GPT Image 2 이미지 편집 API로 인페인팅과 아웃페인팅 마스터하기
대상 모델:
gpt-image-2,gpt-image-2-official
추론 엔드포인트:https://api.toapis.com/v1/images/generations
관련 문서: GPT Image 2 API 가이드 · 4K 종횡비 워크플로 · 글로벌 미러와 프록시 · 공식 인페인팅 레퍼런스
1. 핵심 요약 및 개요 (TL;DR)
- 목표: 기존 이미지의 일부 영역을 교체하거나(인페인팅) 캔버스를 새 종횡비로 확장하되(아웃페인팅), 문서화되지 않은 두 번째 API 를 만들지 않는 것입니다.
- 계약: 카탈로그에 실제로 있는 모델 ID 만 사용하세요. 정확한
gpt-image-2는prompt, 비율인size,1k/2k/4k인resolution, 선택적reference_images를 받습니다. 마스크 기반 인페인팅은gpt-image-2-official에서image_urls와mask_url로 문서화되어 있습니다. - 현재 계약이 아닌 것:
gpt-image-2-edit라는 모델 ID, 동기 multipartPOST /v1/images/edits,size: "1024x1024". 이러한 형태는 이전 초안에 나타나며 새 클라이언트에 복사하면 안 됩니다. - 입출력: 원본과 마스크는
POST /v1/uploads/images로 업로드한 뒤 반환된 공개 URL 을 전달하세요.reference_images,image_urls,mask_url은 base64 를 받지 않습니다. - 비동기 프로토콜: 제출 호출은 작업
id를 반환합니다.completed또는failed가 될 때까지GET /v1/images/generations/{id}를 폴링하세요. 클라이언트 타임아웃은 실패의 증거가 아닙니다.
2. 프로그래밍 방식 이미지 편집의 실제 가치
텍스트 프롬프트로 이미지를 생성하는 것은 첫 단계일 뿐입니다. 프로덕션 카탈로그, 광고, 디자인 시스템에서는 특정 부분만 고치는 일이 더 많습니다. 상품을 바꾸거나, 배경을 정리하거나, 정사각 패키지 컷을 와이드 히어로로 늘리면서도 조명과 피사체 정체성을 유지해야 합니다.
현재 ToAPIs GPT Image 2 계열은 이 작업을 하나의 경로, 즉 POST /v1/images/generations 에서 다루며, 차이는 모델 ID 에 있습니다.
| 작업 | 모델 ID | 원본을 지정하는 방법 | 마스크 |
|---|---|---|---|
| 프롬프트 기반 편집 또는 스타일 전환 | gpt-image-2 | reference_images(URL 목록, 최대 14) | 이 ID 에는 문서화되어 있지 않음 |
| 픽셀 단위 인페인팅 | gpt-image-2-official | image_urls(URL 목록, 최대 16) | 첫 이미지와 함께 mask_url 필요 |
| 캔버스 확장(아웃페인팅) | 두 ID 모두 가능 | 원본을 참고 이미지로 전달하고 size 를 목표 비율로 변경 | 전용 outpaint 플래그 없음 |
정확한 gpt-image-2 에서 image_urls 는 reference_images 의 하위 호환 별칭이며 게이트웨이가 정규화합니다. 공식 채널 API 레퍼런스 예시는 image_urls 와 mask_url 을 함께 사용합니다. 실제로 호출하는 ID 의 레퍼런스 필드 이름을 따르세요.
사용 가능한 인페인팅 마스크는 알파 채널이 있는 PNG 이며, 픽셀 크기는 첫 번째 참고 이미지와 같아야 합니다. 투명 픽셀(alpha = 0)이 재생성 영역이고, 불투명 픽셀은 보존되어야 합니다. 파이프라인(예: Pillow)에서 마스크를 만든 뒤 업로드하고 URL 만 보내세요.
아웃페인팅은 워크플로이지 별도 엔드포인트가 아닙니다. 1:1 패키지 컷을 16:9 배너로 바꿔야 한다면, 원본을 참고 이미지로 유지하고, size 를 16:9 로 설정하고, resolution 티어를 명시하며, 피사체를 유지하고 장면을 확장하라고 지시하세요. 실용적인 변형은 원본을 더 큰 투명 캔버스에 합성한 뒤 업로드해 참고 이미지로 쓰는 것입니다. 그래도 경로는 /v1/images/generations 이고, outpaint: true 같은 플래그는 없습니다.

그림 1: 원본 캔버스와 내부 마스크 영역이 ToAPIs 게이트웨이를 통과합니다. 문서화된 경로는 여전히 POST /v1/images/generations 이며, mask_url 은 gpt-image-2-official 용입니다.
size 와 resolution 은 텍스트 생성과 같은 계약을 따릅니다. size 는 1:1 또는 16:9 같은 비율이고, resolution 은 1k, 2k, 4k 입니다. 정확한 gpt-image-2 는 현재 플레이그라운드 계약에서 quality 필드를 노출하지 않습니다. quality(low / medium / high)는 gpt-image-2-official 에 나타납니다. 픽셀 표는 4K 워크플로 가이드 를 보세요.
3. 프로덕션 구현: cURL과 Python
이 시리즈의 국제 예시는 https://api.toapis.com 을 사용합니다. 공식 문서는 중국 본토 사용자에게 https://toapis.cn 을 쓰라고 안내합니다. 환경마다 오리진은 하나만 유지하세요. 경로, 모델 ID, Bearer 헤더는 그대로입니다.
