openai/gpt-image-1/edit

image-vers-image

Openai GPT Image 1 Edit API by OpenAI

openai/gpt-image-1/edit

Edit

OpenAI's gpt-image-1 enables image generation and image editing via OpenAI's image API, ideal for creating and refining images. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

Entrée

Chargement de la configuration des paramètres...

Sortie

Inactif

Les images générées apparaîtront ici

Configurez vos paramètres et cliquez sur exécuter pour commencer

Votre requête coûtera $0.009 par exécution. Avec $10, vous pouvez exécuter ce modèle environ 1111 fois.

Vous pouvez continuer avec :

Image-vers-Vidéo Image-vers-Image

Paramètres

Exemple de code
import requests
import time

# Step 1: Start image generation
generate_url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "openai/gpt-image-1/edit",
    "prompt": "A beautiful landscape with mountains and lake",
    "width": 512,
    "height": 512,
    "steps": 20,
    "guidance_scale": 7.5,
}

generate_response = requests.post(generate_url, headers=headers, json=data)
generate_result = generate_response.json()
prediction_id = generate_result["data"]["id"]

# Step 2: Poll for result
poll_url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"

def check_status():
    while True:
        response = requests.get(poll_url, headers={"Authorization": "Bearer $ATLASCLOUD_API_KEY"})
        result = response.json()

        if result["data"]["status"] == "completed":
            print("Generated image:", result["data"]["outputs"][0])
            return result["data"]["outputs"][0]
        elif result["data"]["status"] == "failed":
            raise Exception(result["data"]["error"] or "Generation failed")
        else:
            # Still processing, wait 2 seconds
            time.sleep(2)

image_url = check_status()

Installer

Installez le package requis pour votre langage.

bash

pip install requests

Authentification

Toutes les requêtes API nécessitent une authentification via une clé API. Vous pouvez obtenir votre clé API depuis le tableau de bord Atlas Cloud.

bash

export ATLASCLOUD_API_KEY="your-api-key-here"

En-têtes HTTP

python

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

Protégez votre clé API

N'exposez jamais votre clé API dans du code côté client ou dans des dépôts publics. Utilisez plutôt des variables d'environnement ou un proxy backend.

Soumettre une requête

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "your-model",
    "prompt": "A beautiful landscape"
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

Soumettre une requête

Soumettez une requête de génération asynchrone. L'API renvoie un identifiant de prédiction que vous pouvez utiliser pour vérifier le statut et récupérer le résultat.

POST/api/v1/model/generateImage

Corps de la requête

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}

data = {
    "model": "openai/gpt-image-1/edit",
    "input": {
        "prompt": "A beautiful landscape with mountains and lake"
    }
}

response = requests.post(url, headers=headers, json=data)
result = response.json()

print(f"Prediction ID: {result['id']}")
print(f"Status: {result['status']}")

Réponse

{
  "id": "pred_abc123",
  "status": "processing",
  "model": "model-name",
  "created_at": "2025-01-01T00:00:00Z"
}

Vérifier le statut

Interrogez le point de terminaison de prédiction pour vérifier le statut actuel de votre requête.

GET/api/v1/model/prediction/{prediction_id}

Exemple d'interrogation

import requests
import time

prediction_id = "pred_abc123"
url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

while True:
    response = requests.get(url, headers=headers)
    result = response.json()
    status = result["data"]["status"]
    print(f"Status: {status}")

    if status in ["completed", "succeeded"]:
        output_url = result["data"]["outputs"][0]
        print(f"Output URL: {output_url}")
        break
    elif status == "failed":
        print(f"Error: {result['data'].get('error', 'Unknown')}")
        break

    time.sleep(3)

Valeurs de statut

processingLa requête est encore en cours de traitement.

completedLa génération est terminée. Les résultats sont disponibles.

succeededLa génération a réussi. Les résultats sont disponibles.

failedLa génération a échoué. Vérifiez le champ d'erreur.

Réponse terminée

{
  "data": {
    "id": "pred_abc123",
    "status": "completed",
    "outputs": [
      "https://storage.atlascloud.ai/outputs/result.png"
    ],
    "metrics": {
      "predict_time": 8.3
    },
    "created_at": "2025-01-01T00:00:00Z",
    "completed_at": "2025-01-01T00:00:10Z"
  }
}

Télécharger des fichiers

Téléchargez des fichiers vers le stockage Atlas Cloud et obtenez une URL utilisable dans vos requêtes API. Utilisez multipart/form-data pour le téléchargement.

POST/api/v1/model/uploadMedia

Exemple de téléchargement

import requests

url = "https://api.atlascloud.ai/api/v1/model/uploadMedia"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

with open("image.png", "rb") as f:
    files = {"file": ("image.png", f, "image/png")}
    response = requests.post(url, headers=headers, files=files)

result = response.json()
download_url = result["data"]["download_url"]
print(f"File URL: {download_url}")

Réponse

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Schema d'entrée

Les paramètres suivants sont acceptés dans le corps de la requête.

