GPT Image 1 - Runbase

输入

输出查看全部

输出将显示在此处

定价

固定

$0.05

示例

赛博朋克城市

1:1

A serene cyberpunk cityscape at twilight, with neon signs glowing in vibrant blues and purples, reflecting on rain-slick streets. Sleek futuristic buildings tower above, connected by glowing skybridges. A lone figure in a hooded jacket stands under a streetlamp, backlit by soft mist. The atmosphere is cinematic, moody

概述

GPT Image 1 是 OpenAI 首个原生多模态图片模型，基于 GPT-4o 构建，于 2025 年 4 月发布。与基于扩散的图片模型不同，它逐 token 生成图片——与 GPT 语言模型相同的自回归方式。这使它具有更强的提示词遵循度和更连贯的构图。发布后不久因出色的吉卜力风格插画能力而迅速走红。

使用场景

快速创意探索和情绪板制作。社交媒体视觉素材和缩略图。产品概念草图。通过自然语言指令进行图片编辑——上传最多 5 张参考图来引导风格或构图。

输入参数

所有参数通过运行请求的 input 对象传入。

Parameter	Required	Description
prompt	Yes	图片生成的文本描述（1–4000 字符）
aspect_ratio	No	输出画面比例。默认 `1:1`。可选：`1:1`、`3:2`、`2:3`
image_urls	No	最多 5 张参考图（每张最大 4 MB）用于图片编辑

提示词技巧

善用风格指引

GPT Image 1 擅长呈现辨识度高的艺术风格。提及具体的美学方向——"Studio Ghibli watercolor"、"vintage travel poster"、"flat vector illustration"——比泛泛的描述更能产出有特色的结果。

保持提示词聚焦

只有 3 种画面比例且没有分辨率控制，较简洁的构图往往效果最好。描述核心主体和氛围，而不是堆砌布局细节。

限制

仅 3 种画面比例可用（1:1、3:2、2:3）
没有分辨率控制——输出分辨率由模型固定
图片中的复杂或小号文字可能需要多次迭代才能准确
提示词上限 4000 字符
每次请求最多 5 张参考图，每张 4 MB

常见问题

GPT Image 1 和 DALL-E 有什么区别？

GPT Image 1 使用自回归架构（逐 token 生成）而非扩散模型。这通常能产出更好的提示词遵循度和更连贯的构图。

有哪些画面比例可选？

三种：1:1、3:2 和 2:3。默认为 1:1。

可以编辑已有图片吗？

可以。通过 image_urls 上传最多 5 张参考图来引导生成。