{ "aboutHtml": "

GPT Image 2.5 Sunburst เป็นโมเดลสร้างและแก้ไขภาพที่เน้นความแม่นยำของ OpenAI รับข้อความและภาพและสร้างผลภาพ ใช้เมื่องานสร้างสรรค์ต้องปรับชิ้นงานเดิมอย่างพิถีพิถัน ทำงานกับภาพอ้างอิง หรือพัฒนาองค์ประกอบหลายขั้น บรีฟสร้างฉากใหม่ แปลงภาพเดิม หรือชี้นำการแก้ไขบริเวณที่เลือกได้ Sunburst และ Flare เป็นคนละรุ่น Sunburst เน้นความแม่นยำการแก้ไข ส่วน Flare วางตำแหน่งสำหรับการสร้างงานประจำวันรวดเร็ว

สำหรับภาพใหม่ ให้อธิบายตัวแบบ สถานที่ องค์ประกอบ แสง และสไตล์ แล้วระบุรูปทรงและการใช้ที่ตั้งใจ สำหรับแนวคิดผลิตภัณฑ์ ขอโคมไฟแก้วบนพื้นหินพร้อมแสงด้านข้างนุ่ม เส้นรูปชัด และพื้นที่ว่างสำหรับพาดหัว สำหรับการแก้ไข ระบุสิ่งที่เปลี่ยนและองค์ประกอบที่ควรจำได้ เช่น แทนพื้นหลัง ปรับแสง หรือเปลี่ยนวัสดุโดยคงองค์ประกอบที่เลือก เวิร์กโฟลว์สร้างและแก้โดยตรงของผู้ผลิตรับพรอมป์ต์สูงสุด 32,000 อักขระและผลหนึ่งถึงสิบภาพ

การแก้อิงภาพอ้างอิงใช้ภาพเข้าสูงสุดสิบหกภาพ กำหนดบทบาทแต่ละภาพเพื่อแยกตัวแบบที่คงไว้ สภาพแวดล้อมที่ใช้ และสไตล์ที่ใช้ โมเดลทำงานกับมาสก์ระบุพื้นที่เปลี่ยนได้ ต้นฉบับและมาสก์ต้องมีรูปแบบและขนาดเดียวกัน และมาสก์ต้องมีช่อง alpha คู่มือกำหนดขนาดต่ำกว่า 50 MB เมื่อมีภาพต้นฉบับหลายภาพ มาสก์ใช้กับภาพแรก มันชี้นำการเปลี่ยน แทนรับประกันขอบเขตตายตัว จึงต้องใส่คำสั่งคงส่วนเดิมในบรีฟและตรวจบริเวณรอบข้างในผล

ค่าคุณภาพคือ low, medium, high, xhigh, max และ auto โดยค่าเริ่มต้น auto ค่า low ใช้ทำร่างภาพเร็ว ส่วนระดับสูงมีประโยชน์เพื่อเปรียบเทียบเมื่อรายละเอียดเล็กสำคัญ คุณภาพแยกจากขนาดผลและการบีบอัดไฟล์ ขนาดมาตรฐานมี 1024 × 1024, 1536 × 1024 และ 1024 × 1536 พิกเซล พร้อมขนาดอัตโนมัติหรือกำหนดเอง เลือกรูปทรงตามเลย์เอาต์สุดท้ายก่อนตัดสินว่าภาพต้องละเอียดเท่าใด

ขนาดกำหนดเองต้องเป็นทวีคูณของสิบหกพิกเซล ไม่มีด้านเกิน 3840 พิกเซล อัตราส่วนต้องอยู่ระหว่าง 1:3 ถึง 3:1 และพื้นที่รวมระหว่าง 655,360 ถึง 8,294,400 พิกเซล เงื่อนไขเหล่านี้ใช้พร้อมกัน แนวนอน 3840 × 2160 ตรงเพดานพื้นที่ แต่ด้านยาวอย่างเดียวไม่ได้ทำให้คู่ขนาดใด ๆ ใช้ได้ ความละเอียดเกิน 2560 × 1440 ระบุว่าเป็นการทดลอง คงวัตถุสำคัญ ข้อความ และพื้นที่ว่างที่ใช้ได้ไว้ในกรอบครอบตัดที่ตั้งใจ แทนพึ่งจำนวนพิกเซลมากขึ้นแก้องค์ประกอบ

