gpt-image-edit

GPT Image Edit — RunComfy 专业版

runcomfy.com · 编辑端点 · 文生图同系列模型 · GitHub

RunComfy Model API 上的 OpenAI GPT Image 2 — /edit 端点（ChatGPT Images 2.0 图生图）。它在同类模型中最擅长通过定向编辑保留身份特征，以及重写图像中任何文字体系（拉丁字母、假名、中日韩文字、西里尔字母、阿拉伯文）的嵌入文字。

npx skills add agentspace-so/runcomfy-skills --skill gpt-image-edit -g

何时选择此模型（而非同系列其他模型）

需求	使用
编辑图像中的多语言／嵌入文字	GPT Image Edit
在翻译标题的不同版本中保留身份特征	GPT Image Edit
精准编辑布局（移动标题、更换 CTA 等）	GPT Image Edit
最多使用 10 张参考图	GPT Image Edit
一致地批量处理最多 20 张图像	Nano Banana Edit
单次精确局部编辑，优先忠实还原来源	Flux Kontext
使用 GPT Image 2 从零生成	同系列 gpt-image-2 技能
批量生成身份特征稳定的 SKU 图集	Nano Banana Edit

前提条件

1. RunComfy CLI — npm i -g @runcomfy/cli
2. RunComfy 账户 — runcomfy login 会打开浏览器设备代码登录流程。
3. CI／容器 — 设置 RUNCOMFY_TOKEN=<token>，而不是运行 runcomfy login。

端点和输入架构

openai/gpt-image-2/edit

字段	类型	必填	默认值	说明
prompt	string	是	—	编辑指令。先说明要保留的内容，最后说明要做的改动。
images	string[]	是	—	最多 10 个可公开获取的 HTTPS URL。第一个是主图，其余为辅助图。
size	enum	否	auto	auto（保留输入图像）、1024_1024（1:1）、1024_1536（2:3 纵向）、1536_1024（3:2 横向）。

size=auto 会保留输入图像的比例——除非编辑明确要求更改取景范围，否则强烈建议使用此设置。

调用方法

保留单张参考图的编辑：

runcomfy run openai/gpt-image-2/edit \
  --input '{
    "prompt": "Keep the person'\''s face, pose, and brand mark unchanged. Replace the background with a soft warm-grey studio sweep and a gentle floor shadow.",
    "images": ["https://.../portrait.jpg"]
  }' \
  --output-dir <absolute/path>

多语言文字改写（除标题外保留所有内容）：

runcomfy run openai/gpt-image-2/edit \
  --input '{
    "prompt": "Keep the photograph, layout, and brand mark exactly as in the input. Replace only the in-image headline. The new headline reads \"今日のおすすめ\" in bold Japanese kana, same position and font weight as before.",
    "images": ["https://.../poster-en.jpg"]
  }' \
  --output-dir <absolute/path>

多参考图合成：

runcomfy run openai/gpt-image-2/edit \
  --input '{
    "prompt": "Compose subject from image 1 into the room from image 2. Match the lighting and color palette of image 2. Keep image 1 subject identity (face, pose, clothing) unchanged.",
    "images": ["https://.../subject.jpg", "https://.../room.jpg"]
  }' \
  --output-dir <absolute/path>

提示词——实际有效的方法

先说明保留目标。 务必先写："Keep [face / pose / clothing / brand / framing] unchanged."，然后说明要做的改动。模型会优先遵循开头的要求。

多语言文字——引用字符并注明文字体系。 "the headline reads \"コーヒー\" in bold Japanese kana"、"the label says \"АРОМА\" in Cyrillic, white on black"、"the right-margin caption reads \"تخفيض\" in Arabic right-to-left"。不要转述——直接引用。

空间编辑使用方向性描述。 具体的空间范围描述效果很好："move the headline from top-right to bottom-center"、"remove the leftmost object only"、"replace the watermark in the bottom-right corner"。

多参考图编号。 传入多张 images 时，按编号引用它们："subject from image 1, lighting from image 2, color palette from image 3"。模型能够正确分配提示信息。