Total: 0Requis: 0Optionnel: 0

Aucun paramètre disponible.

Exemple de corps de requête

json

{
  "model": "openai/gpt-image-1/edit"
}

Schema de sortie

L'API renvoie une réponse de prédiction avec les URL des résultats générés.

idstringrequired

Unique identifier for the prediction.

statusstringrequired

Current status of the prediction.

processingcompletedsucceededfailed

modelstringrequired

The model used for generation.

outputsarray[string]

Array of output URLs. Available when status is "completed".

errorstring

Error message if status is "failed".

metricsobject

Performance metrics.

predict_timenumber

Time taken for image generation in seconds.

created_atstringrequired

ISO 8601 timestamp when the prediction was created.

Format: date-time

completed_atstring

ISO 8601 timestamp when the prediction was completed.

Format: date-time

Exemple de réponse

json

{
  "id": "pred_abc123",
  "status": "completed",
  "model": "model-name",
  "outputs": [
    "https://storage.atlascloud.ai/outputs/result.png"
  ],
  "metrics": {
    "predict_time": 8.3
  },
  "created_at": "2025-01-01T00:00:00Z",
  "completed_at": "2025-01-01T00:00:10Z"
}

Atlas Cloud Skills

Atlas Cloud Skills intègre plus de 300 modèles d'IA directement dans votre assistant de codage IA. Une seule commande pour installer, puis utilisez le langage naturel pour générer des images, des vidéos et discuter avec des LLM.

Clients pris en charge

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ clients pris en charge

Installer

bash

npx skills add AtlasCloudAI/atlas-cloud-skills

Configurer la clé API

Obtenez votre clé API depuis le tableau de bord Atlas Cloud et définissez-la comme variable d'environnement.

bash

export ATLASCLOUD_API_KEY="your-api-key-here"

Fonctionnalités

Une fois installé, vous pouvez utiliser le langage naturel dans votre assistant IA pour accéder à tous les modèles Atlas Cloud.

Génération d'imagesGénérez des images avec des modèles comme Nano Banana 2, Z-Image, et plus encore.

Création de vidéosCréez des vidéos à partir de texte ou d'images avec Kling, Vidu, Veo, etc.

Chat LLMDiscutez avec Qwen, DeepSeek et d'autres grands modèles de langage.

Téléchargement de médiasTéléchargez des fichiers locaux pour l'édition d'images et les workflows image-vers-vidéo.

En savoir plus

github.com/AtlasCloudAI/atlas-cloud-skills

Serveur MCP

Le serveur MCP Atlas Cloud connecte votre IDE avec plus de 300 modèles d'IA via le Model Context Protocol. Compatible avec tout client compatible MCP.

Clients pris en charge

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ clients pris en charge

Installer

bash

npx -y atlascloud-mcp

Configuration

Ajoutez la configuration suivante au fichier de paramètres MCP de votre IDE.

json

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

Outils disponibles

atlas_generate_imageGénérez des images à partir de prompts textuels.

atlas_generate_videoCréez des vidéos à partir de texte ou d'images.

atlas_chatDiscutez avec de grands modèles de langage.

atlas_list_modelsParcourez plus de 300 modèles d'IA disponibles.

atlas_quick_generateCréation de contenu en une étape avec sélection automatique du modèle.

atlas_upload_mediaTéléchargez des fichiers locaux pour les workflows API.

En savoir plus

github.com/AtlasCloudAI/mcp-server

Schéma API

Schéma non disponible

Aucun exemple disponible

Veuillez vous connecter pour voir l'historique des requêtes

Vous devez vous connecter pour accéder à l'historique de vos requêtes de modèle.

Se Connecter

OpenAI GPT-Image-1-Edit

Edit and transform images with natural language using OpenAI's GPT-Image-1-Edit. This versatile model understands your instructions to apply style changes, modifications, and creative transformations — with optional mask support for precise regional editing and multiple quality tiers to match your needs and budget.

Why It Looks Great

Natural language editing: Describe transformations in plain text — style changes, modifications, enhancements.
Mask support: Use mask images for precise control over which areas to edit.
Quality tiers: Choose from low, medium, or high quality based on your needs.
Multiple sizes: Output in square (1024x1024) or rectangular (1024x1536, 1536x1024) formats.
Style transformation: Excels at converting images to different artistic styles.
OpenAI quality: Powered by advanced vision-language understanding.

Parameters

Parameter	Required	Description
`prompt`	Yes	Text instruction describing the edit or transformation you want.
`image`	Yes	Source image to edit (upload or public URL).
`quality`	No	Output quality: `low`, `medium`, or `high`. Default: `medium`.
`mask_image`	No	Optional mask to specify edit regions (upload or URL).
`size`	No	Output dimensions: `1024x1024`, `1024x1536`, or `1536x1024`.
`enable_sync_mode`	No	API only: Waits for result and returns it directly.
`enable_base64_output`	No	API only: Returns base64 string instead of URL.

