GPT Image 2 の画像編集 API でインペインティングとアウトペインティングを使いこなす
対象モデル:
gpt-image-2、gpt-image-2-official
推論エンドポイント:https://api.toapis.com/v1/images/generations
関連: GPT Image 2 API ガイド · 4K アスペクト比ワークフロー · グローバルミラーとプロキシ · 公式インペインティングリファレンス
1. クイックスタートと性能概要 (TL;DR)
- 目的: 既存画像の一部を置き換える(インペインティング)、または新しいアスペクト比へキャンバスを広げる(アウトペインティング)。文書化されていない第二の API を作らない。
- 契約: カタログに実在するモデル ID を使う。正確な
gpt-image-2はprompt、比率としてのsize、1k/2k/4kのresolution、任意のreference_imagesを受け付ける。マスク付きインペインティングはgpt-image-2-officialで、image_urlsとmask_urlとして文書化されている。 - 現行契約ではないもの:
gpt-image-2-editというモデル ID、同期 multipart のPOST /v1/images/edits、size: "1024x1024"。古い原稿に現れる形であり、新しいクライアントへコピーしてはならない。 - 入出力: ソース画像とマスクは
POST /v1/uploads/imagesでアップロードし、返却された公開 URL を渡す。reference_images、image_urls、mask_urlは base64 を受け付けない。 - 非同期プロトコル: 投入はタスク
idを返す。GET /v1/images/generations/{id}をcompletedまたはfailedまでポーリングする。クライアントのタイムアウトは失敗の証明ではない。
2. プログラムによる画像編集の実務的な価値
テキストから静止画を生成するのは最初の一歩にすぎない。本番のカタログ、広告、デザインシステムでは、より多く狙った修正が必要になる。商品の差し替え、背景の整理、正方形のパッケージ写真を横長ヒーローへ伸ばす、といった作業を、照明と被写体の同一性を保ちながら行う。
現行の ToAPIs GPT Image 2 ファミリーは、これらの仕事を一本のパス POST /v1/images/generations で扱い、違いはモデル ID にある。
| 作業 | モデル ID | ソースの指定方法 | マスク |
|---|---|---|---|
| プロンプト誘導の編集やスタイル変換 | gpt-image-2 | reference_images(URL リスト、最大 14) | この ID では文書化されていない |
| ピクセル精度のインペインティング | gpt-image-2-official | image_urls(URL リスト、最大 16) | 先頭画像とともに mask_url が必要 |
| キャンバス拡張(アウトペインティング) | いずれの ID でも可 | 原図を参考画像として渡し、size を目的の比率へ変更 | 専用の outpaint フラグはない |
正確な gpt-image-2 では、image_urls は reference_images の後方互換エイリアスで、ゲートウェイが正規化する。公式チャネルの API リファレンス例は image_urls と mask_url を併用する。実際に呼ぶ ID のリファレンスにあるフィールド名を使うこと。
使えるインペインティングマスクはアルファチャネル付き PNG で、ピクセル寸法は先頭の参考画像と一致しなければならない。透明ピクセル(alpha = 0)が再生成領域、不透明ピクセルは保持されるべきである。パイプライン(Pillow など)でマスクを作り、アップロードして URL だけを送る。
アウトペインティングはワークフローであり、別エンドポイントではない。1:1 のパッケージ写真を 16:9 のバナーにしたい場合は、原図を参考画像として残し、size を 16:9 にし、resolution ティアを明示し、被写体を保って場面を広げるよう指示する。実用的な変形として、原図をより大きな透明キャンバスへ合成してアップロードし、それを参考画像とする方法もある。それでもパスは /v1/images/generations であり、outpaint: true のようなフラグはない。

図 1: ソースキャンバスと内側のマスク領域が ToAPIs ゲートウェイを通過する。文書化されたパスは依然として POST /v1/images/generations であり、mask_url は gpt-image-2-official 向けに予約されている。
size と resolution はテキスト生成と同じ契約に従う。size は 1:1 や 16:9 のような比率、resolution は 1k、2k、4k。正確な gpt-image-2 は現行プレイグラウンド契約で quality を公開しない。quality(low / medium / high)は gpt-image-2-official に現れる。ピクセル表は 4K ワークフローガイド を参照。
3. 本番実装: cURL と Python
本シリーズの国際向け例は https://api.toapis.com を使う。公式ドキュメントは中国本土の利用者に https://toapis.cn を使うよう案内している。環境ごとにオリジンは一つに保つ。パス、モデル ID、Bearer ヘッダーは同じままである。
ステップ 1: ソース画像をアップロードする(マスクが必要なら同様に)
