktiske layouten, i stedet for å behandle kvalitet og dimensjoner som samme kontroll.
Egendefinerte dimensjoner må være multipler av seksten piksler, med en lengste side på høyst 3840 piksler, et forhold mellom lang og kort side på høyst 3:1 og et areal fra 655 360 til 8 294 400 piksler. Disse vilkårene gjelder samtidig. Oppløsninger over 2560 × 1440 er merket som eksperimentelle. Et bildeformat som oppfyller én regel, kan fortsatt bryte en annen, så velg et støttet dimensjonspar og beskriv de beskjæringsfølsomme elementene i oppdragsbeskrivelsen.
Utdata er PNG som standard, med JPEG eller WebP også tilgjengelig. Komprimering fra 0 til 100 støttes for JPEG og WebP. Bakgrunnen kan være ugjennomsiktig eller automatisk; den konkrete gjeldende referansen beskriver gjennomsiktighet i GPT Image 2 som en forhåndsversjonsfunksjon. Når du ber om gjennomsiktighet, bør du bruke PNG eller WebP, slik at en alfakanal kan beholdes. Den dokumenterte strømmeflyten tillater opptil tre delbilder før det ferdige bildet; lagre sluttfilen, ikke en fremdriftsvisning. Produsentens grensesnitt støtter også satsvis behandling.
Vurder tekstens tydelighet, plasseringen av objekter og bevaring av kildedetaljer i det faktiske resultatet. GPT Image kan ha problemer med presis skrift, komposisjoner der layout er avgjørende, og tilbakevendende visuell identitet på tvers av separate genereringer. For en sekvens av redigeringer bør du bruke det valgte resultatet som neste kilde og angi en konkret endring knyttet til et synlig problem. GPT Image 2s nyttige utdata er et bilde knyttet til en tydelig genererings- eller redigeringsbeskrivelse, med inndata med høy detaljbevaring, dimensjoner og kvalitet valgt for den konkrete oppgaven.
POST /v1/images/generationstextimage| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-image-2 | Standard— |
Feltprompt | Typestring | KravPåkrevd | Verdier & grenser Minste lengde: 1 | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard1 |
Feltresponse_format | Typestring | KravValgfritt | Verdier & grenser url, b64_json | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltsize | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltquality | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltbackground | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltoutput_format | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltoutput_compression | Typeinteger | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmoderation | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinput_fidelity | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstyle | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltpartial_images | Typeinteger | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Tekst til bilde · Påkrevd: prompt
| Parameter | Avtale |
|---|---|
Parametermaterial_types | Avtaletext |
Parameterrequired | Avtalemodel, prompt |
Parameteroptional_controls | Avtalenull |
Parametercontent_type | Avtaleapplication/json |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.