PNG เป็นรูปแบบเริ่มต้น และรองรับ JPEG กับ WebP เลือกการบีบอัด 0 ถึง 100 สำหรับ JPEG และ WebP ได้ พื้นหลังโปร่งใส ทึบ และอัตโนมัติตอบโจทย์เลย์เอาต์ต่างกัน สำหรับความโปร่งใส ให้เลือก PNG หรือ WebP เพื่อคงช่อง alpha แล้วนำชิ้นงานโปร่งใสไปวางในองค์ประกอบอื่นได้ ส่วนภาพทึบมีพื้นหลังของตนเอง เก็บไฟล์ที่เสร็จจริงพร้อมบรีฟและค่าผลที่เลือก

OpenAI ระบุการสร้างและแก้โดยตรง รวมถึงเครื่องมือสร้างภาพแบบสนทนาที่เก็บผลก่อนหน้าและใช้คำสั่งติดตามได้ ในเวิร์กโฟลว์สนทนานั้น action เป็นอัตโนมัติ บังคับสร้าง หรือบังคับแก้เมื่อมีภาพในบริบทได้ ใช้ภาพที่เลือกเป็นจุดเริ่มการเปลี่ยนถัดไป แทนสลับไปแบบอื่นโดยเงียบ เวิร์กโฟลว์สตรีมตามเอกสารส่งภาพบางส่วนได้สูงสุดสามภาพก่อนผลสุดท้าย ภาพตัวอย่างช่วยแสดงความคืบหน้าแต่ยังไม่ใช่ชิ้นงานสำเร็จ อินเทอร์เฟซผู้ผลิตรองรับการประมวลผลแบบ batch ด้วย

ตรวจตัวแบบที่แก้ ตัวอักษร ตำแหน่งวัตถุ และขอบการเปลี่ยนที่ใช้มาสก์ในขนาดแสดงที่ตั้งใจ GPT Image ยังอาจมีปัญหาการวางข้อความแม่นยำ เลย์เอาต์มีโครงสร้าง หรือความสอดคล้องของตัวแบบและองค์ประกอบแบรนด์ที่ซ้ำ คำสั่งถัดไปที่ตรงจุดควรระบุปัญหาที่เห็นและองค์ประกอบที่คงไว้ Sunburst มีประโยชน์สำหรับเวิร์กโฟลว์สร้างสรรค์แม่นยำที่อาศัยภาพอ้างอิง ซึ่งประเมินชิ้นงานสุดท้ายกับบรีฟภาพรูปธรรมได้ โดยเลือกคุณภาพสูง ขนาด และความโปร่งใสให้เหมาะชิ้นงานนั้น

