scenario-gpt-image

Scenario GPT Image

概述

Scenario 上的 OpenAI 图像系列 GPT Image 的每个成员，都通过同一个 prompt 进行生成和编辑；referenceImages 用于传入要编辑的图像，另可使用 alpha mask 进行 局部重绘。撰写本文时，有四个成员可用：GPT Image 2.5 Flare（快速，适合日常使用）、GPT Image 2.5 Sunburst（精准，适合密集文案、图表以及必须保持几何结构的编辑）、GPT Image 2 和 GPT Image 1.5；后者是唯一提供保真度调节和比例尺寸的成员。通过 search 查找成员， 并将 model_schema_get 视为接口约定：整个系列都支持 prompt 和参考图像，但在尺寸、质量等级和保真度方面各有不同。

关于连接和核心循环，请参阅本仓库中的 scenario 技能；关于模型无关的图像工作，请参阅 scenario-image 技能。如果这里提到的同级技能不在你的可用技能中，请让用户安装它（npx skills add scenario-labs/skills --skill <name>）；如需无人值守地继续，请根据工具架构操作，并指出这一缺失。

快速参考

撰写本文时的共享参数：prompt（必填，最多 32000 个字符）、referenceImages（即使只有一张也必须是数组，最多 10 张）、numOutputs（为同一个 prompt 生成 1 到 10 个变体）、quality 和 background（所有成员均支持 auto 和 opaque；除 GPT Image 2 外的成员均支持 transparent）。差异如下：

接口约定	2.5 Flare 和 Sunburst	GPT Image 2	GPT Image 1.5
尺寸	width 和 height，16 至 3840 px	相同	aspectRatio：auto、1:1、3:2、2:3
局部重绘	mask PNG	mask PNG	无 mask 字段
quality	auto、low、medium、high、xhigh、max	auto、low、medium、high	high、medium、low（默认 high）
源图保真度	仅通过 prompt 措辞控制	仅通过 prompt 措辞控制	inputFidelity：high 锁定，low 重新处理

路由选择：Flare 和 Sunburst 共用一套接口约定和价格表，因此选择时需权衡速度与质量。OpenAI 将 Flare 描述为一款小型模型，专为速度而设计，图像质量与 GPT Image 2 相当；将 Sunburst 描述为基础模型，图像质量优于 GPT Image 2：日常工作选 Flare；准确性比速度更重要时（如包装文案、密集数字、分解图，以及需要保持几何结构的编辑）选 Sunburst。GPT Image 2 的接口约定与 2.5 相同，但少了两个最高等级；其 high 定价与 2.5 的 max 相同，因此新任务应从 2.5 开始。GPT Image 1.5 适用于 inputFidelity: "low"，可重新处理参考图像，而不是照搬它（只有前五张参考图像会保持较高保真度）；它还支持 3:2 或 2:3 输出，无需计算像素尺寸。透明抠图应选择 2.5 系列成员：GPT Image 2 不接受该值；而 1.5 主打保真度和比例，并非抠图。

质量是价格调节盘

quality 对价格的影响大于尺寸，而且同一个选项在不同成员上的价格并不相同。在撰写本文时，两个 2.5 成员对 1024 的正方形图像按 low、medium、high、xhigh 和 max 档位分别定价为 2、3、12、20 和 45 CU；GPT Image 2 的 low、medium 和 high 档位分别定价为 2、12 和 45；三个成员的 auto 都解析为 12；Flare 上一次 3840×2160 的 max 运行耗费了 69 CU。对你将要运行的成员设置 dry_run=true，并读取 creativeUnitsCost；referenceImages、numOutputs、quality 和尺寸设置都会影响 cost_impact，因此每次更改后都要重新估价。即使使用 dry run，GPT Image 2 上的 xhigh 或 max 也会返回 400（“Input quality must be one of the following values”）。档位选择：草稿用 low，日常成品用 medium，必须保证小字或图例清晰易读时用 high；只有当低一档在你的延迟预算内无法满足某项具体要求时，才用 xhigh 或 max：更高档位并不保证对每个提示词都能带来更好的结果。

像素成员的尺寸遵循 OpenAI 发布的网格：每个轴的尺寸都是 16 的倍数，长边至多为 3840，宽高比介于 1:3 和 3:1 之间，总像素数介于 655,360 和 8,294,400 之间；高于 2560×1440 的尺寸为实验性功能。Schema 只强制执行 16 的步进范围，且 dry_run 会对任何请求报价，因此请自行遵守此网格：不符合网格的请求仍会成功，但返回的尺寸会有所不同，且不会报错。在撰写本文时，3840×960 和 3840×480 都返回了 3840×1280（限制为 3:1）；960×3840 返回了 1280×3840；1000×1000 返回了 992×992；Sunburst 上的 3840×3840 返回了 2880×2880，而 Flare 在提交时拒绝了该请求（“Error while running prediction”）。常见选择：1024×1024（最快）、1536×1024、1024×1536、4K 用 3840×2160、真正的 21:9 用 2560×1088。

宽高比超出 1:3 到 3:1 范围的编辑源会被填充，而不是裁切：一张 1326×313（4.24:1）的源图在两个 2.5 成员上都返回了约 2132×738 的图像，上下白边约占画面的三分之一；即使输入源图尺寸，也会返回 1408×480，并以相同方式填充。每次运行后，都要从 asset_get 读取 width 和 height。如果编辑后的文件必须保持原始画布尺寸，请裁掉结果中的边带，或将编辑路由到会保留源图尺寸的成员（参见 scenario-ideogram）。

