蒙版局部重繪指南

本頁是 gpt-image-2 通過 POST /v1/images/edits 上傳原圖 + 蒙版（mask）+ 提示詞實現局部重繪的實操指南。介面引數與線上除錯請見圖片編輯 API 參考。

核心原理：Alpha 通道決定編輯區域

一次局部編輯請求由三部分組成：

原始圖片 image
+ 蒙版圖片 mask
+ 編輯指令 prompt
= 編輯後的完整圖片

蒙版通過 PNG 的 Alpha 透明通道標記修改區域：

蒙版區域	Alpha 值	作用
完全透明	0	允許模型編輯
完全不透明	255	儘量保留原圖
半透明	1～254	過渡區域，不建議作為精確規則依賴

最容易搞反的一點：決定編輯區域的是 Alpha 通道，不是肉眼看到的黑色或白色。

透明區域   = 要修改的區域
不透明區域 = 儘量不要修改的區域

一張”看起來黑白分明”的 PNG，如果沒有 Alpha 通道，直接上傳會報 invalid_image_file。

一個直觀例子

假設原圖尺寸是 1024×1024：

┌──────────────────────┐
│      不透明區域       │
│   儘量保持原圖不變     │
│                      │
│       ┌──────┐       │
│       │透明區│       │
│       │換成花│       │
│       └──────┘       │
└──────────────────────┘

配合提示詞：

把透明區域中的水杯替換成一束白色鬱金香，
其他區域保持不變，保持原有光線、視角和攝影風格。

Mask 不是硬裁剪

GPT Image 的蒙版不是 Photoshop 那種絕對畫素級的硬限制。官方說明其本質仍是基於提示詞的引導式編輯：模型會參考蒙版，但不保證嚴格按每一個畫素邊界執行。因此可能出現：

蒙版外的陰影略微變化
物體邊緣向外擴充套件
光照和反射發生聯動
背景細節被輕微重繪
蒙版邊界附近出現過渡

這對自然融合是好事，但不適合要求絕對畫素不變的場景（解決方案見下文「嚴格保持蒙版外不變」）。

提高局部編輯穩定性

提示詞不要只寫「換成紅色衣服」，建議寫成：

僅修改蒙版透明區域，將人物上衣替換成純紅色圓領棉質短袖。
保持人物臉部、頭髮、身體姿勢、手臂、背景、構圖、相機視角、
光照方向和圖片尺寸不變。新衣服需要自然貼合人物身體，並保持
原圖的真實攝影質感。

實務建議：

蒙版比目標物體邊緣稍微擴大一些
不要只遮住物體中心，要覆蓋物體邊緣、陰影和反射
明確寫出哪些內容必須保持不變
編輯區域過小時，適當擴大蒙版
要求絕對不變時，最後自行做一次畫素合成（見下文）

要不要用 Mask？與純提示詞編輯的取捨

一個常見疑問：現在的 AI 不是已經”指哪打哪”了嗎，為什麼還要費勁做蒙版？ 確實，gpt-image-2 不傳 mask、只靠一句”把左邊桌上的杯子換成花”，多數時候就能改對地方——指令遵循能力已經很強，日常隨手改圖完全夠用。但 mask 解決的是提示詞說不清、或者說清了也不保險的問題：

場景	純提示詞	提示詞 + Mask
畫面只有一個目標物	✅ 夠用，mask 屬於多餘	不必要
多個相似物體只改其一（三個人只換中間那位的衣服）	⚠️ 容易誤傷同類目標	✅ 空間指定，零歧義
邊界要求嚴格（商品圖 / UI 截圖 / 證件版式）	❌ 整圖重生成，蒙版外也會漂移	✅ 配合畫素合成可做到嚴格不變
批次流水線（同一版式反覆替換某區域）	⚠️ 每次結果不穩定	✅ 蒙版可程式化生成，結果可復現
精確形狀 / 位置控制（把物體挪到指定座標）	❌ 語言難以描述畫素級位置	✅ 蒙版就是畫素級座標