", "aboutText": "GPT Image 2.5 Sunburst เป็นโมเดลสร้างและแก้ไขภาพที่เน้นความแม่นยำของ OpenAI รับข้อความและภาพและสร้างผลภาพ ใช้เมื่องานสร้างสรรค์ต้องปรับชิ้นงานเดิมอย่างพิถีพิถัน ทำงานกับภาพอ้างอิง หรือพัฒนาองค์ประกอบหลายขั้น บรีฟสร้างฉากใหม่ แปลงภาพเดิม หรือชี้นำการแก้ไขบริเวณที่เลือกได้ Sunburst และ Flare เป็นคนละรุ่น Sunburst เน้นความแม่นยำการแก้ไข ส่วน Flare วางตำแหน่งสำหรับการสร้างงานประจำวันรวดเร็ว\n\nสำหรับภาพใหม่ ให้อธิบายตัวแบบ สถานที่ องค์ประกอบ แสง และสไตล์ แล้วระบุรูปทรงและการใช้ที่ตั้งใจ สำหรับแนวคิดผลิตภัณฑ์ ขอโคมไฟแก้วบนพื้นหินพร้อมแสงด้านข้างนุ่ม เส้นรูปชัด และพื้นที่ว่างสำหรับพาดหัว สำหรับการแก้ไข ระบุสิ่งที่เปลี่ยนและองค์ประกอบที่ควรจำได้ เช่น แทนพื้นหลัง ปรับแสง หรือเปลี่ยนวัสดุโดยคงองค์ประกอบที่เลือก เวิร์กโฟลว์สร้างและแก้โดยตรงของผู้ผลิตรับพรอมป์ต์สูงสุด 32,000 อักขระและผลหนึ่งถึงสิบภาพ\n\nการแก้อิงภาพอ้างอิงใช้ภาพเข้าสูงสุดสิบหกภาพ กำหนดบทบาทแต่ละภาพเพื่อแยกตัวแบบที่คงไว้ สภาพแวดล้อมที่ใช้ และสไตล์ที่ใช้ โมเดลทำงานกับมาสก์ระบุพื้นที่เปลี่ยนได้ ต้นฉบับและมาสก์ต้องมีรูปแบบและขนาดเดียวกัน และมาสก์ต้องมีช่อง alpha คู่มือกำหนดขนาดต่ำกว่า 50 MB เมื่อมีภาพต้นฉบับหลายภาพ มาสก์ใช้กับภาพแรก มันชี้นำการเปลี่ยน แทนรับประกันขอบเขตตายตัว จึงต้องใส่คำสั่งคงส่วนเดิมในบรีฟและตรวจบริเวณรอบข้างในผล\n\nค่าคุณภาพคือ low, medium, high, xhigh, max และ auto โดยค่าเริ่มต้น auto ค่า low ใช้ทำร่างภาพเร็ว ส่วนระดับสูงมีประโยชน์เพื่อเปรียบเทียบเมื่อรายละเอียดเล็กสำคัญ คุณภาพแยกจากขนาดผลและการบีบอัดไฟล์ ขนาดมาตรฐานมี 1024 × 1024, 1536 × 1024 และ 1024 × 1536 พิกเซล พร้อมขนาดอัตโนมัติหรือกำหนดเอง เลือกรูปทรงตามเลย์เอาต์สุดท้ายก่อนตัดสินว่าภาพต้องละเอียดเท่าใด\n\nขนาดกำหนดเองต้องเป็นทวีคูณของสิบหกพิกเซล ไม่มีด้านเกิน 3840 พิกเซล อัตราส่วนต้องอยู่ระหว่าง 1:3 ถึง 3:1 และพื้นที่รวมระหว่าง 655,360 ถึง 8,294,400 พิกเซล เงื่อนไขเหล่านี้ใช้พร้อมกัน แนวนอน 3840 × 2160 ตรงเพดานพื้นที่ แต่ด้านยาวอย่างเดียวไม่ได้ทำให้คู่ขนาดใด ๆ ใช้ได้ ความละเอียดเกิน 2560 × 1440 ระบุว่าเป็นการทดลอง คงวัตถุสำคัญ ข้อความ และพื้นที่ว่างที่ใช้ได้ไว้ในกรอบครอบตัดที่ตั้งใจ แทนพึ่งจำนวนพิกเซลมากขึ้นแก้องค์ประกอบ\n\nPNG เป็นรูปแบบเริ่มต้น และรองรับ JPEG กับ WebP เลือกการบีบอัด 0 ถึง 100 สำหรับ JPEG และ WebP ได้ พื้นหลังโปร่งใส ทึบ และอัตโนมัติตอบโจทย์เลย์เอาต์ต่างกัน สำหรับความโปร่งใส ให้เลือก PNG หรือ WebP เพื่อคงช่อง alpha แล้วนำชิ้นงานโปร่งใสไปวางในองค์ประกอบอื่นได้ ส่วนภาพทึบมีพื้นหลังของตนเอง เก็บไฟล์ที่เสร็จจริงพร้อมบรีฟและค่าผลที่เลือก\n\nOpenAI ระบุการสร้างและแก้โดยตรง รวมถึงเครื่องมือสร้างภาพแบบสนทนาที่เก็บผลก่อนหน้าและใช้คำสั่งติดตามได้ ในเวิร์กโฟลว์สนทนานั้น action เป็นอัตโนมัติ บังคับสร้าง หรือบังคับแก้เมื่อมีภาพในบริบทได้ ใช้ภาพที่เลือกเป็นจุดเริ่มการเปลี่ยนถัดไป แทนสลับไปแบบอื่นโดยเงียบ เวิร์กโฟลว์สตรีมตามเอกสารส่งภาพบางส่วนได้สูงสุดสามภาพก่อนผลสุดท้าย ภาพตัวอย่างช่วยแสดงความคืบหน้าแต่ยังไม่ใช่ชิ้นงานสำเร็จ อินเทอร์เฟซผู้ผลิตรองรับการประมวลผลแบบ batch ด้วย\n\nตรวจตัวแบบที่แก้ ตัวอักษร ตำแหน่งวัตถุ และขอบการเปลี่ยนที่ใช้มาสก์ในขนาดแสดงที่ตั้งใจ GPT Image ยังอาจมีปัญหาการวางข้อความแม่นยำ เลย์เอาต์มีโครงสร้าง หรือความสอดคล้องของตัวแบบและองค์ประกอบแบรนด์ที่ซ้ำ คำสั่งถัดไปที่ตรงจุดควรระบุปัญหาที่เห็นและองค์ประกอบที่คงไว้ Sunburst มีประโยชน์สำหรับเวิร์กโฟลว์สร้างสรรค์แม่นยำที่อาศัยภาพอ้างอิง ซึ่งประเมินชิ้นงานสุดท้ายกับบรีฟภาพรูปธรรมได้ โดยเลือกคุณภาพสูง ขนาด และความโปร่งใสให้เหมาะชิ้นงานนั้น", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "dff3a164c8af39cee43c990e4f16a12de078696d74ba19604669190c48d9fbaa", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "th", "methods": [ { "html": "
O