POST /v1/images/generationsAiloot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\nexport AILOOT_API_KEY\n: "${AILOOT_PROMPT_FILE:?Set your actual UTF-8 image brief}"\nexport AILOOT_PROMPT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-image-2", "prompt": ""}')\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 brief")\np['prompt']=f.read_text(encoding="utf-8")\nif not p['prompt'].strip():raise SystemExit("Brief must contain text")\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nfrom openai import OpenAI\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\n\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Set your actual UTF-8 image brief file")\nrequest={'model': 'gpt-image-2', 'prompt': ''}\nrequest["prompt"]=f.read_text(encoding="utf-8")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.images.generate(**request)\nPath("sdk-result.txt").write_text(str(result),encoding="utf-8")\nsave_images([{"b64_json":getattr(item,"b64_json",None),"url":getattr(item,"url",None)} for item in result.data])\nimport OpenAI from "openai";\nimport { readFileSync, writeFileSync } from "node:fs";\nconst key=process.env.AILOOT_API_KEY;\nif(!key) throw new Error("Set your actual Ailoot API key");\nconst client=new OpenAI({baseURL:"https://api.ailoot.ai/v1",apiKey:key,maxRetries:0});\nconst request={"model": "gpt-image-2", "prompt": ""};\nif(!process.env.AILOOT_PROMPT_FILE)throw new Error("Set your actual UTF-8 image brief file");\nrequest.prompt=readFileSync(process.env.AILOOT_PROMPT_FILE,"utf8");\nconst result=await client.images.generate(request);\nwriteFileSync("sdk-result.json",JSON.stringify(result,null,2));\nif(!result.data?.length) throw new Error("No completed images");\nfor(let index=0;index<result.data.length;index++) {\n const item=result.data[index];let encoded=item.b64_json,uri=item.url||"",raw;\n if(!encoded && uri.startsWith("data:image/")) {\n const comma=uri.indexOf(",");if(comma<0 || !uri.slice(0,comma).includes(";base64")) throw new Error("Unsupported image data URI");\n encoded=uri.slice(comma+1);\n }\n if(encoded) {\n if(encoded.length%4!==0 || !/^[A-Za-z0-9+/]*={0,2}$/.test(encoded)) throw new Error("Invalid Base64");\n raw=Buffer.from(encoded,"base64");\n } else if(uri) {\n const u=new URL(uri,"https://api.ailoot.ai");\n if(u.protocol!=="https:" || u.username || u.password) throw new Error("Invalid returned URL");\n const owned=u.origin==="https://api.ailoot.ai" && u.pathname.startsWith("/v1/media/assets/") && u.pathname.endsWith("/content");\n const response=await fetch(u,{headers:owned?{Authorization:"Bearer "+key}:{},redirect:"manual"});\n if(!response.ok) throw new Error("Image content download failed: "+response.status);\n raw=Buffer.from(await response.arrayBuffer());\n } else throw new Error("Image has neither bytes nor URL");\n if(!raw.length) throw new Error("Empty image result");\n const ext=raw.subarray(0,4).equals(Buffer.from([137,80,78,71]))?"png":raw[0]===255&&raw[1]===216?"jpg":raw.toString("ascii",0,4)==="RIFF"&&raw.toString("ascii",8,12)==="WEBP"?"webp":raw.toString("utf8").trimStart().startsWith("<svg")||raw.toString("utf8").trimStart().startsWith("<?xml")?"svg":"bin";\n writeFileSync(`image-${index}.${ext}`,raw);\n}\nconsole.log("Every returned image saved; sdk-result.json retains complete metadata");\nLast ned hvert returnerte bilde eller lagre Base64-innholdet
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Lagre hvert ferdige bilde; hent hver returnerte URL eller dekod Base64-innholdet.
Lagre hvert dataelement. Dekod hver b64_json, eller hent hver returnerte signerte URL. Velg filendelse ut fra faktisk MIME-type/byteinnhold.
Hvis et resultat fra bildegenerering eller bilderedigering må kontrolleres, bevar opprinnelig operation_id/X-Client-Request-ID og den returnerte resultatinformasjonen. Hent eksisterende resultater du eier via mediebiblioteket, ved hjelp av faktiske task_id- eller asset_id-verdier. Ikke send genererings-/redigeringsforespørselen på nytt, og ikke konstruer en URL for statusavlesning fra operation_id.
| Felt | Type |
|---|---|
Feltcreated | Typeinteger |
Feltdata[].url | Typestring |
Feltdata[].b64_json | Typebase64 string |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Svarserver_error | VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres | Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt. |
Ailoot gpt-image-2
Ailoot Ultra gpt-image-2, openai/gpt-image-2
/v1/images
gpt-image-2GPT Image 2 genererer og redigerer bilder fra tekst og visuelle referanser. Den støtter fleksible bildedimensjoner og behandler automatisk bildeinndata med høy detaljbevaring, med separate kontroller for kvalitet, format og bakgrunn i sluttfilen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT Image 2 er OpenAIs modell for bildegenerering og bilderedigering fra tekst og visuelle inndata. Den lager et nytt bilde fra en skriftlig oppdragsbeskrivelse og kan bruke kildebilder til redigering eller referansestyrt arbeid. Praktiske oppgaver omfatter illustrasjoner, produktkonsepter, visuelle komposisjoner og endringer av eksisterende bildemateriell. Den er en egen utgave, adskilt fra GPT Image 2.5-modellene Sunburst og Flare, med sitt eget kvalitetsspenn og sin egen oppførsel for detaljbevaring i inndata.