使用 size: "auto" 保留输入比例。 只有编辑明确要求更改取景范围时才覆盖此设置（例如将 16:9 图像裁剪为 1:1）。

反模式：

• 过长的复合编辑指令（“更改 A、B、C 和 D”）→ 每增加一个编辑目标，偏移风险都会增大。
• 未说明保留目标 → 模型可能会微妙地改写面部、品牌或取景范围。
• 转述而非引用图像中的文字 → 输出文字会有所不同。
• 将 size 设为 3 个固定值和 auto 以外的值 → 422。

适用场景

使用场景	GPT Image Edit 的优势
多语言广告本地化	一个源素材 → 同一标题的多种语言版本
符合品牌规范的标题 / CTA 替换	精确的布局控制 + 保留指令，让其余部分保持稳定
多参考图合成（主体取自一张图，场景取自另一张图）	编号参考图可准确传递线索
精确调整布局位置	能遵循方向性描述（“从右上角移至底部中央”）
编辑标牌时保留身份特征	在针对性编辑中，面部 / 品牌保留能力同类最佳

示例提示词（经验证可生成优质结果）

替换背景并完整保留其他内容（页面示例）：

Turn the background into a bright minimal white-to-soft-gray studio
sweep with gentle floor shadow; add a large headline in-image that
reads "OPEN STUDIO" in a bold clean sans-serif, high contrast, centered;
keep the main person or product, pose, and face identity unchanged

多语言版本：

Keep the photograph, layout, lighting, and brand mark exactly as in the
input. Replace only the in-image headline.
The new headline reads "コーヒー" in bold Japanese kana, same position
and font weight as before.

多参考图合成：

Compose subject from image 1 into the kitchen from image 2.
Match the warm window light and color palette of image 2.
Keep subject identity (face, pose, clothing) from image 1 unchanged.

局限性

• size：3 个固定值 + auto — 其他值都会返回 422 错误。
• images：最多 10 张 — 第一张是主图，其余为辅助线索。
• 较长的复合提示词容易偏离 — 必要时拆分为多个处理步骤。
• 要在大量 SKU 图片中保持批次一致性，Nano Banana Edit（最多 20 张）更合适。
• 人像写实度方面 — Nano Banana Pro 更胜一筹。

退出代码

code	含义
0	成功
64	CLI 参数错误
65	输入 JSON 错误 / 架构不匹配
69	上游 5xx 错误
75	可重试：超时 / 429
77	未登录或令牌遭拒

完整参考：docs.runcomfy.com/cli/troubleshooting。

工作原理

该技能使用符合架构的 JSON 请求体调用 runcomfy run openai/gpt-image-2/edit。CLI 会向 https://model-api.runcomfy.net/v1/models/openai/gpt-image-2/edit 发送 POST 请求，轮询请求状态，获取结果，并将任何 .runcomfy.net/.runcomfy.com URL 下载到 --output-dir。按下 Ctrl-C 会在退出前取消远程请求。

安全与隐私

• 令牌存储：runcomfy login 会将 API 令牌写入 ~/.config/runcomfy/token.json，文件权限为 0600（仅所有者可读写）。在 CI / 容器中设置 RUNCOMFY_TOKEN 环境变量即可完全绕过该文件。
• 输入边界：用户提示词会作为 JSON 字符串通过 --input 传递给 CLI。CLI 不会对提示词进行 shell 展开，而是通过 HTTPS 直接传输 JSON 请求体至模型 API。提示词内容不存在 shell 注入风险。
• 第三方内容：你提供的图片 / 遮罩 / 视频 URL 由 RunComfy 模型服务获取，而不是由你机器上的 CLI 获取。请将外部 URL 视为不可信内容；基于图片的提示词注入是任何图片编辑 / 视频编辑模型都存在的已知风险。
• 出站端点：仅使用 model-api.runcomfy.net（提交请求）和 *.runcomfy.net / *.runcomfy.com（生成结果的下载白名单）。无遥测，无回调。
• 生成文件大小上限：CLI 会中止任何超过 2 GiB 的单个下载，以防恶意或失控的模型输出耗尽磁盘空间。