OpenAI: GPT Image 2.5 Sunburst

OpenAI /openai/gpt-image-2.5-sunburst

เริ่มต้น

GPT Image 2.5 Sunburst สร้างและแก้ไขภาพจากข้อความกับภาพอ้างอิง โดยเน้นความแม่นยำในการแก้ไข รองรับมาสก์ การปรับปรุงทีละรอบ ขนาดกรอบกำหนดเอง พื้นหลังโปร่งใส และระดับคุณภาพตั้งแต่ low ถึง max

อินพุตที่รองรับ
ข้อความ · รูปภาพ
ผลลัพธ์
รูปภาพ
เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

GPT Image 2.5 Sunburst เป็นโมเดลสร้างและแก้ไขภาพที่เน้นความแม่นยำของ OpenAI รับข้อความและภาพและสร้างผลภาพ ใช้เมื่องานสร้างสรรค์ต้องปรับชิ้นงานเดิมอย่างพิถีพิถัน ทำงานกับภาพอ้างอิง หรือพัฒนาองค์ประกอบหลายขั้น บรีฟสร้างฉากใหม่ แปลงภาพเดิม หรือชี้นำการแก้ไขบริเวณที่เลือกได้ Sunburst และ Flare เป็นคนละรุ่น Sunburst เน้นความแม่นยำการแก้ไข ส่วน Flare วางตำแหน่งสำหรับการสร้างงานประจำวันรวดเร็ว

สำหรับภาพใหม่ ให้อธิบายตัวแบบ สถานที่ องค์ประกอบ แสง และสไตล์ แล้วระบุรูปทรงและการใช้ที่ตั้งใจ สำหรับแนวคิดผลิตภัณฑ์ ขอโคมไฟแก้วบนพื้นหินพร้อมแสงด้านข้างนุ่ม เส้นรูปชัด และพื้นที่ว่างสำหรับพาดหัว สำหรับการแก้ไข ระบุสิ่งที่เปลี่ยนและองค์ประกอบที่ควรจำได้ เช่น แทนพื้นหลัง ปรับแสง หรือเปลี่ยนวัสดุโดยคงองค์ประกอบที่เลือก เวิร์กโฟลว์สร้างและแก้โดยตรงของผู้ผลิตรับพรอมป์ต์สูงสุด 32,000 อักขระและผลหนึ่งถึงสิบภาพ

