Görüntü üretimi ve düzenleme için GPT Image 2 API

GPT Image 2 Nedir?

OpenAI'ın Görsel Üretimi ve Düzenleme Modeli

GPT Image 2'yi görsel oluşturmak için bir üretim ve düzenleme modeli olarak konumlandırıyoruz. Metin açıklamalarından yeni görseller oluşturabilir veya referans görseller alıp sahneyi istendiği şekilde değiştirebilir.

Uygulamada, bir özeti daha da geliştirilebilecek bir görsele dönüştürüp dönüştüremediğine odaklanıyoruz; etkinlik metni içeren bir afiş, ürün sahnesi veya uygulama ana ekranı için görsel taslak gibi.

Metin ve Yüksek Sadakatli Referans Görsellerle Görsel Gereksinimleri Anlama

GPT Image 2'nin önemli özelliklerinden biri referans görselleri yazılı talimatlarla birlikte işleyebilmesidir. OpenAI'ın resmî kılavuzuna göre girdi görselleri otomatik olarak yüksek sadakatle işlenir ve yerel API'de input_fidelity parametresi atlanmalıdır. Bu, modelin özgün görseldeki kişi, ürün ve stil bilgilerini kullanmasına yardımcı olur.

Her referans görselin ne için olduğunu açıklamanızı öneriyoruz. Örneğin ilk görsel ürünün görünümünü, ikincisi arka plan stilini sağlar; metin ise nelerin değişebileceğini belirtir. Yalnızca "daha güzel yap" demeye göre bu, sonucu kontrol etmeyi ve geliştirmeyi kolaylaştırır.

Esnek Boyutlar ve Birden Fazla Kalite Seviyesi

GPT Image 2 kare ürün görselleri, dikey kapaklar ve yatay afişler için farklı çıktı boyutlarını destekler. Resmî API, 3840×2160 boyutuna kadar yatay çıktı ve buna karşılık gelen dikey boyutları; low, medium, high ve auto kalite seviyeleriyle destekler.

Boyutları son gösterim yerine, kaliteyi ise ayrıntı gereksinimleri ve maliyete göre seçin. Kompozisyonu hâlâ değişen taslaklarda yönü doğrulamak için düşük çözünürlük kullanmanızı; konu, metin ve düzen doğru olduğunda yüksek çözünürlüklü son sürümü üretmenizi öneriyoruz.

RequestBeam'in GPT Image 2 Çevrimiçi Aracı ve API'si

RequestBeam aracılığıyla GPT Image 2'nin kendi görevlerinizde nasıl çalıştığını daha erken görmenize yardımcı olmak istiyoruz. Oturum açıp küçük bir bakiye yükledikten sonra, önce API entegrasyon kodu yazmadan veya kısa bir değerlendirme için sabit abonelik almadan çevrimiçi araçta görsel üretebilir ya da düzenleyebilirsiniz. Sonuçlar ihtiyacınızı karşıladığında bir API Key oluşturup uygulamanıza entegre edebilir, farklı model platformlarında hesap yönetme zahmetini azaltabilirsiniz.

GPT Image 2'nin Temel Özellikleri ve Güçlü Yanları

Çince ve Çok Dilli Metin: Afiş Yazısı ile Görseli Birlikte Üretme

GPT Image 2'nin metni doğrudan görsellerin içine yerleştirebilmesine değer veriyoruz. Müşterilerimizin paylaştığı gerçek kullanımlarda GPT Image 2'nin Çince karakter üretimi önceki gpt-image sürümüne göre belirgin biçimde gelişti. Bununla birlikte "小笼包" (xiaolongbao) içindeki "笼" karakterinde ve bazı küçük yazılarda hataların sürdüğünü de belirttiler.

Etkinlik afişleri, ürün satış noktası görselleri veya çok dilli kapaklarda son metni vermenizi; her bölümün konumunu, göreli boyutunu ve dilini belirtmenizi öneriyoruz. Kısa başlıklar üretilen görselin parçası olarak denenebilir. Fiyat, tarih, uzun metin ve tamamen doğru olması gereken yazılarda her karakteri kontrol etmenizi, gerekirse sonradan elle dizgi veya düzeltme yapmanızı öneriyoruz.

Karmaşık Kompozisyon: Konu, Düzen ve Ayrıntılı Kısıtları Birlikte Ele Alma

GPT Image 2'nin tek görselde birden fazla açık gereksinimi iyi ele aldığını düşünüyoruz. Bir müşteri birden fazla pencere, metin ve ASCII grafikleri içeren masaüstü sahnesi paylaştı; ardından tarayıcı penceresinin içeriğini ve içindeki köpek grafiğini değiştirmeyi sürdürdü.

Ürün tanıtım görsellerinde konu, arka plan, metin yerleşimi ve boşlukları birlikte belirtmenizi öneriyoruz; örneğin "ürünü sağa koy, solda başlık için yer bırak ve alta üç satış noktası yerleştir." GPT Image 2 deneyimimize göre gereksinimlerinizi olabildiğince ayrıntılı açıklayabilirsiniz ve model görevi iyi yerine getirebilir.

