ToAPIs
    StartseiteToAPIs
    BildgenerierungGPT Image 2.6, Gemini, FLUX…VideogenerierungSeedance, Veo, Kling, Sora…Chat & TextGPT-5.6, Claude, DeepSeek…Sprache & MusikVoiceover, TTS, Audio
    Neu erschienenSeedance 2.5
    PreiseAPI-DokumentationMCP
    BlogAlternativen
    AnmeldenKostenlos starten
    Alle ModellePreiseAPI-DokumentationMCPBlogAlternativen
    AnmeldenKostenlos starten

    Sprache

    Esc
    • Seedance 2.5Videogenerierung
    • GPT Image 2Bildgenerierung
    • GPT Image 2.6Bildgenerierung
    • GPT Image 2.5Bildgenerierung
    • Veo 3.1 FastVideogenerierung
    • Kling 3.0 TurboVideogenerierung
    • Kling V4 FlashVideogenerierung
    • Grok Video 1.5Videogenerierung
    • Nano Banana 2Bildgenerierung
    • Seedream 5.5Bildgenerierung
    • FLUXBildgenerierung
    • Sora 2Videogenerierung
    • Alle BildmodelleKategorie
    • Alle VideomodelleKategorie
    • GPT-5.6 SolChat & Codierung
    • Claude Opus 4.8Chat & Codierung
    • Claude Opus 4.7Chat & Codierung
    • DeepSeek V4 ProDeepSeek · Text
    • Gemini Omni 1.1 FlashGoogle · Multimodal
    1. Startseite
    2. Blog
    3. Tutorial
    4. Inpainting und Outpainting mit der GPT Image 2 Bildbearbeitungs-API meistern
    Zurück zu allen Beiträgen
    tutorial2026-11-126 Min. Lesezeit

    Inpainting und Outpainting mit der GPT Image 2 Bildbearbeitungs-API meistern

    Bearbeiten Sie bestehende Bilder mit dem aktuellen GPT Image 2-Vertrag: referenzgeführte Änderungen auf gpt-image-2 und maskenbasiertes Inpainting auf gpt-image-2-official — alles auf dem asynchronen Generierungsendpunkt.

    ToAPIs Engineering & Evaluation Team
    GPT Image 2InpaintingOutpaintingImage APITutorial
    TL;DR - Wichtigste Punkte
    • Der aktuelle ToAPIs-Bildvertrag ist der asynchrone POST /v1/images/generations — kein synchroner Multipart-Aufruf an /v1/images/edits und keine Katalog-ID namens gpt-image-2-edit.
    • Exaktes gpt-image-2 unterstützt promptgeführte Änderungen über reference_images (nur öffentliche URLs, bis zu 14). Pixelgenaues Inpainting mit Alpha-Maske ist bei gpt-image-2-official über mask_url plus image_urls dokumentiert.
    • size ist ein Seitenverhältnis wie 1:1 oder 16:9; resolution ist die Stufe 1k, 2k oder 4k. Senden Sie keine Pixelzeichenkette wie 1024x1024 als size.
    • Es gibt kein dokumentiertes Outpaint-Flag. Um eine Leinwand zu erweitern, ändern Sie size auf das Zielverhältnis, übergeben das Original als Referenz und beschreiben die Erweiterung im Prompt.
    • Speichern Sie die Task-id und fragen Sie GET /v1/images/generations/{id} ab. Ein Client-Timeout ist kein Beweis dafür, dass die Aufgabe fehlgeschlagen ist.