1단계: 원본 이미지 업로드(마스크가 필요하면 함께)
curl -X POST "https://api.toapis.com/v1/uploads/images" \
-H "Authorization: Bearer $TOAPIS_API_KEY" \
-F "file=@./product.png"
응답에 data.url 이 포함됩니다. gpt-image-2-official 을 호출할 때는 마스크 PNG 에도 같은 호출을 반복하세요. 생성 요청에 base64 를 인라인하지 마세요.
2단계: 정확한 gpt-image-2 에서 프롬프트 기반 편집
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"]
}'
3단계: gpt-image-2-official 에서 마스크 인페인팅
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"
}'
4단계: Python 제출과 폴링
필드 이름은 실제로 호출하는 모델 ID 의 API 레퍼런스와 맞추세요. 아래 조각은 문서화된 이미지 상태 경로와 completed / failed 상태를 사용합니다.
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))
마스크 인페인팅으로 바꾸려면 첫 이미지와 크기가 같은 RGBA 마스크를 업로드하고, model 을 gpt-image-2-official 로 바꾼 뒤 image_urls 와 mask_url 을 보내세요. 모델 ID, size, resolution 을 작업 기록과 함께 저장해 이후 SKU 변경이 명시적인 결정이 되게 하세요.
4. 오류 처리 및 상태 매트릭스
아래 분류는 진단의 출발점일 뿐이며 ToAPIs 의 정확한 오류 코드를 보장하지 않습니다. HTTP 제출이 성공해도 작업 status 를 읽어야 합니다.
| HTTP 상태 | 흔한 분류 | 권장 조치 |
|---|---|---|
400 | 잘못된 필드 또는 지원되지 않는 조합 | 모델 ID, size 가 문서화된 비율인지, resolution 이 1k / 2k / 4k 인지, URL 이 공개인지를 확인하고, 마스크를 쓸 때는 gpt-image-2-official 에서 첫 이미지와 같은 크기의 알파 PNG 인지 확인하세요 |
401 | API 키 누락 또는 무효 | ToAPIs 대시보드에서 키를 교체하고 Authorization 헤더를 확인하세요 |
429 | 속도 또는 동시성 제한 | Retry-After 가 있으면 따르고, 지터를 넣어 백오프하며, 안전할 때만 재시도하세요 |
5xx 또는 네트워크 타임아웃 | 게이트웨이 또는 업스트림의 일시적 문제 | 다시 제출하기 전에 작업 상태를 확인하고, 상한이 있는 재시도 정책을 쓰세요 |
5. 요금과 FinOps ROI
- 기획 초안의 단가를 재사용하지 마세요. 예를 들어 고정된
$0.024/$0.048(standard 대 HD) 조합은 현재 카탈로그 기준으로 오래되었습니다. 현재 카탈로그는 모델 ID 로 가격이 나뉘고, 표준 GPT Image 2 랜딩 비교는 해상도 티어로도 나뉩니다. - GPT Image 2 모델 가이드 는 현재 표준
gpt-image-2의 ToAPIs 랜딩 비교가로1K/2K/4K에서 장당$0.015/$0.020/$0.025를 보여 줍니다. 이는 게시된 비교가이며 청구서가 아닙니다. 공식 채널 SKU 와 계정 할인은 다를 수 있으니, 실제로 호출하는 ID 의 요율을 확인하세요. - 라우팅(
api.toapis.com과toapis.cn)은 베이스 URL 선택일 뿐, 문서화된 할인이 아닙니다. FinOps 이득은1k로 초안을 만들고, 클라이언트 타임아웃 후 중복 제출을 피하며, 올바른 SKU(gpt-image-2와gpt-image-2-official)를 고르는 데서 옵니다. 더 싼 "편집" 모델을 상상하지 마세요. - 배경은 GPT Image 2 요금 글 을 본 뒤, 예측에 넣기 전에 실시간 카탈로그로 모든 숫자를 검증하세요.
6. 자주 묻는 질문
자세한 내용은 frontmatter 의 FAQ 를 보세요. 요약: 정확한 gpt-image-2 에는 mask_url 이나 /v1/images/edits 가 문서화되어 있지 않습니다. 마스크 인페인팅은 gpt-image-2-official 에 문서화되어 있습니다. 마스크는 같은 크기의 RGBA PNG 를 URL 로 전달합니다. 아웃페인팅은 size 변경과 참고 이미지입니다. 요금은 정확한 모델 ID 로 계정에서 확인해야 합니다.
7. 액션 체크리스트
- ToAPIs 개발자 포털 에서 키를 만드세요.
- 환경마다 베이스 URL 을 하나 정하고(
https://api.toapis.com, 필요한 경우https://toapis.cn),POST /v1/uploads/images로 원본 이미지를 업로드하세요. -
gpt-image-2에서reference_images,size: "1:1",resolution: "1k"로 프롬프트 기반 편집을 스모크 테스트하세요. - 픽셀 단위 마스크가 필요하면
gpt-image-2-official로 전환하고, 첫 이미지와 같은 RGBA 마스크를 업로드한 뒤image_urls와mask_url을 보내세요. - 작업
id를 저장하고, 제한된 시한 안에GET /v1/images/generations/{id}를 폴링하며,429에서는Retry-After를 지키세요. - 다음 읽을거리:
resolution을 올릴 때는 4K 종횡비 가이드, 더 넓은 매개변수 맵은 API 가이드.