學術研究也支援這個分工：mask-free（純文字驅動）的編輯方法難以精確控制空間位置和形狀——比如 prompt-to-prompt 類方法無法在畫面中空間移動一個物體，編輯區域覆蓋不準時還會”該改的沒改、不該改的改了”；而 mask-based 方法以犧牲一點便利為代價，換來明確的空間控制精度。

一句話結論：mask 不是被淘汰的舊技術，而是從”必需品”變成了”精度控制工具”。聊天式隨手改圖 → 直接用提示詞；生產環境要求可復現、可控、邊界嚴格 → 用 mask。另外別忘了：gpt-image-2 純提示詞編輯本質是整圖重生成，未指定區域同樣可能變化——這正是 mask + 畫素合成存在的意義。

檔案要求速查

專案	要求
原圖格式	PNG / JPG / WebP，單張小於 50MB
輸入圖數量	最多 16 張（`image[]` 重複傳入）
蒙版格式	PNG，必須帶 Alpha 通道
蒙版尺寸	與第一張原圖寬高完全一致（差 1 畫素也不行）
蒙版大小	小於 4MB
蒙版作用範圍	僅作用於 `image[0]`（第一張圖）

多圖編輯時的角色分配：

image[0]  = 主要編輯畫布
image[1…] = 參考圖
mask      = 只作用於 image[0]

「尺寸完全一致」聽起來麻煩，實際不需要手動對齊——蒙版都是從原圖上派生出來的（在原圖副本上擦除 / 塗抹 / 分割），同尺寸自動滿足，詳見下文蒙版從哪來。

Python 呼叫示例

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api.apiyi.com/v1"
)

with open("input.png", "rb") as image_file, \
     open("mask.png", "rb") as mask_file:

    result = client.images.edit(
        model="gpt-image-2",
        image=image_file,
        mask=mask_file,
        prompt=(
            "僅修改蒙版透明區域。"
            "把桌面上的白色水杯替換成一束白色鬱金香，"
            "保持桌面、背景、相機視角、構圖和光線不變。"
            "花束需要自然放置在原水杯的位置，併產生符合原圖光線的陰影。"
        ),
        size="1536x1024",
        quality="high",
        output_format="png",
        n=1,
    )

image_bytes = base64.b64decode(result.data[0].b64_json)
Path("edited.png").write_bytes(image_bytes)
print("圖片已儲存：edited.png")

不要傳 input_fidelity="high" —— gpt-image-2 對輸入圖預設始終高保真處理，API 不允許調整該引數，傳了會 400 報錯，直接省略即可。

cURL 呼叫示例

圖片編輯介面必須使用 multipart/form-data，不能把原圖和蒙版作為普通 JSON 欄位提交：

curl -s \
  -X POST "https://api.apiyi.com/v1/images/edits" \
  -H "Authorization: Bearer sk-your-api-key" \
  -F "model=gpt-image-2" \
  -F "image[][email protected];type=image/png" \
  -F "[email protected];type=image/png" \
  -F "prompt=僅修改蒙版透明區域，把桌上的水杯替換成一束白色鬱金香，其他區域保持不變，保持原有構圖、光線和真實攝影風格。" \
  -F "size=1536x1024" \
  -F "quality=high" \
  -F "output_format=png" \
  | jq -r '.data[0].b64_json' \
  | base64 --decode > edited.png

即便只有一張圖片，也建議按官方示例使用 image[] 欄位名。

使用 -F 時不要手動設定 -H "Content-Type: multipart/form-data"。curl 需要自動生成 boundary，手動設定會丟失 boundary，導致伺服器無法識別檔案。