    Inpainting und Outpainting mit der GPT Image 2 Bildbearbeitungs-API meistern

    Zielmodelle: gpt-image-2, gpt-image-2-official
    Inferenz-Endpunkt: https://api.toapis.com/v1/images/generations
    Verwandt: GPT Image 2 API-Leitfaden · 4K-Workflows zu Seitenverhältnissen · Globaler Mirror und Proxy · Offizielle Inpainting-Referenz


    1. TL;DR und Leistungsüberblick

    • Aufgabe: Eine Region eines bestehenden Bildes ersetzen (Inpainting) oder die Leinwand auf ein neues Seitenverhältnis erweitern (Outpainting), ohne eine zweite, undokumentierte API zu erfinden.
    • Vertrag: Verwenden Sie Modell-IDs, die im Katalog existieren. Exaktes gpt-image-2 nimmt prompt, size als Verhältnis, resolution als 1k / 2k / 4k und optional reference_images. Maskenbasiertes Inpainting ist bei gpt-image-2-official mit image_urls plus mask_url dokumentiert.
    • Nicht der aktuelle Vertrag: Eine Modell-ID namens gpt-image-2-edit, ein synchroner Multipart-POST /v1/images/edits oder size: "1024x1024". Diese Formen stammen aus älteren Entwürfen und sollten nicht in neue Clients kopiert werden.
    • I/O: Laden Sie Quellbilder und Masken mit POST /v1/uploads/images hoch und übergeben Sie dann die zurückgegebene öffentliche URL. Base64 wird in reference_images, image_urls und mask_url nicht akzeptiert.
    • Asynchrones Protokoll: Der Submit-Aufruf gibt eine Task-id zurück. Fragen Sie GET /v1/images/generations/{id} ab, bis der Status completed oder failed lautet. Ein Client-Timeout ist kein Beweis dafür, dass die Aufgabe fehlgeschlagen ist.

    2. Die Stärke programmatischer Bildbearbeitung

    Ein Standbild aus einem Text-Prompt zu erzeugen ist nur der erste Schritt. Produktionskataloge, Anzeigen und Designsysteme brauchen häufiger eine gezielte Überarbeitung: ein Produkt austauschen, einen Hintergrund bereinigen oder ein quadratisches Packshot zu einem breiten Hero strecken — bei gleichbleibender Beleuchtung und Motividentität.

    Die aktuelle GPT Image 2-Familie bei ToAPIs deckt diese Aufgaben auf einem Pfad ab, POST /v1/images/generations, mit zwei unterschiedlichen Modell-IDs:

    AufgabeModell-IDWie Sie auf die Quelle zeigenMaske?
    Promptgeführte Bearbeitung oder Stilübertragunggpt-image-2reference_images (URL-Liste, maximal 14)Bei dieser ID nicht dokumentiert
    Pixelgenaues Inpaintinggpt-image-2-officialimage_urls (URL-Liste, maximal 16)mask_url erforderlich, zusammen mit dem ersten Bild
    Leinwand-Erweiterung (Outpainting)Beide IDsOriginal als Referenz übergeben und size auf das Zielverhältnis ändernKein dediziertes Outpaint-Flag

    image_urls ist bei exaktem gpt-image-2 ein rückwärtskompatibler Alias von reference_images und wird vom Gateway normalisiert. Beispiele des offiziellen Kanals in der API-Referenz verwenden image_urls zusammen mit mask_url. Verwenden Sie die Feldnamen aus der Referenz für die ID, die Sie tatsächlich aufrufen.

    Eine brauchbare Inpainting-Maske ist ein PNG mit Alpha-Kanal. Ihre Pixelmaße müssen mit dem ersten Referenzbild übereinstimmen. Transparente Pixel (alpha = 0) sind die Regenerierungszone; undurchsichtige Pixel sollten erhalten bleiben. Bauen Sie die Maske in Ihrer Pipeline (zum Beispiel mit Pillow), laden Sie sie hoch und senden Sie nur die URL.

    Outpainting ist ein Workflow, kein eigener Endpunkt. Wenn Sie ein 1:1-Packshot haben und ein 16:9-Banner brauchen, behalten Sie das Original als Referenz, setzen Sie size auf 16:9, wählen Sie eine explizite resolution-Stufe und weisen Sie das Modell an, das Motiv zu halten und die Szene zu erweitern. Eine praktische Variante: das Original auf eine größere transparente Leinwand komponieren, diese Leinwand hochladen und als Referenz verwenden — weiterhin auf /v1/images/generations, weiterhin ohne outpaint: true-Flag.

