ToAPIs
    AccueilToAPIs
    Génération d'imagesGPT Image 2.6, Gemini, FLUX…Génération de vidéosSeedance, Veo, Kling, Sora…Chat et rédactionGPT-5.6, Claude, DeepSeek…Voix et musiqueVoix off, TTS, audio
    Nouvelle sortieSeedance 2.5
    TarifsDocumentation APIMCP
    BlogAlternatives
    Se connecterCommencer gratuitement
    Tous les modèlesTarifsDocumentation APIMCPBlogAlternatives
    Se connecterCommencer gratuitement

    Langue

    Esc
    • Seedance 2.5Génération de vidéos
    • GPT Image 2Génération d'images
    • GPT Image 2.6Génération d'images
    • GPT Image 2.5Génération d'images
    • Veo 3.1 FastGénération de vidéos
    • Kling 3.0 TurboGénération de vidéos
    • Kling V4 FlashGénération de vidéos
    • Grok Video 1.5Génération de vidéos
    • Nano Banana 2Génération d'images
    • Seedream 5.5Génération d'images
    • FLUXGénération d'images
    • Sora 2Génération de vidéos
    • Tous les modèles d'imageCatégorie
    • Tous les modèles vidéoCatégorie
    • GPT-5.6 SolChat et codage
    • Claude Opus 4.8Chat et codage
    • Claude Opus 4.7Chat et codage
    • DeepSeek V4 ProDeepSeek · Texte
    • Gemini Omni 1.1 FlashGoogle · Multimodal
    1. Accueil
    2. Blog
    3. Tutoriel
    4. Maîtriser l'inpainting et l'outpainting avec l'API d'édition d'images GPT Image 2
    Retour à tous les articles
    tutorial2026-11-127 min de lecture

    Maîtriser l'inpainting et l'outpainting avec l'API d'édition d'images GPT Image 2

    Modifiez des images existantes avec le contrat actuel de GPT Image 2 : changements guidés par référence sur gpt-image-2 et inpainting par masque sur gpt-image-2-official, le tout sur l'endpoint asynchrone de génération.

    ToAPIs Engineering & Evaluation Team
    GPT Image 2InpaintingOutpaintingImage APITutorial
    TL;DR - Points clés
    • Le contrat d'image actuel de ToAPIs est le POST /v1/images/generations asynchrone, pas un appel multipart synchrone vers /v1/images/edits ni un ID de catalogue nommé gpt-image-2-edit.
    • Le gpt-image-2 exact prend en charge les modifications guidées par prompt via reference_images (URL publiques uniquement, jusqu'à 14). L'inpainting au pixel près avec masque alpha est documenté sur gpt-image-2-official via mask_url plus image_urls.
    • size est un format d'image comme 1:1 ou 16:9 ; resolution est le palier 1k, 2k ou 4k. N'envoyez pas de chaîne de pixels comme 1024x1024 dans size.
    • Il n'existe aucun flag d'outpaint documenté. Pour étendre une toile, changez size vers le ratio cible, passez l'original en référence et décrivez l'extension dans le prompt.
    • Conservez l'id de tâche et interrogez GET /v1/images/generations/{id}. Un timeout client ne prouve pas que la tâche a échoué.

    Maîtriser l'inpainting et l'outpainting avec l'API d'édition d'images GPT Image 2

    Modèles cibles : gpt-image-2, gpt-image-2-official
    Endpoint d'inférence : https://api.toapis.com/v1/images/generations
    Associé : Guide de l'API GPT Image 2 · Workflows 4K par format d'image · Miroir et proxy global · Référence officielle de l'inpainting


    1. TL;DR et vue d'ensemble des performances

    • Objectif : remplacer une zone d'une image existante (inpainting) ou étendre la toile vers un nouveau format d'image (outpainting) sans inventer une seconde API non documentée.
    • Contrat : utilisez les ID de modèle qui existent au catalogue. Le gpt-image-2 exact accepte prompt, size comme ratio, resolution comme 1k / 2k / 4k et reference_images en option. L'inpainting par masque est documenté sur gpt-image-2-official avec image_urls plus mask_url.
    • Ce qui n'est pas le contrat actuel : un ID de modèle nommé gpt-image-2-edit, un POST /v1/images/edits multipart synchrone, ou size: "1024x1024". Ces formes viennent d'anciens brouillons et ne doivent pas être recopiées dans de nouveaux clients.
    • E/S : importez les images sources et les masques avec POST /v1/uploads/images, puis passez l'URL publique renvoyée. Le base64 n'est pas accepté dans reference_images, image_urls ou mask_url.
    • Protocole asynchrone : l'appel de soumission renvoie un id de tâche. Interrogez GET /v1/images/generations/{id} jusqu'au statut completed ou failed. Un timeout client ne prouve pas que la tâche a échoué.