Ved generering bør du beskrive motiv, scene, komposisjon, lys og tiltenkt stil. Ved redigering bør du angi hva som skal endres, og hva som skal beholde utseendet sitt. En produktbeskrivelse kan be om en lampe i keramikk på en lys flate med sentrert silhuett og plass til en bildetekst; en senere redigering kan endre bakgrunnen mens lampens form og synsvinkel bevares. De dokumenterte direkte genererings- og redigeringsflytene tar imot prompter på opptil 32 000 tegn og kan returnere ett til ti bilder.
Referanseredigering tar imot opptil seksten inndatabilder. Angi formålet med hver referanse, slik at motiv, bakgrunn og visuell behandling ikke blandes sammen. GPT Image 2 behandler automatisk alle bildeinndata med høy detaljbevaring; input_fidelity skal utelates fordi den ikke kan justeres i denne utgaven. Dette skiller seg fra valget mellom high og low i GPT Image 1 og inndatamodusen med bare low i GPT Image 1 Mini. Behandling av inndata med høy detaljbevaring støtter kildedetaljer uten å garantere at hver detalj gjengis uendret.
En maske kan angi området som skal redigeres. Kildebildet og masken må ha samme format og dimensjoner og være under 50 MB i henhold til veiledningens klargjøringskrav; masken trenger også en alfakanal. Hvis flere inndatabilder legges ved, gjelder maskeringen det første. Modellen behandler masken som promptbasert veiledning, ikke som en streng geometrisk grense. Beskriv den lokale endringen og bevaringskravene, og undersøk deretter området rundt for utilsiktede forskjeller.
GPT Image 2 støtter kvalitetene low, medium, high og auto, med auto som standard. 2.5-familiens innstillinger xhigh og max er ikke en del av denne utgavens kvalitetsspenn. Størrelsen kan være kvadratisk, liggende, stående, automatisk eller en gyldig egendefinert bredde og høyde. Produsentens eksempler omfatter 1024 × 1024, 1536 × 1024, 1024 × 1536, 2048 × 2048, 2048 × 1152, 3840 × 2160 og 2160 × 3840 piksler. Velg retning og detaljnivå for den faktiske layouten, i stedet for å behandle kvalitet og dimensjoner som samme kontroll.
Egendefinerte dimensjoner må være multipler av seksten piksler, med en lengste side på høyst 3840 piksler, et forhold mellom lang og kort side på høyst 3:1 og et areal fra 655 360 til 8 294 400 piksler. Disse vilkårene gjelder samtidig. Oppløsninger over 2560 × 1440 er merket som eksperimentelle. Et bildeformat som oppfyller én regel, kan fortsatt bryte en annen, så velg et støttet dimensjonspar og beskriv de beskjæringsfølsomme elementene i oppdragsbeskrivelsen.
Utdata er PNG som standard, med JPEG eller WebP også tilgjengelig. Komprimering fra 0 til 100 støttes for JPEG og WebP. Bakgrunnen kan være ugjennomsiktig eller automatisk; den konkrete gjeldende referansen beskriver gjennomsiktighet i GPT Image 2 som en forhåndsversjonsfunksjon. Når du ber om gjennomsiktighet, bør du bruke PNG eller WebP, slik at en alfakanal kan beholdes. Den dokumenterte strømmeflyten tillater opptil tre delbilder før det ferdige bildet; lagre sluttfilen, ikke en fremdriftsvisning. Produsentens grensesnitt støtter også satsvis behandling.