    Ein Maskeninsel-Rahmen, der durch ein hexagonales Gateway in eine erweiterte Leinwand fließt

    Abbildung 1: Eine Quellleinwand und eine innere Maskenregion passieren das ToAPIs-Gateway; der dokumentierte Pfad bleibt POST /v1/images/generations, mit mask_url ausschließlich für gpt-image-2-official.

    size und resolution folgen demselben Vertrag wie bei Text zu Bild: size ist ein Verhältnis wie 1:1 oder 16:9, und resolution ist 1k, 2k oder 4k. Exaktes gpt-image-2 exponiert im aktuellen Playground-Vertrag kein quality-Feld; quality (low / medium / high) erscheint bei gpt-image-2-official. Die dokumentierte Pixeltabelle finden Sie im 4K-Workflow-Leitfaden.


    3. Umsetzung in der Produktion: cURL und Python

    Die internationalen Beispiele dieser Reihe verwenden https://api.toapis.com. Die offizielle Dokumentation empfiehlt Nutzern in Festlandchina https://toapis.cn. Behalten Sie einen Origin pro Umgebung bei. Pfade, Modell-IDs und der Bearer-Header bleiben gleich.

    Schritt 1: Quellbild hochladen (und eine Maske, falls nötig)

    bash
    curl -X POST "https://api.toapis.com/v1/uploads/images" \
      -H "Authorization: Bearer $TOAPIS_API_KEY" \
      -F "file=@./product.png"
    

    Die Antwort enthält data.url. Wiederholen Sie den Aufruf für eine PNG-Maske, wenn Sie gpt-image-2-official aufrufen. Betten Sie kein Base64 in die Generierungsanfrage ein.

    Schritt 2: Promptgeführte Bearbeitung bei exaktem gpt-image-2

    bash
    curl -X POST "https://api.toapis.com/v1/images/generations" \
      -H "Authorization: Bearer $TOAPIS_API_KEY" \
      -H "Content-Type: application/json" \
      -d '{
        "model": "gpt-image-2",
        "prompt": "Keep the ceramic kettle and slate surface. Replace only the background with a calm marble countertop, matching the existing side light. No typography.",
        "size": "1:1",
        "resolution": "1k",
        "n": 1,
        "response_format": "url",
        "reference_images": ["https://example.com/product.png"]
      }'
    

    Schritt 3: Maskiertes Inpainting bei gpt-image-2-official

    bash
    curl -X POST "https://api.toapis.com/v1/images/generations" \
      -H "Authorization: Bearer $TOAPIS_API_KEY" \
      -H "Content-Type: application/json" \
      -d '{
        "model": "gpt-image-2-official",
        "prompt": "Replace the masked region with a desert sunset, preserving the subject outline and lighting",
        "size": "1:1",
        "resolution": "1k",
        "quality": "medium",
        "image_urls": ["https://example.com/photo.png"],
        "mask_url": "https://example.com/mask.png"
      }'
    

    Schritt 4: Python-Helfer zum Senden und Abfragen

    Passen Sie die Feldnamen an die API-Referenz der Modell-ID an, die Sie aufrufen. Das Snippet nutzt den dokumentierten Bildstatus-Pfad und die Status completed / failed.

    python
    import os
    import time
    import requests
    
    API_KEY = os.environ["TOAPIS_API_KEY"]
    BASE = "https://api.toapis.com"
    HEADERS = {"Authorization": f"Bearer {API_KEY}"}
    
    
    def upload_image(path: str) -> str:
        with open(path, "rb") as handle:
            res = requests.post(
                f"{BASE}/v1/uploads/images",
                headers=HEADERS,
                files={"file": handle},
                timeout=60,
            )
        res.raise_for_status()
        url = res.json().get("data", {}).get("url")
        if not url:
            raise RuntimeError(f"Unexpected upload envelope: {res.text}")
        return url
    