การแก้อิงภาพอ้างอิงใช้ภาพเข้าสูงสุดสิบหกภาพ กำหนดบทบาทแต่ละภาพเพื่อแยกตัวแบบที่คงไว้ สภาพแวดล้อมที่ใช้ และสไตล์ที่ใช้ โมเดลทำงานกับมาสก์ระบุพื้นที่เปลี่ยนได้ ต้นฉบับและมาสก์ต้องมีรูปแบบและขนาดเดียวกัน และมาสก์ต้องมีช่อง alpha คู่มือกำหนดขนาดต่ำกว่า 50 MB เมื่อมีภาพต้นฉบับหลายภาพ มาสก์ใช้กับภาพแรก มันชี้นำการเปลี่ยน แทนรับประกันขอบเขตตายตัว จึงต้องใส่คำสั่งคงส่วนเดิมในบรีฟและตรวจบริเวณรอบข้างในผล

ค่าคุณภาพคือ low, medium, high, xhigh, max และ auto โดยค่าเริ่มต้น auto ค่า low ใช้ทำร่างภาพเร็ว ส่วนระดับสูงมีประโยชน์เพื่อเปรียบเทียบเมื่อรายละเอียดเล็กสำคัญ คุณภาพแยกจากขนาดผลและการบีบอัดไฟล์ ขนาดมาตรฐานมี 1024 × 1024, 1536 × 1024 และ 1024 × 1536 พิกเซล พร้อมขนาดอัตโนมัติหรือกำหนดเอง เลือกรูปทรงตามเลย์เอาต์สุดท้ายก่อนตัดสินว่าภาพต้องละเอียดเท่าใด

ขนาดกำหนดเองต้องเป็นทวีคูณของสิบหกพิกเซล ไม่มีด้านเกิน 3840 พิกเซล อัตราส่วนต้องอยู่ระหว่าง 1:3 ถึง 3:1 และพื้นที่รวมระหว่าง 655,360 ถึง 8,294,400 พิกเซล เงื่อนไขเหล่านี้ใช้พร้อมกัน แนวนอน 3840 × 2160 ตรงเพดานพื้นที่ แต่ด้านยาวอย่างเดียวไม่ได้ทำให้คู่ขนาดใด ๆ ใช้ได้ ความละเอียดเกิน 2560 × 1440 ระบุว่าเป็นการทดลอง คงวัตถุสำคัญ ข้อความ และพื้นที่ว่างที่ใช้ได้ไว้ในกรอบครอบตัดที่ตั้งใจ แทนพึ่งจำนวนพิกเซลมากขึ้นแก้องค์ประกอบ

PNG เป็นรูปแบบเริ่มต้น และรองรับ JPEG กับ WebP เลือกการบีบอัด 0 ถึง 100 สำหรับ JPEG และ WebP ได้ พื้นหลังโปร่งใส ทึบ และอัตโนมัติตอบโจทย์เลย์เอาต์ต่างกัน สำหรับความโปร่งใส ให้เลือก PNG หรือ WebP เพื่อคงช่อง alpha แล้วนำชิ้นงานโปร่งใสไปวางในองค์ประกอบอื่นได้ ส่วนภาพทึบมีพื้นหลังของตนเอง เก็บไฟล์ที่เสร็จจริงพร้อมบรีฟและค่าผลที่เลือก

