N·00API 生图
用 API 生成图片
生图有两种协议:Images API 直接按描述出图(/v1/images/generations)或在已有图片上修改(/v1/images/edits);Responses 接口让对话模型把出图当成工具调用,适合多轮修改。地址和文本调用一样是 https://api.xylemnode.com/v1,不必再单独接一套图像服务;直接调 Images API 时,Key 要选包含生图模型的分组。
Images API:生成与编辑
只想要图,直接调图像接口最省事:一次请求返回成品,不经过对话模型。生成用 JSON 请求体,改图用表单上传原图;两者都用 Bearer 鉴权,返回的 data 数组里每一项都是一张图的 Base64。
- 01
按
描述 生成: / v1 / images / generations model 填生图模型,prompt 写描述,size 和 quality 按需要填。GPT Image 系列只返回 b64_json(图片的 Base64),不给图片链接,解码成文件即可。下面的 curl 适用于 macOS / Linux,结尾用 jq 和 base64 把图片解出来存成文件;Windows 直接看后面的 Python 写法。
terminal curl https://api.xylemnode.com/v1/images/generations \ -H "Authorization: Bearer sk-你的密钥" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-image-2.5-flare", "prompt": "一只穿着宇航服的橘猫站在月球上,远处是蓝色地球,电影感光影,写实风格。", "size": "1024x1536", "quality": "high" }' | jq -r '.data[0].b64_json' | base64 --decode > moon-cat.png - 02
在
已有 图片 上 修改: / v1 / images / edits 改图用表单(multipart/form-data)上传:image[] 放原图,最多 16 张,png、webp 或 jpg 均可,单张小于 50MB,传多张时模型会把它们当参考合成一张;prompt 写怎么改。只想改局部,再传一张 mask:与原图同尺寸、小于 4MB、带透明通道的 PNG,完全透明的区域就是要重画的地方(模型把蒙版当参考,不保证严格按轮廓改),多张原图时只作用于第一张。文件名要带对扩展名(.png / .jpg / .webp),curl 会自己设好表单格式,不要手动加 Content-Type。
terminal curl https://api.xylemnode.com/v1/images/edits \ -H "Authorization: Bearer sk-你的密钥" \ -F "model=gpt-image-2.5-sunburst" \ -F "image[][email protected]" \ -F "[email protected]" \ -F "prompt=把沙发换成墨绿色丝绒沙发,其余保持不变" \ | jq -r '.data[0].b64_json' | base64 --decode > living-room-edited.png - 03
Python 写法
(Windows 也 适用) 同样两个接口的 Python 版本,只依赖 requests:生成发 JSON,改图用 files 上传文件,两者都从 data[0].b64_json 取图。
python import base64 import requests API = "https://api.xylemnode.com/v1" HEADERS = {"Authorization": "Bearer sk-你的密钥"} # 按描述生成 result = requests.post( f"{API}/images/generations", headers=HEADERS, json={ "model": "gpt-image-2.5-flare", "prompt": "一只穿着宇航服的橘猫站在月球上,远处是蓝色地球,电影感光影,写实风格。", "size": "1024x1536", "quality": "high", }, timeout=600, ) result.raise_for_status() with open("moon-cat.png", "wb") as file: file.write(base64.b64decode(result.json()["data"][0]["b64_json"])) # 在已有图片上修改(mask 可选) with open("living-room.png", "rb") as image, open("mask.png", "rb") as mask: result = requests.post( f"{API}/images/edits", headers=HEADERS, data={"model": "gpt-image-2.5-sunburst", "prompt": "把沙发换成墨绿色丝绒沙发,其余保持不变"}, files=[ ("image[]", ("living-room.png", image, "image/png")), ("mask", ("mask.png", mask, "image/png")), ], timeout=600, ) result.raise_for_status() with open("living-room-edited.png", "wb") as file: file.write(base64.b64decode(result.json()["data"][0]["b64_json"])) - 04
常用
参数 两个接口通用。size 也接受自定义宽高:两边都是 16 的倍数,长宽比在 1:3 到 3:1 之间,单边不超过 3840,总像素在 655,360 到 8,294,400 之间(比如 1024x640 到 3840x2160);超过 2560x1440 的尺寸目前属实验性。生图模型按需要选:gpt-image-2.5-flare 快,适合日常出图;gpt-image-2.5-sunburst 更精细,适合改图,以后台可用列表为准。
- n
一次出几张,1–10- size
1024x1024 · 1536x1024 · 1024x1536 · auto- quality
low · medium · high · auto(2.5 系列另有 xhigh · max)- background
auto · opaque · transparent(透明需配 png 或 webp)- output_format
png · jpeg · webp- output_compression