    
    def dispatch_edit(payload: dict) -> str:
        res = requests.post(
            f"{BASE}/v1/images/generations",
            headers={**HEADERS, "Content-Type": "application/json"},
            json=payload,
            timeout=30,
        )
        res.raise_for_status()
        data = res.json()
        task_id = data.get("id") or data.get("task_id")
        if not task_id:
            raise RuntimeError(f"Unexpected submission envelope: {data}")
        return task_id
    
    
    def poll_image_task(task_id: str, deadline_s: int = 180) -> str:
        poll_url = f"{BASE}/v1/images/generations/{task_id}"
        interval = 2.0
        start = time.time()
        while time.time() - start < deadline_s:
            time.sleep(interval)
            poll = requests.get(poll_url, headers=HEADERS, timeout=15)
            if poll.status_code == 429:
                retry_after = poll.headers.get("Retry-After")
                time.sleep(float(retry_after) if retry_after else min(interval * 2, 20))
                continue
            poll.raise_for_status()
            data = poll.json()
            status = data.get("status")
            if status == "completed":
                return data["result"]["data"][0]["url"]
            if status == "failed":
                raise RuntimeError(f"Generation failed: {data.get('error')}")
            interval = min(interval * 1.5, 8.0)
        raise TimeoutError(
            f"Task {task_id} exceeded {deadline_s}s; check status before retrying"
        )
    
    
    if __name__ == "__main__":
        source = upload_image("product.png")
        # Prompt-guided edit on exact gpt-image-2 (no mask field on this ID).
        task_id = dispatch_edit(
            {
                "model": "gpt-image-2",
                "prompt": "Keep the ceramic kettle; extend the scene into a wide 16:9 set with the same side light. No typography.",
                "size": "16:9",
                "resolution": "1k",
                "n": 1,
                "response_format": "url",
                "reference_images": [source],
            }
        )
        print("Task:", task_id)
        print("Image:", poll_image_task(task_id))
    

    Für maskiertes Inpainting laden Sie stattdessen eine passende RGBA-Maske hoch, wechseln model auf gpt-image-2-official und senden image_urls plus mask_url. Speichern Sie Modell-ID, size und resolution zusammen mit dem Task-Datensatz, damit ein späterer SKU-Wechsel eine explizite Entscheidung ist.


    4. Fehlerbehandlung und Statusmatrix

    Die folgenden Kategorien sind diagnostische Ausgangspunkte, keine Garantie für exakte ToAPIs-Fehlercodes. Ein erfolgreicher HTTP-Submit erfordert trotzdem, dass Sie den Task-status lesen.

    HTTP-StatusHäufige KategorieEmpfohlene Maßnahme
    400Ungültiges Feld oder nicht unterstützte KombinationBestätigen Sie die Modell-ID, dass size ein dokumentiertes Verhältnis ist, dass resolution 1k / 2k / 4k ist, dass URLs öffentlich sind und dass eine Maske (falls verwendet) bei gpt-image-2-official ein gleich großes PNG mit Alpha-Kanal ist
    401Fehlender oder ungültiger API-SchlüsselRotieren Sie den Schlüssel im ToAPIs Dashboard und bestätigen Sie den Authorization-Header
    429Rate- oder ParallelitätslimitBeachten Sie Retry-After, wenn vorhanden; verwenden Sie Backoff mit Jitter; wiederholen Sie nur, wenn es sicher ist
    5xx oder Netzwerk-TimeoutVorübergehendes Gateway- oder Upstream-ProblemPrüfen Sie den Task-Status vor erneutem Senden; verwenden Sie eine begrenzte Retry-Policy

    WaitTime=min⁡(MaxWait,BaseInterval×2attempt)+Uniform(0,1)\text{WaitTime} = \min(\text{MaxWait}, \text{BaseInterval} \times 2^{\text{attempt}}) + \text{Uniform}(0, 1)WaitTime=min(MaxWait,BaseInterval×2attempt)+Uniform(0,1)