OpenAI ระบุการสร้างและแก้โดยตรง รวมถึงเครื่องมือสร้างภาพแบบสนทนาที่เก็บผลก่อนหน้าและใช้คำสั่งติดตามได้ ในเวิร์กโฟลว์สนทนานั้น action เป็นอัตโนมัติ บังคับสร้าง หรือบังคับแก้เมื่อมีภาพในบริบทได้ ใช้ภาพที่เลือกเป็นจุดเริ่มการเปลี่ยนถัดไป แทนสลับไปแบบอื่นโดยเงียบ เวิร์กโฟลว์สตรีมตามเอกสารส่งภาพบางส่วนได้สูงสุดสามภาพก่อนผลสุดท้าย ภาพตัวอย่างช่วยแสดงความคืบหน้าแต่ยังไม่ใช่ชิ้นงานสำเร็จ อินเทอร์เฟซผู้ผลิตรองรับการประมวลผลแบบ batch ด้วย

ตรวจตัวแบบที่แก้ ตัวอักษร ตำแหน่งวัตถุ และขอบการเปลี่ยนที่ใช้มาสก์ในขนาดแสดงที่ตั้งใจ GPT Image ยังอาจมีปัญหาการวางข้อความแม่นยำ เลย์เอาต์มีโครงสร้าง หรือความสอดคล้องของตัวแบบและองค์ประกอบแบรนด์ที่ซ้ำ คำสั่งถัดไปที่ตรงจุดควรระบุปัญหาที่เห็นและองค์ประกอบที่คงไว้ Sunburst มีประโยชน์สำหรับเวิร์กโฟลว์สร้างสรรค์แม่นยำที่อาศัยภาพอ้างอิง ซึ่งประเมินชิ้นงานสุดท้ายกับบรีฟภาพรูปธรรมได้ โดยเลือกคุณภาพสูง ขนาด และความโปร่งใสให้เหมาะชิ้นงานนั้น

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · รูปภาพ POST /v1/images/generations
ขาเข้า
text, image
ขาออก
image
ฟิลด์ประเภทข้อกำหนดค่าและข้อจำกัดค่าเริ่มต้น
ฟิลด์modelประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
openai/gpt-image-2.5-sunburst
ค่าเริ่มต้น—
ฟิลด์promptประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
ความยาวขั้นต่ำ: 1
ค่าเริ่มต้น—
ฟิลด์aspect_ratioประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16, 21:9, auto
ค่าเริ่มต้น—
ฟิลด์qualityประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
auto, low, medium, high, xhigh, max
ค่าเริ่มต้น—
ฟิลด์backgroundประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
auto, transparent, opaque
ค่าเริ่มต้น—
ฟิลด์nประเภทintegerข้อกำหนดไม่บังคับค่าและข้อจำกัด
ขั้นต่ำ: 1
สูงสุด: 10
ค่าเริ่มต้น—
ฟิลด์input_referencesประเภทarrayข้อกำหนดไม่บังคับค่าและข้อจำกัด
จำนวนรายการขั้นต่ำ: 0
จำนวนรายการสูงสุด: 16
ค่าเริ่มต้น—
ฟิลด์output_compressionประเภทintegerข้อกำหนดไม่บังคับค่าและข้อจำกัด
ขั้นต่ำ: 0
สูงสุด: 100
ค่าเริ่มต้น—
ฟิลด์providerประเภทobjectข้อกำหนดไม่บังคับค่าและข้อจำกัดค่าเริ่มต้น—
พารามิเตอร์และวงจรการทำงานของเมธอด
พารามิเตอร์ข้อกำหนด
พารามิเตอร์content_typeข้อกำหนดapplication/json
พารามิเตอร์requiredข้อกำหนดmodel, prompt
พารามิเตอร์material_typesข้อกำหนดtext, image

วงจรการทำงาน: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

ราคา

วิธีคำนวณค่าบริการสุดท้าย

อัตราที่แสดงใช้ประมาณการค่าใช้จ่ายก่อนการสร้างผลลัพธ์ ยอดเรียกเก็บสุดท้ายคำนวณจากค่าใช้จ่ายที่บันทึกไว้สำหรับการสร้างผลลัพธ์ครั้งเดิม ระยะเวลาของผลลัพธ์ที่วัดได้และปริมาณที่คาดการณ์ไว้ไม่ใช่ปริมาณสุดท้ายที่ใช้คิดค่าบริการ