curl -X POST "https://api.toapis.com/v1/uploads/images" \
-H "Authorization: Bearer $TOAPIS_API_KEY" \
-F "file=@./product.png"
応答に data.url が含まれる。gpt-image-2-official を呼ぶ場合は、マスク PNG でも同じ呼び出しを繰り返す。生成リクエストに base64 を埋め込まないこと。
ステップ 2: 正確な gpt-image-2 でのプロンプト誘導編集
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"]
}'
ステップ 3: gpt-image-2-official でのマスク付きインペインティング
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"
}'
ステップ 4: Python の投入とポーリング
フィールド名は、呼び出すモデル ID の API リファレンスに合わせる。次の断片は文書化された画像ステータスパスと、completed / failed ステータスを使う。
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))
マスク付きインペインティングに切り替える場合は、先頭画像と同じ寸法の RGBA マスクをアップロードし、model を gpt-image-2-official にし、image_urls と mask_url を送る。モデル ID、size、resolution はタスク記録と一緒に保存し、後の SKU 変更を明示的な判断にする。
4. エラー処理とステータスマトリクス
次の分類は切り分けの出発点であり、ToAPIs の正確なエラーコードを保証するものではない。HTTP 投入が成功しても、タスクの status を読む必要がある。
| HTTP ステータス | よくある分類 | 推奨アクション |
|---|---|---|
400 | 不正なフィールド、または未対応の組み合わせ | モデル ID、size が文書化された比率であること、resolution が 1k / 2k / 4k であること、URL が公開されていること、マスクを使う場合は gpt-image-2-official 上で先頭画像と同寸法のアルファ付き PNG であることを確認する |
401 | API キーの欠落または無効 | ToAPIs ダッシュボードでキーをローテーションし、Authorization ヘッダーを確認する |
429 | レートまたは同時実行の制限 | Retry-After があれば従い、ジッター付きでバックオフし、安全なときだけ再試行する |
5xx またはネットワークタイムアウト | ゲートウェイまたは上流の一時的な問題 | 再投入の前にタスク状態を確認し、上限付きの再試行方針を使う |
5. 料金と FinOps ROI
- 企画段階の古い単価を再利用しないこと。たとえば固定の
$0.024/$0.048(standard 対 HD)といった組み合わせは、現行カタログから見て古い。現行カタログはモデル ID で決まり、標準 GPT Image 2 のランディング比較では解像度ティアでも分かれる。 - GPT Image 2 モデルガイド は現在、標準
gpt-image-2について ToAPIs ランディング比較として1K/2K/4Kで 1 枚あたり$0.015/$0.020/$0.025を示している。これは掲載上の比較であり、請求書そのものではない。公式チャネルの SKU やアカウント割引は異なり得る。実際に呼ぶ ID のレートを確認すること。 - ルーティング(
api.toapis.comとtoapis.cn)はベース URL の選択であり、文書化された割引ではない。FinOps 上の効果は、1kで下書きすること、クライアントタイムアウト後の重複投入を避けること、正しい SKU(gpt-image-2とgpt-image-2-official)を選ぶことから来る。「編集用の安いモデル」を想像してはならない。 - 背景は GPT Image 2 料金記事 を参照し、予測に入れる前に現行カタログで数字を検証すること。
6. よくある質問
詳細は frontmatter の FAQ を参照。要約: 正確な gpt-image-2 には mask_url も /v1/images/edits も文書化されていない。マスク付きインペインティングは gpt-image-2-official に文書化されている。マスクは同寸法の RGBA PNG を URL で渡す。アウトペインティングは size の変更と参考画像である。課金は正確なモデル ID についてアカウントで確認する。
7. アクションチェックリスト
- ToAPIs 開発者ポータル でキーを作成する。
- 環境ごとにベース URL を一つに決め(
https://api.toapis.com、必要な場合はhttps://toapis.cn)、POST /v1/uploads/imagesでソース画像をアップロードする。 -
gpt-image-2でプロンプト誘導編集をスモークテストする。reference_images、size: "1:1"、resolution: "1k"を使う。 - ピクセル精度のマスクが必要なら
gpt-image-2-officialに切り替え、先頭画像と一致する RGBA マスクをアップロードし、image_urlsとmask_urlを送る。 - タスク
idを永続化し、期限付きでGET /v1/images/generations/{id}をポーリングし、429ではRetry-Afterに従う。 - 次の読み物:
resolutionを上げるなら 4K アスペクト比ガイド、パラメータ全体は API ガイド。