Vurder tekstens tydelighet, plasseringen av objekter og bevaring av kildedetaljer i det faktiske resultatet. GPT Image kan ha problemer med presis skrift, komposisjoner der layout er avgjørende, og tilbakevendende visuell identitet på tvers av separate genereringer. For en sekvens av redigeringer bør du bruke det valgte resultatet som neste kilde og angi en konkret endring knyttet til et synlig problem. GPT Image 2s nyttige utdata er et bilde knyttet til en tydelig genererings- eller redigeringsbeskrivelse, med inndata med høy detaljbevaring, dimensjoner og kvalitet valgt for den konkrete oppgaven.
POST /v1/images/generationstextimage| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-image-2 | Standard— |
Feltprompt | Typestring | KravPåkrevd | Verdier & grenser Maksimal lengde: 32 000 | Standard— |
Feltsize | Typestring | KravValgfritt | Verdier & grenser Vilkår: Bruk auto eller WIDTHxHEIGHT med begge mål delelige med 16. Den lengste siden er høyst 3,840 piksler, og samlet størrelse er høyst 8,300,000 piksler. | Standardauto |
Feltbackground | Typestring | KravValgfritt | Verdier & grenser transparent, opaque, auto | Standardauto |
Feltmoderation | Typestring | KravValgfritt | Verdier & grenser low, auto Vilkår: Bruk auto for standard innholdsmoderering. | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Maksimum: 10 | Standard1 |
Feltquality | Typestring | KravValgfritt | Verdier & grenser auto, high, medium, low | Standardauto |
Feltoutput_compression | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 0 Maksimum: 100 Vilkår: Gjelder utdata i JPEG og WebP; send den dokumenterte heltallsverdien. | Standard100 |
Feltoutput_format | Typestring | KravValgfritt | Verdier & grenser webp, png, jpeg | Standardpng |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser false Vilkår: Denne ruten returnerer ett ferdigstilt JSON-svar. | Standardfalse |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtaleprompt, model |
Parametermaterial_types | Avtaletext |
Parameteroptional | Avtalesize, background, moderation, n, quality, output_compression, output_format, stream |
Parameterconditions | AvtaleGjennomsiktig bakgrunn krever PNG eller WebP., Komprimering av utdata gjelder JPEG eller WebP., Den valgte metoden genererer fra tekst. Redigerings- og strømmingsparametere som beskrives for produsenten, er separate funksjoner. |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
De viste satsene anslår kostnaden før generering. Det endelige beløpet beregnes ut fra kostnaden som er registrert for den opprinnelige genereringen. Målt varighet på utdataene og anslåtte mengder er ikke den endelige fakturerbare mengden.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Forventet mengde | Kostnad |
|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Forventet mengde— | Kostnad Inndata · Inngående tokener · Estimat kun for sammenligning — / 1K tokener Utdata · Utgående tokener · Estimat kun for sammenligning — / 1K tokener Inndata · Lesing fra hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time · Estimat kun for sammenligning — / 1K tokener |
| KonfigurasjonAnslått genereringskostnad | Prisplan— | Forventet mengdeestimat for én generering | Kostnad Utdata · Anslått genereringskostnad · Estimat kun for sammenligning $0.24576 estimat før generering Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen. |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'prompt': 'A cute baby sea otter', 'model': 'gpt-image-2', 'size': '1024x1024', 'n': 1, 'background': 'auto', 'moderation': 'auto', 'output_format': 'png'}\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nLast ned hvert returnerte bilde eller lagre Base64-innholdet
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nLagre hvert ferdige bilde; hent hver returnerte URL eller dekod Base64-innholdet.
Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.