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว
ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น
ไม่ได้ระบุ เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด
ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราประมาณการเพื่อเปรียบเทียบ

ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

การตั้งค่าตารางอัตราค่าบริการปริมาณคาดการณ์ค่าบริการ
การตั้งค่าอัตราค่าบริการโทเคนพื้นฐานตารางอัตราค่าบริการอัตราพื้นฐานปริมาณคาดการณ์—ค่าบริการ
ขาเข้า · โทเค็นอินพุต · ประมาณการเพื่อเปรียบเทียบเท่านั้น — / 1K โทเค็น
ขาออก · โทเค็นเอาต์พุต · ประมาณการเพื่อเปรียบเทียบเท่านั้น — / 1K โทเค็น
ขาเข้า · การอ่านแคช · ประมาณการเพื่อเปรียบเทียบเท่านั้น — / 1K โทเค็น
ขาเข้า · การเขียนแคช · ประมาณการเพื่อเปรียบเทียบเท่านั้น — / 1K โทเค็น
ขาเข้า · การเขียนแคช, 1 ชั่วโมง · ประมาณการเพื่อเปรียบเทียบเท่านั้น — / 1K โทเค็น
การตั้งค่าต้นทุนการสร้างโดยประมาณตารางอัตราค่าบริการ—ปริมาณคาดการณ์ค่าประมาณสำหรับการสร้างหนึ่งครั้งค่าบริการ
ขาออก · ค่าใช้จ่ายในการสร้างโดยประมาณ · ประมาณการเพื่อเปรียบเทียบเท่านั้น $0.24576 ประมาณการก่อนสร้าง

ค่าประมาณนี้ไม่ใช่ค่าใช้จ่ายเพิ่มเติมหรืออัตราคงที่สำหรับการสร้างผลลัพธ์ที่เสร็จสมบูรณ์แล้ว

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · รูปภาพ

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-2.5-sunburst', '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\n

รับและบันทึกผลลัพธ์

Ailoot Ultra · รูปภาพ

ดาวน์โหลดภาพที่ส่งกลับมาทุกภาพ หรือบันทึกเนื้อหา Base64 ของภาพนั้น

การอ่านเนื้อหาแบบอื่น
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.\n
เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

บันทึกภาพที่สร้างเสร็จทุกภาพ โดยดึงภาพจากทุก URL ที่ส่งกลับมา หรือถอดรหัสเนื้อหา Base64

เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ X-Client-Request-ID ที่ส่งกลับมาไว้เพื่อกระทบยอด อ่านเฉพาะค่า task_id/asset_id ที่ส่งกลับมาจริง หรืออ่านจากคลังสื่อที่เป็นของตนเอง ห้ามสร้าง URL ของงานจาก ID การดำเนินการ และห้ามส่งคำขอสร้างซ้ำเด็ดขาด

ฟิลด์การตอบกลับ
ฟิลด์ประเภท
ฟิลด์createdประเภท
ฟิลด์data[].urlประเภท
ฟิลด์data[].b64_jsonประเภท
ฟิลด์usageประเภท

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra openai/gpt-image-2.5-sunburst

