Openai GPT Image-1 Text-to-image
tekst-do-obrazu

Openai GPT Image 1 Text-to-Image API by OpenAI

openai/gpt-image-1/text-to-image
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.

WEJŚCIE

Ładowanie konfiguracji parametrów...

WYJŚCIE

Bezczynny
Twoje wygenerowane obrazy pojawią się tutaj
Skonfiguruj ustawienia i kliknij Uruchom, aby rozpocząć

Każde uruchomienie będzie kosztować $0.009. Za $10 możesz uruchomić ten model około 1111 razy.

Co możesz zrobić dalej:

Parametry

Przykład kodu

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/text-to-image",
    "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()

Instalacja

Zainstaluj wymagany pakiet dla swojego języka programowania.

bash
pip install requests

Uwierzytelnianie

Wszystkie żądania API wymagają uwierzytelnienia za pomocą klucza API. Klucz API możesz uzyskać z panelu Atlas Cloud.

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

Nagłówki HTTP

python
import os

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

Nigdy nie ujawniaj swojego klucza API w kodzie po stronie klienta ani w publicznych repozytoriach. Zamiast tego użyj zmiennych środowiskowych lub proxy backendowego.

Wyślij żądanie

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())

Wyślij żądanie

Wyślij asynchroniczne żądanie generowania. API zwróci identyfikator predykcji, którego możesz użyć do sprawdzania statusu i pobierania wyniku.

POST/api/v1/model/generateImage

Treść żądania

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/text-to-image",
    "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']}")

Odpowiedź

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

Sprawdź status

Odpytuj endpoint predykcji, aby sprawdzić bieżący status żądania.

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

Przykład odpytywania

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)

Wartości statusu

processingŻądanie jest wciąż przetwarzane.
completedGenerowanie zakończone. Wyniki są dostępne.
succeededGenerowanie powiodło się. Wyniki są dostępne.
failedGenerowanie nie powiodło się. Sprawdź pole błędu.

Odpowiedź ukończona

{
  "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"
  }
}

Prześlij pliki

Prześlij pliki do magazynu Atlas Cloud i uzyskaj URL, którego możesz użyć w swoich żądaniach API. Użyj multipart/form-data do przesyłania.

POST/api/v1/model/uploadMedia

Przykład przesyłania

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}")

Odpowiedź

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

Schema wejściowy

Następujące parametry są akceptowane w treści żądania.

Łącznie: 0Wymagane: 0Opcjonalne: 0

Brak dostępnych parametrów.

Przykładowa treść żądania

json
{
  "model": "openai/gpt-image-1/text-to-image"
}

Schema wyjściowy

API zwraca odpowiedź predykcji z URL-ami wygenerowanych wyników.

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

Przykładowa odpowiedź

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 integruje ponad 300 modeli AI bezpośrednio z Twoim asystentem kodowania AI. Jedno polecenie do instalacji, a następnie używaj języka naturalnego do generowania obrazów, filmów i rozmów z LLM.

Obsługiwani klienci

Claude Code
OpenAI Codex
Gemini CLI
Cursor
Windsurf
VS Code
Trae
GitHub Copilot
Cline
Roo Code
Amp
Goose
Replit
40+ obsługiwani klienci

Instalacja

bash
npx skills add AtlasCloudAI/atlas-cloud-skills

Skonfiguruj klucz API

Uzyskaj klucz API z panelu Atlas Cloud i ustaw go jako zmienną środowiskową.

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

Możliwości

Po zainstalowaniu możesz używać języka naturalnego w swoim asystencie AI, aby uzyskać dostęp do wszystkich modeli Atlas Cloud.

Generowanie obrazówGeneruj obrazy za pomocą modeli takich jak Nano Banana 2, Z-Image i inne.
Tworzenie wideoTwórz filmy z tekstu lub obrazów za pomocą Kling, Vidu, Veo itp.
Chat LLMRozmawiaj z Qwen, DeepSeek i innymi dużymi modelami językowymi.
Przesyłanie mediówPrześlij lokalne pliki do edycji obrazów i przepływów pracy obraz-do-wideo.

Serwer MCP

Serwer MCP Atlas Cloud łączy Twoje IDE z ponad 300 modelami AI za pośrednictwem Model Context Protocol. Działa z każdym klientem kompatybilnym z MCP.

Obsługiwani klienci

Cursor
VS Code
Windsurf
Claude Code
OpenAI Codex
Gemini CLI
Cline
Roo Code
100+ obsługiwani klienci

Instalacja

bash
npx -y atlascloud-mcp

Konfiguracja

Dodaj następującą konfigurację do pliku ustawień MCP w swoim IDE.

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

Dostępne narzędzia

atlas_generate_imageGeneruj obrazy z promptów tekstowych.
atlas_generate_videoTwórz filmy z tekstu lub obrazów.
atlas_chatRozmawiaj z dużymi modelami językowymi.
atlas_list_modelsPrzeglądaj ponad 300 dostępnych modeli AI.
atlas_quick_generateTworzenie treści w jednym kroku z automatycznym wyborem modelu.
atlas_upload_mediaPrześlij lokalne pliki do przepływów pracy API.

API Schema

Schema niedostępna

Brak dostępnych przykładów

Zaloguj się, aby wyświetlić historię zapytań

Musisz być zalogowany, aby uzyskać dostęp do historii zapytań modelu.

Zaloguj się

OpenAI GPT Image 1

GPT Image 1 is OpenAI’s latest multimodal image generation model, built to understand both text and image inputs and produce visually coherent, high-quality image outputs. It combines the reasoning power of GPT-4-Turbo with DALL·E-class visual synthesis, allowing for creative, controllable, and context-aware generation across illustration, photography, design, and visualization tasks.

🧠 Key Features

  • Multimodal Understanding
    Accepts both text and image inputs, enabling style transfer, editing, or contextual composition.

  • Flexible Styles
    Produces photorealistic renders, stylized artwork, concept art, infographics, and 3D-style illustrations.

  • High Visual Fidelity
    Maintains object relationships, lighting consistency, and color balance with strong adherence to prompts.

  • Accurate Text Rendering
    Capable of generating clean typography, ideal for posters, memes, comics, and branding visuals.

  • Knowledge-Grounded Creativity
    Uses GPT-4’s world knowledge to generate factual, contextually appropriate visuals.

⚙️ Parameters

ParameterDescription
promptRequired text description of the desired image
sizeSupports 1024×1024, 1024×1536, and 1536×1024
qualityChoose between low, medium, and high

💡 Tips for Best Results

  • Write prompts that specify style, subject, composition, and lighting.
  • Example:

    A small robot exploring an abandoned city, cartoon style, bright colors.

  • Use high quality for detailed or large-format outputs.
  • Prefer landscape (1536×1024) for cinematic or wide compositions.
  • Prefer portrait (1024×1536) for characters or vertical art.

📝 Notes

  • All generated content follows OpenAI’s safety and content policies.
  • If a prompt triggers moderation, rephrase or simplify it.
  • This model supports multi-image input via API, enabling creative editing and composition workflows.
  • For performance- and latency-sensitive cases, use medium quality as the balanced default.

Eksploruj Podobne Modele

Zacznij Od 300+ Modeli,

Przeglądaj wszystkie modele

Join our Discord community

Join the Discord community for the latest model updates, prompts, and support.