Referans Görsel Düzenleme: Mevcut Materyalleri Geliştirmeyi Sürdürme

GPT Image 2'yi arka plan değiştirme, renk şemaları deneme veya farklı görsel stil araştırma gibi mevcut materyal değişikliklerinde öneriyoruz. Açık tartışmalarda bir kullanıcı referans görsellerden görsel taslaklar oluşturup gerçekçiliği profesyonel iş için yeterli buldu. Başka biri yılan üzerindeki belirli pulların rengini ve şeklini değiştirmesini istedi, ancak sonuç hayal kırıklığı yarattı. Referans görsel geri bildirimi · Başarısız ince yerel düzenleme

Bu geri bildirimlere dayanarak önce hedefleri net ve değişiklikleri kolay incelenebilir görevler öneriyoruz. Örneğin ürün arka planını değiştirirken şişe oranlarının, etiket metninin ve yerleşimin aynı kalmasını belirtin. Üretimden sonra özgün görselle sonucu yan yana karşılaştırın; özellikle logo, kenar ve yansımaları inceleyin. Bir bölgenin tam korunması gerekiyorsa sonradan yalnızca gerekli değişiklikleri özgün görsele birleştirebilirsiniz.

Arayüz Taslakları ve Görsel Öneriler: Ürün Fikirlerini Daha Erken Tartışmaya Açma

Müşterilerimizin birçoğu ürün fikirleri için arayüz taslakları hazırlamakta Images 2.0 kullanıyor ve sonuçlara olumlu tepki veriyor.

Bir yönetim arayüzü, uygulama ana ekranı veya oyun menüsü planlıyorsanız önce GPT Image 2'den birkaç düzen istemenizi, sonra görseller üzerinden bilgi hiyerarşisini, renkleri ve görsel vurguyu tartışmanızı öneriyoruz. Bu, bağımsız geliştiriciler için fikri anlatmayı kolaylaştırabilir. Yön netleştiğinde gerçek bileşenler, etkileşimler ve duyarlı düzenlerle uygulayın; üretilen görselin kendisi bu geliştirme işini içermez.

Karakterler ve Hikâye Panoları: Aynı Konu Etrafında Görsel Dizisi Oluşturma

GPT Image 2'nin karakter tasarımı ve küçük hikâye panosu denemelerinde denenmeye değer olduğunu düşünüyoruz. Bir müşterimiz önce insan özellikleri taşıyan bir portre, ardından yan görünümler ve hareket görselleri üretti; karakter görünümünün korunmasından memnun kaldı.

Önce bir karakter referans görseli oluşturmanızı, sonra önden görünüm, yandan görünüm ve bir temel hareket denemenizi; her görselde yüzü, kıyafeti, renkleri ve arka plan dokusunu kontrol etmenizi öneriyoruz. Tam seriyi ancak bu temel görüntüler kabul edilebilir olduğunda genişletin. Çok görselli hikâyelerde, zaten sapmış sonuçları sürekli düzenlemek yerine özgün karakter referansını korumanızı da öneriyoruz.

GPT Image 2 Karşılaştırma Testleri ve Performansı

Sıralama sürümlerini ve kalite seviyelerini koruyor; resmî kör değerlendirmeleri, küçük kişisel testleri ve kullanım deneyimlerini birbirinden ayırıyoruz.

Metinden Görsele Kör Değerlendirme: AA High 1172 Elo'ya Ulaşıyor

Artificial Analysis'in AA-Image-T2I v2.0 sıralamasında GPT Image 2, high seviyesinde 1172±8 Elo ile şu anda üçüncü. Aynı sıralamada GPT Image 1.5 high ile 1107±8, Nano Banana 2 ise 1126±7 alıyor. Bu, GPT Image 2'nin bu değerlendirmenin istemleri ve insan tercih ölçütleri altında rekabetçi kaldığını gösteriyor. AA metinden görsele sıralaması

Ürün afişleri, içerik kapakları ve net kompozisyon gerektiren görsellerde onu ilk denenecek modeller arasına almanızı öneriyoruz. Image 1.5 kullanan ekipler, daha önce en çok yeniden çalışma gerektiren özetleri karşılaştırarak metnin, düzenin ve konu ayrıntılarının gelişip gelişmediğine bakabilir. Bu sonuç high seviyesine aittir; daha düşük kalite seviyelerine doğrudan uygulamıyoruz.

Tek Görsel Düzenleme: Arena Medium 1462 Puana Ulaşıyor

Arena'nın 2026-10-06 tarihli tek görsel düzenleme sıralamasında GPT Image 2, medium ile 1462±3 alarak üçüncü sırada. AA-Image-Editing v2.0 ise high seviyesine 1125±8 Elo veriyor; beşinci ile yedinci arasında sıra aralığıyla altıncı sırada. İki değerlendirme farklı görevler, kalite seviyeleri ve puan ölçekleri kullanıyor. Farklı sıralamaları, belirli düzenleme ihtiyaçlarını ayrı doğrulamamız gerektiğini hatırlatıyor. Arena tek görsel düzenleme sıralaması · AA görsel düzenleme sıralaması

İki şeyi birlikte kontrol etmenizi öneriyoruz: İstenen değişiklikler doğru yapıldı mı ve değişmemesi gereken içerik de değişti mi? Ürün arka planı değişiminde yalnızca yeni arka planın doğal görünmesine değil, ambalaj metnine, ürün şekline ve renklere de bakın. Özgün ayrıntıların sıkı korunması gereken işlerde toplu işlem planlamadan önce küçük testle başlayın.