Bevar returnert X-Client-Request-ID for avstemming. Les bare faktisk returnerte task_id/asset_id-verdier eller egne oppføringer i mediebiblioteket; bygg aldri en oppgave-URL fra operasjons-ID-en, og send aldri opprettelsesforespørselen på nytt.
| Felt | Type |
|---|---|
Feltcreated | Type |
Feltdata[].url | Type |
Feltdata[].b64_json | Type |
Feltusage | Type |
Ailoot gpt-image-2
Ailoot Ultra gpt-image-2, openai/gpt-image-2
/v1/images
openai/gpt-image-2GPT Image 2 genererer og redigerer bilder fra tekst og visuelle referanser. Den støtter fleksible bildedimensjoner og behandler automatisk bildeinndata med høy detaljbevaring, med separate kontroller for kvalitet, format og bakgrunn i sluttfilen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT Image 2 er OpenAIs modell for bildegenerering og bilderedigering fra tekst og visuelle inndata. Den lager et nytt bilde fra en skriftlig oppdragsbeskrivelse og kan bruke kildebilder til redigering eller referansestyrt arbeid. Praktiske oppgaver omfatter illustrasjoner, produktkonsepter, visuelle komposisjoner og endringer av eksisterende bildemateriell. Den er en egen utgave, adskilt fra GPT Image 2.5-modellene Sunburst og Flare, med sitt eget kvalitetsspenn og sin egen oppførsel for detaljbevaring i inndata.
Ved generering bør du beskrive motiv, scene, komposisjon, lys og tiltenkt stil. Ved redigering bør du angi hva som skal endres, og hva som skal beholde utseendet sitt. En produktbeskrivelse kan be om en lampe i keramikk på en lys flate med sentrert silhuett og plass til en bildetekst; en senere redigering kan endre bakgrunnen mens lampens form og synsvinkel bevares. De dokumenterte direkte genererings- og redigeringsflytene tar imot prompter på opptil 32 000 tegn og kan returnere ett til ti bilder.
Referanseredigering tar imot opptil seksten inndatabilder. Angi formålet med hver referanse, slik at motiv, bakgrunn og visuell behandling ikke blandes sammen. GPT Image 2 behandler automatisk alle bildeinndata med høy detaljbevaring; input_fidelity skal utelates fordi den ikke kan justeres i denne utgaven. Dette skiller seg fra valget mellom high og low i GPT Image 1 og inndatamodusen med bare low i GPT Image 1 Mini. Behandling av inndata med høy detaljbevaring støtter kildedetaljer uten å garantere at hver detalj gjengis uendret.
En maske kan angi området som skal redigeres. Kildebildet og masken må ha samme format og dimensjoner og være under 50 MB i henhold til veiledningens klargjøringskrav; masken trenger også en alfakanal. Hvis flere inndatabilder legges ved, gjelder maskeringen det første. Modellen behandler masken som promptbasert veiledning, ikke som en streng geometrisk grense. Beskriv den lokale endringen og bevaringskravene, og undersøk deretter området rundt for utilsiktede forskjeller.
GPT Image 2 støtter kvalitetene low, medium, high og auto, med auto som standard. 2.5-familiens innstillinger xhigh og max er ikke en del av denne utgavens kvalitetsspenn. Størrelsen kan være kvadratisk, liggende, stående, automatisk eller en gyldig egendefinert bredde og høyde. Produsentens eksempler omfatter 1024 × 1024, 1536 × 1024, 1024 × 1536, 2048 × 2048, 2048 × 1152, 3840 × 2160 og 2160 × 3840 piksler. Velg retning og detaljnivå for den faktiske layouten, i stedet for å behandle kvalitet og dimensjoner som samme kontroll.
Egendefinerte dimensjoner må være multipler av seksten piksler, med en lengste side på høyst 3840 piksler, et forhold mellom lang og kort side på høyst 3:1 og et areal fra 655 360 til 8 294 400 piksler. Disse vilkårene gjelder samtidig. Oppløsninger over 2560 × 1440 er merket som eksperimentelle. Et bildeformat som oppfyller én regel, kan fortsatt bryte en annen, så velg et støttet dimensjonspar og beskriv de beskjæringsfølsomme elementene i oppdragsbeskrivelsen.