Node.js 呼叫示例

import fs from "fs";
import OpenAI, { toFile } from "openai";

const client = new OpenAI({
  apiKey: "sk-your-api-key",
  baseURL: "https://api.apiyi.com/v1",
});

const image = await toFile(
  fs.createReadStream("input.png"),
  "input.png",
  { type: "image/png" }
);

const mask = await toFile(
  fs.createReadStream("mask.png"),
  "mask.png",
  { type: "image/png" }
);

const result = await client.images.edit({
  model: "gpt-image-2",
  image,
  mask,
  prompt:
    "僅修改蒙版透明區域。把桌面上的白色水杯替換成一束白色鬱金香，" +
    "保持背景、構圖、鏡頭視角和光線不變。",
  size: "1536x1024",
  quality: "high",
  output_format: "png",
});

const imageBuffer = Buffer.from(result.data[0].b64_json, "base64");
fs.writeFileSync("edited.png", imageBuffer);
console.log("圖片已儲存：edited.png");

蒙版從哪來？五種常見製作方式

很多人覺得做蒙版麻煩——“還得跟原圖一模一樣的尺寸”。其實有一個關鍵認知：蒙版幾乎從不’另畫一張’，而是從原圖上派生出來的。無論用程式碼、修圖軟體還是網頁畫布，流程都是「開啟原圖 → 在原圖上標記區域 → 匯出」，尺寸一致是自動滿足的，不需要手動對齊。

方式	適合場景	上手成本
① 程式碼生成（PIL 畫區域）	固定版式批次處理、座標已知	低（幾行程式碼）
② 修圖軟體手動擦除	一次性精修、形狀複雜	低（會用選區即可）
③ 網頁塗抹畫布	自建產品給使用者”刷一下”就改	中（前端 Canvas）
④ AI 自動分割（SAM 系）	點一下 / 一句話就出精確蒙版	中（需部署或呼叫分割服務）
⑤ 黑白蒙版轉 Alpha	承接其它工具輸出的黑白 mask	低（幾行程式碼）

方法一：程式直接生成透明蒙版

把矩形區域設為透明（允許編輯）：

from PIL import Image, ImageDraw

original = Image.open("input.png").convert("RGBA")

# 預設整張蒙版完全不透明：儘量保留
mask = Image.new("RGBA", original.size, (255, 255, 255, 255))

draw = ImageDraw.Draw(mask)

# 把指定區域設為完全透明：允許編輯
# 座標格式：(左, 上, 右, 下)
draw.rectangle((300, 250, 750, 800), fill=(0, 0, 0, 0))

mask.save("mask.png")
print("蒙版尺寸：", mask.size)

(255, 255, 255, 255) = 不透明，保留區
(0, 0, 0, 0) = 透明，編輯區

方法二：修圖軟體手動擦除

任何支援透明 PNG 的修圖軟體（Photoshop、GIMP、Krita、Photopea 等）都能做蒙版，本質就一步：把要編輯的區域”擦”成透明。以 Photoshop 為例：

開啟原圖副本（直接在原圖上操作，尺寸天然一致）
如果圖層是「背景」，先雙擊解鎖為普通圖層（背景圖層不支援透明）
用套索 / 快速選擇 / 物件選擇工具框選要修改的區域
按 Delete 刪除選區內容 → 露出透明棋盤格
「匯出為 PNG」（勾選透明度），得到的就是合格的 Alpha 蒙版

GIMP 同理：圖層 → 透明 → 新增 Alpha 通道，選區後 Delete，匯出 PNG。

形狀完全不限於矩形——套索沿著物體輪廓走、快速選擇一鍵選中主體，擦出來的透明區就是任意不規則形狀。建議選區比物體輪廓稍微外擴幾個畫素（Photoshop：選擇 → 修改 → 擴充套件），把陰影和邊緣一併覆蓋。

方法三：網頁塗抹畫布

各類 AI 修圖產品裡”用筆刷塗一下要改的地方”的互動，就是在瀏覽器裡動態生成 Alpha 蒙版，核心只有一個 Canvas API 屬性。實現原理見下文塗抹式修圖的實現原理。