    5. Preise und FinOps-ROI

    Gescha¨tzte Kosten=erfolgreiche abrechenbare Bilder×aktueller Kontotarif fu¨r dieses Modell, diese Gro¨ße und Auflo¨sung\text{Geschätzte Kosten} = \text{erfolgreiche abrechenbare Bilder} \times \text{aktueller Kontotarif für dieses Modell, diese Größe und Auflösung}Gescha¨tzte Kosten=erfolgreiche abrechenbare Bilder×aktueller Kontotarif fu¨r dieses Modell, diese Gro¨ße und Auflo¨sung

    • Verwenden Sie keine Stückpreise aus Planungsentwürfen wie ein pauschales $0.024 / $0.048-Paar „Standard vs. HD". Diese Zahlen sind relativ zum aktuellen Katalog veraltet, der nach Modell-ID und — beim Standard-GPT-Image-2-Landing-Vergleich — nach Auflösungsstufe bepreist.
    • Der GPT Image 2 Modell-Leitfaden zeigt derzeit einen ToAPIs-Landing-Vergleich von $0.015 / $0.020 / $0.025 pro Bild bei 1K / 2K / 4K für Standard-gpt-image-2. Behandeln Sie das als veröffentlichten Vergleich, nicht als vertragliche Rechnung. SKUs des offiziellen Kanals und Kontorabatte können abweichen; bestätigen Sie den Satz für die exakte ID, die Sie aufrufen.
    • Routing (api.toapis.com versus toapis.cn) ist eine Basis-URL-Wahl, kein dokumentierter Rabatt. FinOps-Gewinne entstehen durch Entwürfe in 1k, das Vermeiden doppelter Submits nach einem Client-Timeout und die Wahl der richtigen SKU (gpt-image-2 versus gpt-image-2-official) statt der Annahme eines günstigeren „Edit"-Modells.
    • Als Hintergrund lesen Sie den GPT Image 2 Preisartikel und prüfen dann jede Zahl am Live-Katalog, bevor Sie sie in eine Prognose aufnehmen.

    6. Häufig gestellte Fragen

    Siehe den FAQ-Block im Frontmatter. Zusammenfassung: Exaktes gpt-image-2 dokumentiert weder mask_url noch /v1/images/edits; maskiertes Inpainting ist bei gpt-image-2-official dokumentiert; Masken müssen gleich große RGBA-PNGs sein, die als URL ausgeliefert werden; Outpainting ist eine Änderung von size plus ein Referenzbild; die Abrechnung muss für die exakte Modell-ID im Konto bestätigt werden.


    7. Aktions-Checkliste

    • Erstellen Sie einen Schlüssel im ToAPIs Developer Portal.
    • Legen Sie eine Basis-URL pro Umgebung fest (https://api.toapis.com oder, wo erforderlich, https://toapis.cn) und laden Sie ein Quellbild mit POST /v1/uploads/images hoch.
    • Testen Sie eine promptgeführte Bearbeitung auf gpt-image-2 mit reference_images, size: "1:1" und resolution: "1k".
    • Wenn Sie eine pixelgenaue Maske brauchen, wechseln Sie auf gpt-image-2-official, laden Sie eine RGBA-Maske passend zum ersten Bild hoch und senden Sie image_urls plus mask_url.
    • Speichern Sie die Task-id, fragen Sie GET /v1/images/generations/{id} mit einer begrenzten Frist ab und beachten Sie Retry-After bei 429.
    • Als Nächstes: der 4K-Leitfaden zu Seitenverhältnissen, wenn Sie resolution erhöhen, und der API-Leitfaden für die umfassendere Parameterliste.

    In diesem Beitrag erwähnte Modelle entdecken

    OpenAIIMAGE

    GPT-Image-2

    Aktueller Preis: 3 credits /request
    Modell-LeitfadenIn der Konsole testenAPI-Schlüssel erhalten
    OpenAIIMAGE

    gpt-image-2-official

    Aktueller Preis: Input 800 credits/1M, Output 4,800 credits/1M
    Modell-LeitfadenIn der Konsole testenAPI-Schlüssel erhalten

    Verwandte Artikel

    tutorial2026-11-12T10:00:00+08:006 Min. Lesezeit

    Native 4K-Bilder mit GPT Image 2 erzeugen: Seitenverhältnisse und Upscaling-Workflows

    Erzeugen Sie native 4K-Ausgaben mit dem aktuellen GPT Image 2-Vertrag: size als Seitenverhältnis und resolution als 4k. Ein dokumentiertes upscale: true-Flag gibt es nicht, und die 4K-Pixelgröße hängt vom gewählten Verhältnis ab.