ชื่อพาธเมธอดอื่น

/v1/images

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

openai/gpt-image-2.5-sunburst

", "method_identity": { "effective_request_model_id": "openai/gpt-image-2.5-sunburst", "fmt": "images", "http": "POST", "path": "/v1/images/generations", "request_model_id": "openai/gpt-image-2.5-sunburst", "route_label": "Ultra" }, "method_key": "Ultra|images|/v1/images/generations|openai%2Fgpt-image-2.5-sunburst", "ordinal": 0, "rawMethod": { "available": null, "billing_basis": { "basis": "original_invoice_usd", "description": "อัตราที่แสดงใช้ประมาณการค่าใช้จ่ายก่อนการสร้างผลลัพธ์ ยอดเรียกเก็บสุดท้ายคำนวณจากค่าใช้จ่ายที่บันทึกไว้สำหรับการสร้างผลลัพธ์ครั้งเดิม ระยะเวลาของผลลัพธ์ที่วัดได้และปริมาณที่คาดการณ์ไว้ไม่ใช่ปริมาณสุดท้ายที่ใช้คิดค่าบริการ", "forecast_quantity_is_estimate": true, "physical_output_is_billable_quantity": false, "version": "original_invoice_usd_v1" }, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "เก็บ X-Client-Request-ID ที่ส่งกลับมาไว้เพื่อกระทบยอด อ่านเฉพาะค่า task_id/asset_id ที่ส่งกลับมาจริง หรืออ่านจากคลังสื่อที่เป็นของตนเอง ห้ามสร้าง URL ของงานจาก ID การดำเนินการ และห้ามส่งคำขอสร้างซ้ำเด็ดขาด" }, "outputs": { "all_results": "เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ", "family": "image", "fields": [ { "description": null, "name": "created", "type": null }, { "description": null, "name": "data[].url", "type": null }, { "description": null, "name": "data[].b64_json", "type": null }, { "description": null, "name": "usage", "type": null } ] }, "parameters": [ { "enum": [ "openai/gpt-image-2.5-sunburst" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "min_length": 1, "name": "prompt", "required": true, "type": "string" }, { "enum": [ "1:1", "3:2", "2:3", "4:3", "3:4", "16:9", "9:16", "21:9", "auto" ], "enum_known": true, "name": "aspect_ratio", "required": false, "type": "string" }, { "enum": [ "auto", "low", "medium", "high", "xhigh", "max" ], "enum_known": true, "name": "quality", "required": false, "type": "string" }, { "enum": [ "auto", "transparent", "opaque" ], "enum_known": true, "name": "background", "required": false, "type": "string" }, { "maximum": 10, "minimum": 1, "name": "n", "required": false, "type": "integer" }, { "items": { "properties": { "image_url": { "properties": { "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" }, "maximum_items": 16, "minimum_items": 0, "name": "input_references", "required": false, "type": "array" }, { "maximum": 100, "minimum": 0, "name": "output_compression", "required": false, "type": "integer" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "aspect_ratio": { "enum": [ "1:1", "3:2", "2:3", "4:3", "3:4", "16:9", "9:16", "21:9", "auto" ], "type": "string" }, "background": { "enum": [ "auto", "transparent", "opaque" ], "type": "string" }, "input_references": { "items": { "properties": { "image_url": { "properties": { "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" }, "maxItems": 16, "minItems": 0, "type": "array" }, "model": { "enum": [ "openai/gpt-image-2.5-sunburst" ], "type": "string" }, "n": { "maximum": 10, "minimum": 1, "type": "integer" }, "output_compression": { "maximum": 100, "minimum": 0, "type": "integer" }, "prompt": { "minLength": 1, "type": "string" }, "provider": { "description": "Exact image provider preferences from the documented image request schema.", "type": "object" }, "quality": { "enum": [ "auto", "low", "medium", "high", "xhigh", "max" ], "type": "string" } }, "required": [ "model", "prompt" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "model": "openai/gpt-image-2.5-sunburst", "prompt": "a red panda astronaut floating in space, studio lighting" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_types": [ "text", "image" ], "required": [ "model", "prompt" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/images/generations" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "image", "fields": [ { "description": null, "name": "created", "type": null }, { "description": null, "name": "data[].url", "type": null }, { "description": null, "name": "data[].b64_json", "type": null }, { "description": null, "name": "usage", "type": null } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "basis": "ค่าประมาณนี้ไม่ใช่ค่าใช้จ่ายเพิ่มเติมหรืออัตราคงที่สำหรับการสร้างผลลัพธ์ที่เสร็จสมบูรณ์แล้ว", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "ต้นทุนการสร้างโดยประมาณ", "units": [ { "amount": "0.24576", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.24576", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "examples": [ { "code": "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-2.5-sunburst', '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\"