    2. La puissance de l'édition d'image programmatique

    Générer une image fixe à partir d'un prompt texte n'est que la première étape. Les catalogues, publicités et design systems en production ont plus souvent besoin d'une révision ciblée : remplacer un produit, nettoyer un arrière-plan ou étirer un packshot carré en un hero large — tout en conservant l'éclairage et l'identité du sujet.

    La famille GPT Image 2 actuelle de ToAPIs couvre ces travaux sur un seul chemin, POST /v1/images/generations, avec deux ID de modèle différents :

    TâcheID de modèleComment pointer la sourceMasque ?
    Édition guidée par prompt ou transfert de stylegpt-image-2reference_images (liste d'URL, maximum 14)Non documenté sur cet ID
    Inpainting au pixel prèsgpt-image-2-officialimage_urls (liste d'URL, maximum 16)mask_url obligatoire avec la première image
    Extension de toile (outpainting)L'un ou l'autre IDPassez l'original en référence et changez size vers le ratio cibleAucun flag d'outpaint dédié

    image_urls est un alias rétrocompatible de reference_images sur le gpt-image-2 exact, normalisé par la passerelle. Les exemples de canal officiel de la référence de l'API utilisent image_urls avec mask_url. Utilisez les noms de champs de la référence correspondant à l'ID que vous appelez réellement.

    Un masque d'inpainting utilisable est un PNG avec canal alpha. Ses dimensions en pixels doivent correspondre à la première image de référence. Les pixels transparents (alpha = 0) constituent la zone de régénération ; les pixels opaques doivent être préservés. Construisez le masque dans votre pipeline (par exemple avec Pillow), importez-le et envoyez uniquement l'URL.

    L'outpainting est un workflow, pas un endpoint séparé. Si vous avez un packshot 1:1 et besoin d'une bannière 16:9, gardez l'original en référence, définissez size sur 16:9, choisissez un palier resolution explicite et demandez au modèle de conserver le sujet et d'étendre la scène. Une variante pratique consiste à composer l'original sur une toile transparente plus grande, à importer cette toile et à l'utiliser comme référence — toujours sur /v1/images/generations, toujours sans flag outpaint: true.

    Un cadre d'îlot de masque traversant une passerelle hexagonale vers une toile étendue

    Figure 1 : une toile source et une zone de masque interne passent par la passerelle ToAPIs ; le chemin documenté reste POST /v1/images/generations, avec mask_url réservé à gpt-image-2-official.

    size et resolution suivent le même contrat qu'en texte vers image : size est un ratio comme 1:1 ou 16:9, et resolution vaut 1k, 2k ou 4k. Le gpt-image-2 exact n'expose pas de champ quality dans le contrat actuel du playground ; quality (low / medium / high) apparaît sur gpt-image-2-official. Voir le guide des workflows 4K pour le tableau de pixels documenté.


    3. Implémentation en production : cURL et Python

    Les exemples internationaux de cette série utilisent https://api.toapis.com. La documentation officielle indique aux utilisateurs de Chine continentale d'utiliser https://toapis.cn. Conservez un seul origin par environnement. Les chemins, les ID de modèle et l'en-tête Bearer restent identiques.

    Étape 1 : importer une image source (et un masque si nécessaire)

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

    La réponse contient data.url. Répétez l'appel pour un masque PNG lorsque vous appelez gpt-image-2-official. N'insérez pas de base64 dans la requête de génération.