How to Use

Write your edit instruction — describe the transformation you want (e.g. "Become a comic style").
Upload your image — drag and drop or paste a public URL.
Choose quality — select low, medium, or high based on your needs.
Add mask (optional) — upload a mask image to limit edits to specific areas.
Select size — choose your desired output dimensions.
Run — click the button to apply the edit.
Download — preview and save your transformed image.

Quick Reference

Quality	1024x1024	1024x1536 / 1536x1024
Low	$0.011	$0.016
Medium	$0.042	$0.063
High	$0.167	$0.250

Best Use Cases

Style Transfer — Convert photos to comic, cartoon, painting, or other artistic styles.
Creative Transformation — Reimagine images with different aesthetics or themes.
Regional Editing — Use masks to edit specific areas while preserving the rest.
Content Enhancement — Improve or modify specific aspects of images.
Artistic Interpretation — Transform photos into various art forms.

Example Prompts

"Become a comic style"
"Transform into a watercolor painting"
"Make it look like a vintage photograph from the 1950s"
"Convert to anime style illustration"
"Apply a cyberpunk neon aesthetic"
"Turn into a pencil sketch"

Quality Guide

Quality	Best For	Trade-off
Low	Quick previews, testing concepts, high-volume processing	Fastest, most affordable, lower detail
Medium	General use, social media, balanced needs	Good quality/cost balance
High	Professional work, final deliverables, maximum detail	Highest quality, premium price

Pro Tips for Best Results

Start with medium quality to test your prompt, then upgrade to high for final output.
Use masks when you want to preserve specific areas untouched.
Be specific about the target style — "comic style", "oil painting", "anime".
For style transfers, simpler source images often produce cleaner results.
Rectangular sizes work well for portraits (1024x1536) or landscapes (1536x1024).
The model interprets style instructions creatively — embrace the artistic interpretation.

Notes

If using URLs for images or masks, ensure they are publicly accessible.
The enable_sync_mode and enable_base64_output options are only available through the API.
Mask images should be black and white, where white indicates areas to edit.
Processing time varies by quality level — higher quality takes longer.

Découvrir des modèles similaires

NEW

texte-vers-image

Openai GPT Image-1.5 Text-to-image

GPT Image 1.5 text to image is OpenAI’s fast, cost-efficient text-to-image generator powered by GPT-5 guidance. Create photorealistic shots, product renders, concept art, and stylized graphics from natural-language prompts (optionally conditioned with an image). Supports custom aspect ratios, seeds, negative prompts, hex color hints, and style presets. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

Openai GPT Image-1.5 Edit

GPT Image 1.5 Edit is OpenAI’s image model for precise, natural-language edits. Add/remove objects, swap backgrounds, retouch faces, adjust colors/lighting, edit text/graphics, crop/resize, and apply hex color control. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

Openai GPT Image-1 Text-to-image

OpenAI GPT Image-1 generates images from text prompts from OpenAI's latest text-to-image model, ideal for creating visual assets. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

Openai GPT Image-1 Mini Text-to-image

GPT Image 1 Mini is a cost-efficient multimodal OpenAI model powered by GPT-5 that turns text or image prompts into high-quality images. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

From$0.005/IMAGE

$0.004/IMAGE

-15%

Commencez avec Plus de 300 Modèles,

Explorer tous les modèles

Openai GPT Image 1 Edit API by OpenAI

Entrée

Sortie

Paramètres

Exemple de code

Installer

Authentification

En-têtes HTTP

Soumettre une requête

Soumettre une requête

Corps de la requête

Réponse

Vérifier le statut

Exemple d'interrogation

Valeurs de statut

Réponse terminée

Télécharger des fichiers

Exemple de téléchargement

Réponse

Schema d'entrée

Exemple de corps de requête

Schema de sortie

Exemple de réponse

Atlas Cloud Skills

Clients pris en charge

Installer

Configurer la clé API

Fonctionnalités

Serveur MCP

Clients pris en charge

Installer

Configuration

Outils disponibles

Schéma API

Veuillez vous connecter pour voir l'historique des requêtes

OpenAI GPT-Image-1-Edit

Why It Looks Great

Parameters

How to Use

Quick Reference

Best Use Cases

Example Prompts

Quality Guide

Pro Tips for Best Results

Notes

Découvrir des modèles similaires

Openai GPT Image-1.5 Text-to-image

Openai GPT Image-1.5 Edit

Openai GPT Image-1 Text-to-image

Openai GPT Image-1 Mini Text-to-image

Commencez avec Plus de 300 Modèles,

Join our Discord community