    TO
    ToAPIs Engineering & Evaluation Team
    #GPT Image 2
    tutorial2026-11-11T10:00:00+08:006 Min. Lesezeit

    GPT Image 2 globaler Mirror und Proxy: latenzarmer Zugang für internationale Teams

    Wie internationale Teams die GPT Image 2 API über einen dokumentierten ToAPIs-Origin aufrufen, Sitzungen wiederverwenden und asynchrone Bildaufgaben abfragen können, ohne sich auf ungeprüfte Latenzzahlen zu verlassen.

    TO
    ToAPIs Engineering & Evaluation Team
    #GPT Image 2
    tutorial2026-10-23T10:00:00+08:003 Min. Lesezeit

    GPT Image 2 API: vollständiger Leitfaden zu Parametern, offiziellen Spezifikationen und Python-Beispielen

    Integrationsleitfaden für Entwickler zur GPT Image 2 API. Sie lernen Parameter-Tuning, HD-Auflösungen, die Steuerung des Seitenverhältnisses, Inpainting und die Umsetzung in Python und Node.js.

    TO
    ToAPIs Engineering & Evaluation Team
    #GPT Image 2
    ToAPIs
    StartseiteToAPIs
    Unternehmens-KI-API-Gateway. Greife über eine einheitliche API auf GPT-5, Claude, Gemini und über 200 Modelle zu.

    Beliebte Modelle

    • Seedance 2.5 API
    • Seedance 2.0 API
    • Veo 3.1 Fast API
    • Kling 3.0 Turbo API
    Mehr anzeigenWeniger anzeigen
    • GPT Image 2 API
    • Claude Opus 4.8 API
    • Nano Banana 2 API
    • Seedance 2 Mini API
    • Alle Modelle

    API-Kategorien

    • KI-Bild-API
    • KI-Video-API
    • Text-zu-Video-API
    • Bild-zu-Video-API
    Mehr anzeigenWeniger anzeigen
    • KI-Bildbearbeitungs-API
    • LLM- und Reasoning-API
    • Alle API-Tools →

    Alternativen

    Alternativen
    • Kie.ai-Alternative
    • Fal.ai-Alternative
    • OpenRouter-Alternative
    • Replicate-Alternative
    • Wavespeed-AI-Alternative
    • Alle Vergleiche →

    Empfohlene Leitfäden

    Empfohlene Leitfäden
    • Preise von Seedance 2.0 und 2.5
    • Leitfaden zur günstigsten Seedance-API
    • Integrationsleitfaden zu MiniMax H3
    • Kostenloser Seedance-2-API-Schlüssel
    • Schnellstart der Seedance-2-API
    • Alle Engineering-Beiträge →

    Entwickler und Plattform

    Entwickler und Plattform
    • API-Dokumentation
    • MCP
    • Preise
    • Modell-Playground
    • LLMs.txt
    • Support kontaktieren
    • Verzeichnis der Modell-Leitfäden
    Betreiber:
    鯨樞智能科技有限公司
    JINGSHU INTELLIGENT LIMITED
    Sitz der Gesellschaft:
    ROOM 5042, 5/F, YAU LEE CENTRE, NO.45, HOI YUEN ROAD, KWUN TONG, KOWLOON, HONG KONG
    DatenschutzNutzungsbedingungenZulässige NutzungDatenlöschungDatenaufbewahrungAuftragsverarbeiter und RegionenAbrechnung und ErstattungenCookie-RichtlinieSitemapÜber uns

    © 2026 ToAPIs. Alle Rechte vorbehalten.