方法四：AI 自動分割一鍵出蒙版

手動塗抹也嫌麻煩？可以讓分割模型代勞。Meta 開源的 SAM（Segment Anything Model） 系列是目前的主流方案：

點選出蒙版：在物體上點一下，模型輸出該物體的畫素級精確輪廓（連頭髮絲邊緣都能貼合）
文字出蒙版：2025 年 11 月開源的 SAM 3 支援概念級文字提示，如「所有黃色計程車」「穿紅色球衣的球員」，一次返回所有匹配例項的蒙版（模型與程式碼見 github.com/facebookresearch，介紹見 ai.meta.com）
摳主體 / 摳背景：rembg 這類開源工具一行命令分離主體與背景，背景區域直接可以當”只改背景”的蒙版用

拿到分割結果（通常是黑白點陣圖）後，用下面「方法五」轉成 Alpha 蒙版即可。Stable Diffusion 社群的 Inpaint Anything 外掛、ComfyUI 的 Mask Editor 就是「SAM 分割 + 筆刷微調 → 蒙版 → 局部重繪」這套流水線的成熟實現，思路可以直接借鑑。

方法五：把黑白蒙版轉換成 Alpha 蒙版

如果你已有一張「黑色 = 編輯，白色 = 保留」的黑白蒙版：

from PIL import Image

bw_mask = Image.open("mask_bw.png").convert("L")

rgba_mask = Image.new("RGBA", bw_mask.size, (255, 255, 255, 255))

# 黑色值 0   → Alpha 0   → 透明   → 編輯
# 白色值 255 → Alpha 255 → 不透明 → 保留
rgba_mask.putalpha(bw_mask)

rgba_mask.save("mask.png")

上傳前先校驗蒙版

很多 invalid_image_file 都是因為副檔名是 .png，實際卻只有 RGB 沒有 Alpha。上傳前跑一遍：

from PIL import Image

image = Image.open("input.png")
mask = Image.open("mask.png")

print("蒙版格式：", mask.format)
print("蒙版模式：", mask.mode)
print("蒙版尺寸：", mask.size)

assert mask.format == "PNG", "蒙版必須是 PNG"
assert mask.mode in ("RGBA", "LA"), "蒙版必須包含 Alpha 通道"
assert image.size == mask.size, "原圖和蒙版尺寸必須完全一致"

alpha = mask.getchannel("A")
assert alpha.getextrema()[0] == 0, "蒙版中沒有完全透明的編輯區域"

print("蒙版檢查通過")

蒙版形狀與塗抹式修圖的實現原理

蒙版可以是任意不規則形狀

蒙版本質是一張逐畫素的點陣圖，不是幾何圖形——每個畫素獨立記錄一個 Alpha 值。所以：

矩形、圓形只是最簡單的示例
沿人物輪廓的剪影、頭髮絲邊緣、隨手塗鴉的一團、不連通的多塊區域，全部合法
實踐中大多數蒙版都是不規則的：跟著目標物體的輪廓走，再略微外擴

唯一的”形狀建議”與規則無關，與效果有關：透明區要完整覆蓋物體本體 + 邊緣 + 陰影 + 反射，寧可多圈一點，讓模型有空間做自然融合。

塗抹式修圖是怎麼實現的

各類修圖 App 裡”筆刷塗哪改哪”的互動，前端實現出奇地簡單：兩層畫布疊加，筆刷把上層”擦”成透明。

底層 <img>       顯示原圖（僅供使用者參考，不參與匯出）
上層 <canvas>    與原圖等寬高，初始整張填充為不透明
                 筆刷經過處 → 畫素變透明
匯出 canvas      → 就是一張合格的 Alpha 蒙版 PNG

核心只有一行——把 Canvas 合成模式設為 destination-out（新筆跡從已有畫素中”挖掉”內容）：

const canvas = document.getElementById("mask-canvas");
const ctx = canvas.getContext("2d");