    Étape 2 : édition guidée par prompt sur le gpt-image-2 exact

    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"]
      }'
    

    Étape 3 : inpainting par masque sur 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"
      }'
    

    Étape 4 : helper Python pour soumettre et interroger

    Alignez les noms de champs sur la référence de l'API de l'ID de modèle que vous appelez. L'extrait utilise le chemin de statut d'image documenté et les statuts 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))
    

    Pour exécuter l'inpainting par masque, importez un masque RGBA correspondant, passez model à gpt-image-2-official et envoyez image_urls plus mask_url. Stockez l'ID de modèle, size et resolution à côté de l'enregistrement de tâche, afin qu'un changement ultérieur de SKU soit une décision explicite.


    4. Gestion des erreurs et matrice des statuts

    Les catégories ci-dessous sont des points de départ pour le diagnostic, pas une garantie de codes d'erreur ToAPIs exacts. Une soumission HTTP réussie exige tout de même de lire le status de la tâche.

    Statut HTTPCatégorie couranteAction recommandée
    400Champ invalide ou combinaison non prise en chargeConfirmez l'ID de modèle, que size est un ratio documenté, que resolution vaut 1k / 2k / 4k, que les URL sont publiques et qu'un masque (si utilisé) est un PNG de même taille avec canal alpha sur gpt-image-2-official
    401Clé d'API absente ou invalideFaites tourner la clé dans le tableau de bord ToAPIs et confirmez l'en-tête Authorization
    429Limite de débit ou de concurrenceRespectez Retry-After lorsqu'il est présent ; appliquez un backoff avec jitter ; ne réessayez que si c'est sûr
    5xx ou timeout réseauProblème temporaire de passerelle ou d'amontVérifiez le statut de la tâche avant de renvoyer ; utilisez une politique de nouvelle tentative bornée

    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. Tarifs et ROI FinOps

    Couˆt estimeˊ=images facturables reˊussies×tarif actuel du compte pour ce modeˋle, cette taille et cette reˊsolution\text{Coût estimé} = \text{images facturables réussies} \times \text{tarif actuel du compte pour ce modèle, cette taille et cette résolution}Couˆt estimeˊ=images facturables reˊussies×tarif actuel du compte pour ce modeˋle, cette taille et cette reˊsolution

    • Ne réutilisez pas de prix unitaires de brouillons de planification comme une paire plate $0.024 / $0.048 « standard vs HD ». Ces chiffres sont obsolètes face au catalogue actuel, qui tarifie par ID de modèle et, pour la comparaison standard de la landing GPT Image 2, par palier de résolution.
    • Le guide du modèle GPT Image 2 montre actuellement une comparaison sur la landing ToAPIs de $0.015 / $0.020 / $0.025 par image en 1K / 2K / 4K pour le gpt-image-2 standard. Traitez-la comme une comparaison publiée, pas comme une facture contractuelle. Les SKU de canal officiel et les remises de compte peuvent différer ; confirmez le tarif applicable à l'ID exact que vous appelez.
    • Le routage (api.toapis.com versus toapis.cn) est un choix d'URL de base, pas une remise documentée. Les gains FinOps viennent des brouillons en 1k, de l'évitement des soumissions en double après un timeout client et du choix de la bonne SKU (gpt-image-2 versus gpt-image-2-official) plutôt que de la supposition d'un modèle « édition » moins cher.
    • Pour le contexte, consultez l'article sur les tarifs de GPT Image 2, puis vérifiez chaque chiffre au catalogue en direct avant de l'inscrire dans une prévision.

    6. Questions fréquentes

    Voir le bloc FAQ du frontmatter. En résumé : le gpt-image-2 exact ne documente ni mask_url ni /v1/images/edits ; l'inpainting par masque est documenté sur gpt-image-2-official ; les masques doivent être des PNG RGBA de même taille servis comme URL ; l'outpainting est un changement de size plus une image de référence ; la facturation doit être confirmée sur le compte pour l'ID de modèle exact.


    7. Liste d'actions

    • Créez une clé sur le portail développeur ToAPIs.
    • Définissez une URL de base par environnement (https://api.toapis.com ou, si nécessaire, https://toapis.cn) et importez une image source avec POST /v1/uploads/images.
    • Testez une édition guidée par prompt sur gpt-image-2 avec reference_images, size: "1:1" et resolution: "1k".
    • Si vous avez besoin d'un masque au pixel près, passez sur gpt-image-2-official, importez un masque RGBA correspondant à la première image et envoyez image_urls plus mask_url.
    • Conservez l'id de tâche, interrogez GET /v1/images/generations/{id} avec un délai borné et respectez Retry-After sur 429.
    • Ensuite : le guide 4K des formats d'image si vous augmentez resolution, et le guide de l'API pour la carte complète des paramètres.