Utdata er PNG som standard, med JPEG eller WebP også tilgjengelig. Komprimering fra 0 til 100 støttes for JPEG og WebP. Bakgrunnen kan være ugjennomsiktig eller automatisk; den konkrete gjeldende referansen beskriver gjennomsiktighet i GPT Image 2 som en forhåndsversjonsfunksjon. Når du ber om gjennomsiktighet, bør du bruke PNG eller WebP, slik at en alfakanal kan beholdes. Den dokumenterte strømmeflyten tillater opptil tre delbilder før det ferdige bildet; lagre sluttfilen, ikke en fremdriftsvisning. Produsentens grensesnitt støtter også satsvis behandling.
Vurder tekstens tydelighet, plasseringen av objekter og bevaring av kildedetaljer i det faktiske resultatet. GPT Image kan ha problemer med presis skrift, komposisjoner der layout er avgjørende, og tilbakevendende visuell identitet på tvers av separate genereringer. For en sekvens av redigeringer bør du bruke det valgte resultatet som neste kilde og angi en konkret endring knyttet til et synlig problem. GPT Image 2s nyttige utdata er et bilde knyttet til en tydelig genererings- eller redigeringsbeskrivelse, med inndata med høy detaljbevaring, dimensjoner og kvalitet valgt for den konkrete oppgaven.
POST /v1/images/generationstext, imageimage| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-image-2 | Standard— |
Feltprompt | Typestring | KravPåkrevd | Verdier & grenser Minste lengde: 1 | Standard— |
Feltaspect_ratio | Typestring | KravValgfritt | Verdier & grenser 1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16, 21:9, auto | Standard— |
Feltquality | Typestring | KravValgfritt | Verdier & grenser auto, low, medium, high | Standard— |
Feltbackground | Typestring | KravValgfritt | Verdier & grenser auto, opaque | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Maksimum: 10 | Standard— |
Feltinput_references | Typearray | KravValgfritt | Verdier & grenser Minste antall elementer: 0 Maksimalt antall elementer: 16 | Standard— |
Feltoutput_compression | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 0 Maksimum: 100 | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, prompt |
Parametermaterial_types | Avtaletext, image |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
De viste satsene anslår kostnaden før generering. Det endelige beløpet beregnes ut fra kostnaden som er registrert for den opprinnelige genereringen. Målt varighet på utdataene og anslåtte mengder er ikke den endelige fakturerbare mengden.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Forventet mengde | Kostnad |
|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Forventet mengde— | Kostnad Inndata · Inngående tokener · Estimat kun for sammenligning — / 1K tokener Utdata · Utgående tokener · Estimat kun for sammenligning — / 1K tokener Inndata · Lesing fra hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time · Estimat kun for sammenligning — / 1K tokener |
| KonfigurasjonAnslått genereringskostnad | Prisplan— | Forventet mengdeestimat for én generering | Kostnad Utdata · Anslått genereringskostnad · Estimat kun for sammenligning $0.24576 estimat før generering Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen. |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'openai/gpt-image-2', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nLast ned hvert returnerte bilde eller lagre Base64-innholdet
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nLagre hvert ferdige bilde; hent hver returnerte URL eller dekod Base64-innholdet.
Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.
Bevar returnert X-Client-Request-ID for avstemming. Les bare faktisk returnerte task_id/asset_id-verdier eller egne oppføringer i mediebiblioteket; bygg aldri en oppgave-URL fra operasjons-ID-en, og send aldri opprettelsesforespørselen på nytt.
| Felt | Type |
|---|---|
Feltcreated | Type |
Feltdata[].url | Type |
Feltdata[].b64_json | Type |
Feltusage | Type |
Ailoot gpt-image-2
Ailoot Ultra gpt-image-2, openai/gpt-image-2
/v1/images