// 1. 畫布尺寸 = 原圖原始畫素尺寸（不是 CSS 顯示尺寸），同尺寸自動滿足
canvas.width = image.naturalWidth;
canvas.height = image.naturalHeight;

// 2. 初始整張不透明 = 全部保留
ctx.fillStyle = "rgba(255, 255, 255, 1)";
ctx.fillRect(0, 0, canvas.width, canvas.height);

// 3. 關鍵一行：筆刷改為"擦除"模式，畫過的地方變透明
ctx.globalCompositeOperation = "destination-out";
ctx.lineWidth = 40;          // 筆刷粗細
ctx.lineCap = "round";
ctx.strokeStyle = "rgba(0, 0, 0, 1)";

// 4. 監聽滑鼠 / 觸控事件畫線（注意把顯示座標換算回原始畫素座標）
canvas.addEventListener("pointermove", (event) => {
  if (!drawing) return;
  const scaleX = canvas.width / canvas.clientWidth;
  const scaleY = canvas.height / canvas.clientHeight;
  ctx.lineTo(event.offsetX * scaleX, event.offsetY * scaleY);
  ctx.stroke();
});

// 5. 匯出：直接得到帶 Alpha 通道的 PNG 蒙版
canvas.toBlob((blob) => {
  const formData = new FormData();
  formData.append("mask", blob, "mask.png");
  // 連同原圖、prompt 一起 POST /v1/images/edits
}, "image/png");

幾個工程細節：

座標換算：畫布在頁面上通常被 CSS 縮小顯示，筆跡座標要按 原始寬 / 顯示寬 的比例換算回去，否則蒙版錯位
撤銷：每筆開始前 ctx.getImageData() 存快照，撤銷時 putImageData() 恢復
蒙版膨脹（dilate）：使用者塗抹往往只蓋住物體中心，提交前程式性外擴幾個畫素（專業工具裡的「Expand Mask」按鈕就是這個），Python 端可用 PIL.ImageFilter.MaxFilter 或 OpenCV cv2.dilate 實現
半透明預覽：給使用者看的塗抹高亮（如紅色半透明）畫在另一個預覽層上，匯出的蒙版層保持純粹的”不透明 / 透明”二值

進階：點選 / 文字自動出蒙版

塗抹式再往前一步，就是把”人手塗”換成”模型算”：

使用者點一下物體          → SAM 輸出該物體的畫素級輪廓蒙版
使用者輸入「左邊的杯子」   → SAM 3 按文字概念找出所有匹配例項
程式自動 dilate + 羽化  → 提交 /v1/images/edits

這正是 Inpaint Anything、ComfyUI Mask Editor 等工具的做法：分割模型負責”準”，筆刷負責”改”——先一鍵生成精確蒙版，再用筆刷做加減微調（Add / Trim mask by sketch）。自建產品時，把 SAM 部署為後端服務、前端保留塗抹畫布做兜底微調，是當前體驗最好的組合。

多參考圖 + 蒙版

典型場景：換裝（第一張是人物原圖，後面是款式 / 材質參考圖，蒙版標記衣服區域）：

import base64
from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api.apiyi.com/v1"
)

with open("person.png", "rb") as person, \
     open("clothes_reference.png", "rb") as clothes, \
     open("fabric_reference.png", "rb") as fabric, \
     open("mask.png", "rb") as mask:

    result = client.images.edit(
        model="gpt-image-2",
        image=[person, clothes, fabric],
        mask=mask,
        prompt=(
            "第一張圖片是需要編輯的主體。"
            "僅修改第一張圖片蒙版透明區域中的衣服。"
            "使用第二張圖片的服裝款式和第三張圖片的面料質感，"
            "保持第一張圖片的人臉、髮型、姿勢、身體比例、背景和光線不變。"
        ),
        quality="high",
        size="1024x1536",
        output_format="png",
    )

with open("result.png", "wb") as output:
    output.write(base64.b64decode(result.data[0].b64_json))