蒙版和透明度

mask 是一张与第一张参考图尺寸相同的 PNG，只通过其 alpha 通道读取：透明像素会被编辑，不透明像素会保留；没有 alpha 时，RGB 白色或黑色会被忽略。导出时保留透明度，切勿扁平化，并将白底黑字蒙版中的白色区域转换为透明。OpenAI 将蒙版视为指导，而非硬性边界：如果某个区域必须保持像素级一致，请将获准的编辑结果合成回原图。

background: "transparent" 在 2.5 Flare 和 Sunburst 的所有档位都会返回真正的 alpha；GPT Image 2 会拒绝此设置。在撰写本文时，对 2.5 成员有两点观察：alpha 峰值为 254，而非 255，因此检查完全不透明像素时会把整个主体识别为半透明；透明像素下方的颜色数据带有光晕，因此任何会丢弃 alpha 的表面（JPEG 扁平化、无透明度的缩略图、在黑色背景上合成的查看器）都会让抠图边缘发亮。在白色背景或棋盘格背景上则很干净。提示词中应要求干净抠图、轮廓清晰、边缘细致、保留标签文字、无光晕、不重新设计，然后检查头发、玻璃、阴影和物体边缘处的 alpha 通道。所有环节都应保留 PNG 或 WebP 及其 alpha 通道，包括预览和下载。

提示词撰写方式

位置就是权重：提示词开头依次写风格、媒介、主体和情绪，然后用自然句子而非标签列表描述场景、细节、光线和文字。说明预期用途（广告、UI 模型图、信息图、主视觉），以确定精细程度。若追求照片级真实感，请写上“photorealistic”并指出具体纹理（毛孔、织物磨损、材料纹理）；若画面中有人物，请描述取景、视线和手部动作。详细的需求说明会被规范化，而非加以润色：只补充过于笼统的提示词，绝不添加需求中未暗示的人物、品牌、标语或左右位置。大约超过 7 项不同要求后，部分要求可能会悄然遗漏，因此先构建简洁的基础版本，再通过每次编辑进行一项有针对性的修改，并将上一次的输出作为下一次的参考。

编辑时，请说明“只修改 X”，列出必须保留的内容，并在每次迭代时重复这份列表；未提及的内容都可能发生变化。并非每张输入图片都用于编辑：作为风格或情绪参考提供的图片，会让本次运行成为带参考图的生成任务。请按索引为每张参考图指定用途（“图片 1 是产品，图片 2 是调色板”）；未指定用途的参考图会混在一起。numOutputs 会根据同一个提示词生成多个变体，适合为同一份需求制作版式草稿；不同主体则需要分别运行。

图片中的文字：引用准确文案，逐字拼写容易出错的单词，说明布局（每个元素所在区域、相对其他元素的大小层级、哪些区域保持留白），注明字体粗细和大小写形式，说明文案出现的次数，并附上“no extra words, no duplicate text”。若提示词中提及公众人物，系统会拒绝；请改为描述一种原型。复杂提示词可能需要约 2 分钟才能运行：请等待 jobs_wait，不要重新运行任务。

实例：带标题文字的产品主视觉

1. 使用 target="models"、query="gpt image"、public=true 调用 search。请阅读模型名称，而不是只看排名：新成员的使用时间较短，排名会低于 GPT Image 2。标题文字适合用 Sunburst，例如 model_openai-gpt-image-2-5-sunburst（撰写本文时查询到的一个可用结果：每次会话都应重新发现）。
2. 使用该 ID 调用 model_schema_get：先查看 quality 的允许值、尺寸范围、是否支持遮罩以及默认值。
3. 使用 upload_asset 上传产品照片（参见 scenario 技能），获取其资源 ID。
4. 使用该 model_id 调用 model_run，设置 dry_run=true，并传入 parameters={"prompt": "Editorial product photography, soft daylight. The exact bottle from image 1 on brushed concrete, label, shape, and color preserved. Headline \"DRINK GREEN\" in bold sans-serif, centered, appears once, no extra words, no duplicate text.", "referenceImages": ["asset_x"], "width": 1536, "height": 1024, "quality": "low", "numOutputs": 3} 以查看草稿价格；然后使用 wait=false 运行，并对返回的任务 ID 调用 jobs_wait。超时时，使用 pending_job_ids 再次调用 jobs_wait，绝不要再次调用 model_run。
5. 使用 asset_display 查看 3 个草稿并选定构图。按照步骤 4 再运行一次，使用该提示词并设置 quality: "high"、numOutputs: 1，先设置 dry_run=true：档位变化会影响价格。
6. 使用 asset_display 查看最终结果，并在批量生成前校对渲染出的文字；使用 asset_download 保存。

常见错误

• 将 xhigh 或 max 用于 GPT Image 2 或 1.5：验证时会返回 400 错误；请查看各模型的 schema，确认允许值。
• 使用 GPT Image 2 生成抠图：它不接受 background: "transparent"；请改用 2.5 Flare 或 Sunburst（1.5 是注重保真度和比例的成员）。
• 在不同模型之间沿用尺寸参数：2 和 2.5 使用 width/height，1.5 使用 aspectRatio，两者不可同时使用。
• 盲目信任请求的尺寸：若宽高比超过 3:1、像素数超过 8,294,400，或尺寸不符合 16 像素网格，任务会以不同尺寸成功；过宽的编辑源图还会出现白边。
• 使用 1.5 时，若希望重新诠释图像，却仍将 inputFidelity 保持在较高默认值：请将其调低，并重新调用 dry_run。