0–100,仅 jpeg / webp
接口一览
- 按描述生成
POST https://api.xylemnode.com/v1/images/generations(JSON)- 改图 / 合成
POST https://api.xylemnode.com/v1/images/edits(multipart)- 生图模型
gpt-image-2.5-flare · gpt-image-2.5-sunburst- 取图字段
data[].b64_json(Base64)
Responses 接口:在对话里出图
想让对话模型先读懂需求再出图,或者在同一张图上多轮修改,就走 Responses 接口:主模型把出图当成一个工具去调用,图片以 Base64 结果随事件返回。
- 01
拼
好 请求 体 四个要点:tools 里放 image_generation 并指定生图模型;tool_choice 填同一个类型,强制它出图而不是用文字回你;stream 打开,生图比文本慢得多,流式能边生成边收事件,也不容易被中途掐断;store 关掉,这轮对话不在服务端留存。图片描述作为一条 user 消息放进 input,instructions 只交代任务本身。下面是 bash 写法,只适合确认请求能通:它会把整段事件流连同图片的 Base64 打到终端里,存图请用下一步的 Python;Windows 也直接看下一步。
terminal curl https://api.xylemnode.com/v1/responses \ -H "Authorization: Bearer sk-你的密钥" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-6.1-sol", "instructions": "Generate the requested image.", "input": [ { "role": "user", "content": "一只穿着宇航服的橘猫站在月球上,远处是蓝色地球,电影感光影,写实风格。" } ], "tools": [{ "type": "image_generation", "model": "gpt-image-2.5-flare" }], "tool_choice": { "type": "image_generation" }, "stream": true, "store": false }' - 02
从
流 式 事件 里 取 图 响应是 SSE:逐行读 data: 后面的 JSON,只认 type 为 response.output_item.done 的事件,从里面挑出 item.type 为 image_generation_call 的那条——它的 item.result 就是成品图的 Base64,解码后写成文件即可。result 是一长串文本而不是链接,别直接当图片地址用,也别打印到终端里。
python import base64 import json import requests PROMPT = "一只穿着宇航服的橘猫站在月球上,远处是蓝色地球,电影感光影,写实风格。" payload = { "model": "gpt-6.1-sol", "instructions": "Generate the requested image.", "input": [{"role": "user", "content": PROMPT}], "tools": [{"type": "image_generation", "model": "gpt-image-2.5-flare"}], "tool_choice": {"type": "image_generation"}, "stream": True, "store": False, } with requests.post( "https://api.xylemnode.com/v1/responses", headers={"Authorization": "Bearer sk-你的密钥"}, json=payload, stream=True, timeout=600, ) as response: response.raise_for_status() for raw in response.iter_lines(): if not raw: continue line = raw.decode("utf-8") if not line.startswith("data:"): continue chunk = line[5:].strip() if chunk == "[DONE]": break event = json.loads(chunk) if event.get("type") != "response.output_item.done": continue item = event.get("item") or {} if item.get("type") == "image_generation_call" and item.get("result"): with open("moon-cat.png", "wb") as file: file.write(base64.b64decode(item["result"])) print("已保存 moon-cat.png") - 03
换
模型、 调 出 图 参数 生图模型按需要选:gpt-image-2.5-flare 更快,gpt-image-2.5-sunburst 更精细但更慢,以后台可用列表为准。出图选项写在请求体 tools 里的同一个对象上:size 定画幅、quality 定精细度、background 可以要透明底(透明只支持 png / webp)、output_format 定文件格式;再加 partial_images(1–3),出图过程中会先收到几张草图预览,事件类型是 response.image_generation_call.partial_image。
json { "tools": [{ "type": "image_generation", "model": "gpt-image-2.5-flare", "size": "1024x1536", "quality": "high", "background": "transparent", "output_format": "png", "partial_images": 2 }] }
调用参数
- 接口地址
https://api.xylemnode.com/v1/responses- 请求方式
POST(Bearer 鉴权)- 主模型
gpt-6.1-sol- 生图工具
image_generation- 生图模型
gpt-image-2.5-flare · gpt-image-2.5-sunburst- 取图字段
image_generation_call.result(Base64)