多圖時必須在 prompt 中清楚描述每張圖的用途（第一張是主體、第二張是款式參考、第三張是材質參考），否則模型可能混淆圖片角色。

嚴格保持蒙版外不變（畫素級後處理）

由於模型可能輕微修改蒙版外內容，對畫素精度要求高的場景（商品圖、證件版式、固定 UI 截圖），可以在生成後把蒙版外區域強制替換回原圖：

from PIL import Image, ImageFilter

original = Image.open("input.png").convert("RGBA")
edited = Image.open("edited.png").convert("RGBA")
mask = Image.open("mask.png").convert("RGBA")

if edited.size != original.size:
    edited = edited.resize(original.size, Image.Resampling.LANCZOS)

# 原蒙版 Alpha：0 = 編輯區，255 = 保留區
alpha = mask.getchannel("A")

# 反轉後：255 = 使用編輯結果，0 = 使用原圖
edit_area = alpha.point(lambda value: 255 - value)

# 輕微羽化，避免邊緣太硬
edit_area = edit_area.filter(ImageFilter.GaussianBlur(radius=3))

final = Image.composite(edited, original, edit_area)
final.save("final.png")

最終效果：蒙版內部採用 AI 編輯結果，蒙版外部恢復成原始圖片，邊界輕微羽化融合。

常見錯誤排查

invalid_image_file / Invalid image file or mode

常見原因：

蒙版不是有效 PNG，或檔案內容損壞
副檔名是 PNG，實際編碼不是 PNG
圖片模式異常（CMYK、調色盤模式、缺 Alpha）
上傳時 MIME 型別錯誤
檔案流在請求前已被讀取完畢或關閉

統一轉碼可解決大多數問題：

from PIL import Image

Image.open("input_source.jpg").convert("RGBA").save("input.png")
Image.open("mask_source.png").convert("RGBA").save("mask.png")

原圖和蒙版尺寸不一致

哪怕只差 1 畫素也會報錯。修正：

from PIL import Image

image = Image.open("input.png")
mask = Image.open("mask.png").convert("RGBA")

mask = mask.resize(image.size, Image.Resampling.NEAREST)
mask.save("mask_fixed.png")

黑白蒙版沒有 Alpha 通道

RGB / L / P 模式都不行，必須是 RGBA。用上文「方法二」把黑白蒙版轉換成 Alpha 蒙版。

請求透明背景報錯

蒙版本身可以包含透明通道（這正是標記編輯區的方式），但 gpt-image-2 不支援輸出透明背景：

蒙版透明：支援，用來標記編輯區域
輸出背景透明：gpt-image-2 不支援

background 請使用 "opaque" 或 "auto"，傳 "transparent" 會報錯。

response_format=url 拿不到圖

GPT Image 系列固定返回 Base64 資料，response_format 只適用於舊的 DALL·E 2 行為。正確讀取方式：

result.data[0].b64_json

Content-Type isn't multipart/form-data

通常是手動設定了 Content-Type 頭導致 boundary 丟失，或中間層把 multipart 請求解析成 JSON 後再轉發。讓 HTTP 客戶端自動生成 multipart 頭即可。

尺寸引數

gpt-image-2 支援靈活尺寸，需同時滿足：

寬和高都必須是 16 的倍數
最長邊不超過 3840px
長寬比不超過 3:1
總畫素不低於 655,360
總畫素不超過 8,294,400

常用尺寸：1024x1024、1536x1024、1024x1536、2048x2048、2048x1152、3840x2160、2160x3840、auto。方形圖片通常生成更快。

生產環境請求模板

result = client.images.edit(
    model="gpt-image-2",
    image=open("input.png", "rb"),
    mask=open("mask.png", "rb"),
    prompt="""
僅編輯蒙版透明區域。