    Découvrir les modèles cités dans cet article

    OpenAIIMAGE

    GPT-Image-2

    Tarif actuel : 3 credits /request
    Guide du modèleEssayer dans la consoleObtenir une clé d'API
    OpenAIIMAGE

    gpt-image-2-official

    Tarif actuel : Input 800 credits/1M, Output 4,800 credits/1M
    Guide du modèleEssayer dans la consoleObtenir une clé d'API

    Articles associés

    tutorial2026-11-12T10:00:00+08:007 min de lecture

    Générer des images 4K natives avec GPT Image 2 : formats d'image et workflows d'upscaling

    Générez une sortie 4K native avec le contrat actuel de GPT Image 2 : définissez size comme un format d'image et resolution sur 4k. Il n'existe pas de flag upscale: true documenté, et la taille en pixels du 4K dépend du ratio que vous choisissez.

    TO
    ToAPIs Engineering & Evaluation Team
    #GPT Image 2
    tutorial2026-11-11T10:00:00+08:007 min de lecture

    GPT Image 2 : miroir global et proxy pour les équipes internationales

    Comment les équipes internationales peuvent appeler l'API GPT Image 2 via un origin ToAPIs documenté, réutiliser les sessions et interroger les tâches d'image asynchrones, sans dépendre de chiffres de latence non vérifiés.

    TO
    ToAPIs Engineering & Evaluation Team
    #GPT Image 2
    tutorial2026-10-23T10:00:00+08:004 min de lecture

    Guide complet de l'API GPT Image 2 : paramètres, spécifications officielles et exemples Python

    Guide d'intégration pour les développeurs de l'API GPT Image 2. Apprenez à régler les paramètres, à utiliser les résolutions HD, à contrôler le format d'image, à faire de l'inpainting et à implémenter en Python et Node.js.

    TO
    ToAPIs Engineering & Evaluation Team
    #GPT Image 2
    ToAPIs
    AccueilToAPIs
    Passerelle d'API d'IA pour l'entreprise. Accédez à GPT-5, Claude, Gemini et plus de 200 modèles via une API unifiée.

    Modèles populaires

    • Seedance 2.5 API
    • Seedance 2.0 API
    • Veo 3.1 Fast API
    • Kling 3.0 Turbo API
    Afficher plusAfficher moins
    • GPT Image 2 API
    • Claude Opus 4.8 API
    • Nano Banana 2 API
    • Seedance 2 Mini API
    • Tous les modèles

    Catégories d'API

    • API image IA
    • API vidéo IA
    • API texte-vers-vidéo
    • API image-vers-vidéo
    Afficher plusAfficher moins
    • API d'édition d'image IA
    • API LLM et raisonnement
    • Tous les outils API →

    Alternatives

    Alternatives
    • Alternative à Kie.ai
    • Alternative à Fal.ai
    • Alternative à OpenRouter
    • Alternative à Replicate
    • Alternative à Wavespeed AI
    • Toutes les comparaisons →

    Guides à la une

    Guides à la une
    • Tarifs de Seedance 2.0 et 2.5
    • Guide de l'API Seedance la moins chère
    • Guide d'intégration de MiniMax H3
    • Clé d'API Seedance 2 gratuite
    • Démarrage rapide de l'API Seedance 2
    • Tous les articles techniques →

    Développeurs et plateforme

    Développeurs et plateforme
    • Documentation API
    • MCP
    • Tarifs
    • Playground de modèles
    • LLMs.txt
    • Contacter le support
    • Annuaire des guides de modèles
    Entité exploitante :
    鯨樞智能科技有限公司
    JINGSHU INTELLIGENT LIMITED
    Siège social :
    ROOM 5042, 5/F, YAU LEE CENTRE, NO.45, HOI YUEN ROAD, KWUN TONG, KOWLOON, HONG KONG
    ConfidentialitéConditionsUsage acceptableSuppression des donnéesConservation des donnéesSous-traitants et régionsFacturation et remboursementsPolitique relative aux cookiesPlan du siteÀ propos

    © 2026 ToAPIs. Tous droits réservés.