編輯任務：
把透明區域內的白色馬克杯替換成一束白色鬱金香。

必須保持：
- 原有構圖不變
- 相機位置和鏡頭透視不變
- 桌面及背景不變
- 光線方向和色溫不變
- 蒙版外人物和物品不變
- 輸出保持真實攝影風格

融合要求：
花束需要自然位於原馬克杯所在位置，產生符合現場光線的陰影、
反射和接觸關係，不要增加其他物體。
""",
    size="1536x1024",
    quality="high",
    output_format="png",
)

圖片編輯 API 參考

完整引數說明與線上除錯 Playground

GPT-Image-2 概覽

模型能力、定價與版本說明

官方參考資料（請複製到瀏覽器訪問）：

模型說明：developers.openai.com/api/docs/models/gpt-image-2
影像編輯 API Reference：developers.openai.com/api/reference/python/resources/images/methods/edit/
影像生成指南：developers.openai.com/api/docs/guides/image-generation

產品基礎

基礎 API

圖片 API（官轉）

影片 API（官轉）

多模態理解 API

文本 API

核心原理：Alpha 通道決定編輯區域

一個直觀例子

Mask 不是硬裁剪

提高局部編輯穩定性

要不要用 Mask？與純提示詞編輯的取捨

檔案要求速查

Python 呼叫示例

cURL 呼叫示例

Node.js 呼叫示例

蒙版從哪來？五種常見製作方式

方法一：程式直接生成透明蒙版

方法二：修圖軟體手動擦除

方法三：網頁塗抹畫布

方法四：AI 自動分割一鍵出蒙版

方法五：把黑白蒙版轉換成 Alpha 蒙版

上傳前先校驗蒙版

蒙版形狀與塗抹式修圖的實現原理

蒙版可以是任意不規則形狀

塗抹式修圖是怎麼實現的

進階：點選 / 文字自動出蒙版

多參考圖 + 蒙版

嚴格保持蒙版外不變（畫素級後處理）

常見錯誤排查

尺寸引數

生產環境請求模板

相關頁面

圖片編輯 API 參考

GPT-Image-2 概覽

​核心原理：Alpha 通道決定編輯區域

​一個直觀例子

​Mask 不是硬裁剪

​提高局部編輯穩定性

​要不要用 Mask？與純提示詞編輯的取捨

​檔案要求速查

​Python 呼叫示例

​cURL 呼叫示例

​Node.js 呼叫示例

​蒙版從哪來？五種常見製作方式

​方法一：程式直接生成透明蒙版

​方法二：修圖軟體手動擦除

​方法三：網頁塗抹畫布

​方法四：AI 自動分割一鍵出蒙版

​方法五：把黑白蒙版轉換成 Alpha 蒙版

​上傳前先校驗蒙版

​蒙版形狀與塗抹式修圖的實現原理

​蒙版可以是任意不規則形狀

​塗抹式修圖是怎麼實現的

​進階：點選 / 文字自動出蒙版

​多參考圖 + 蒙版

​嚴格保持蒙版外不變（畫素級後處理）

​常見錯誤排查

​尺寸引數

​生產環境請求模板

​相關頁面

圖片編輯 API 參考

GPT-Image-2 概覽

核心原理：Alpha 通道決定編輯區域

一個直觀例子

Mask 不是硬裁剪

提高局部編輯穩定性

要不要用 Mask？與純提示詞編輯的取捨

檔案要求速查

Python 呼叫示例

cURL 呼叫示例

Node.js 呼叫示例

蒙版從哪來？五種常見製作方式

方法一：程式直接生成透明蒙版

方法二：修圖軟體手動擦除

方法三：網頁塗抹畫布

方法四：AI 自動分割一鍵出蒙版

方法五：把黑白蒙版轉換成 Alpha 蒙版

上傳前先校驗蒙版

蒙版形狀與塗抹式修圖的實現原理

蒙版可以是任意不規則形狀

塗抹式修圖是怎麼實現的

進階：點選 / 文字自動出蒙版

多參考圖 + 蒙版

嚴格保持蒙版外不變（畫素級後處理）

常見錯誤排查

尺寸引數

生產環境請求模板

相關頁面