Üretim Hızı: Bekleme Süresini Kaliteye ve En-Boy Oranına Göre Planlama

Bazı müşterilerimiz API üzerinden high ile üretilen karmaşık bir görsel için yaklaşık iki dakika bekledi. OpenAI'ın GPT Image 2 kılavuzu da kare görsellerin genellikle en hızlı üretildiğini; gerçek sürenin boyutlara ve istek koşullarına bağlı olduğunu belirtiyor. API High kullanım deneyimi · Resmî model ayarları

Önce boyutları ve kaliteyi sabitlemenizi, sonra olağan görevlerinizde gönderimden tam görseli almaya kadar geçen süreyi kaydetmenizi öneriyoruz. Kullanıcıların tekrar tekrar görsel düzenlediği özelliklerde önce medium değerlendirin. Karmaşık son çıktılarda high beklemeye değiyor mu karşılaştırın. Bekleme deneyimi belirgin biçimde bozuyorsa aşağıda ele aldığımız GPT Image 2.5 Flare'i de denemenizi öneriyoruz.

Üretim Maliyeti: Aynı Modelde Kalite Seviyelerinin Fiyatları Çok Farklı

OpenAI, GPT Image 2 için aşağıdaki görsel başına çıktı maliyeti örneklerini listeliyor. Bunlar metin ve referans görsel girdi maliyetlerini içermez ve RequestBeam'in gerçek fiyatları değildir. OpenAI'ın resmî maliyet örnekleri

Özellikle medium seviyesinden high seviyesine 1024×1024 boyutunda geçişe dikkat ediyoruz: Örnek çıktı maliyeti yaklaşık dört katına çıkıyor, ancak bu görsel kalitenin aynı oranda artacağı anlamına gelmiyor. Önce medium ile başlangıç düzeyi oluşturup küçük metin veya karmaşık malzeme gibi belirli sorunlarda high karşılaştırmanızı öneriyoruz. Her son kullanılabilir görselin toplam maliyetini hesaplarken düzenlemeleri ve yeniden denemeleri dahil edin.

GPT Image 2'nin GPT Image 1.5, Nano Banana 2, GPT Image 2.5 Flare ve GPT Image 2.5 Sunburst ile Karşılaştırılması

GPT Image 1.5 ile Karşılaştırma: Önce En Fazla Yeniden Çalışma Gerektiren Görevleri Yükseltin

Aynı AA sıralamasının high karşılaştırmasında GPT Image 2, metinden görsele üretimde Image 1.5'ten daha yüksek puan alıyor; ancak maliyet farkları boyutlara bağlı. OpenAI'ın resmî örneklerinde 1024×1024 ve high için çıktı maliyetleri sırasıyla USD 0.211 ve USD 0.133; 1536×1024 ve high için USD 0.165 ve USD 0.200. AA metinden görsele karşılaştırması · Aynı boyutlar için resmî maliyet tablosu

Ambalaj metni, afiş düzeni veya karmaşık kompozisyon nedeniyle sık sık yeniden görsel üretiyorsanız önce Image 2'yi denemenizi öneriyoruz. Zaten güvenilir biçimde kabul edilebilir görsel sağlayan basit görevlerde mevcut akışınızı şimdilik koruyabilirsiniz.

Nano Banana 2 ile Karşılaştırma: Kalite Seviyelerini Toplu Üretim Bütçeleriyle Birlikte Karşılaştırın

Nano Banana 2, Google'ın resmen hız, verimlilik ve yüksek işlem hacmine odakladığı gemini-3.1-flash-image modeline karşılık gelir. Standart ücretlendirmede 1K görsel çıktısı yaklaşık USD 0.067 tutar. Yukarıdaki resmî Image 2 örneklerine göre bu, USD 0.211 olan high seviyesinden ucuz, USD 0.053 olan medium seviyesinden pahalıdır; dolayısıyla her maliyet karşılaştırması kalite seviyesini belirtmelidir. Google'ın resmî modeli ve fiyatları

Yüksek miktarda sosyal medya görseli, küçük resim adayı ve hızlı denenmesi gereken fikirlerde Nano Banana 2'yi karşılaştırmaya eklemenizi öneriyoruz. Etkinlik ana görselleri, karmaşık düzenler ve metin yoğun görsellerde önce GPT Image 2'yi test etmenizi öneriyoruz.

GPT Image 2.5 Flare ile Karşılaştırma: Tekrarlı Görsel Düzenleyen Ürünlerde Yeniden Değerlendirmeye Değer

OpenAI, 2026-09-08 tarihinde Image 2.5'i yayımlarken Flare'in GPT Image 2'den daha yüksek görsel kalite sağladığını ve API üretim gecikmesini %50 azalttığını belirtti. Bu, sağlayıcının yayımladığı bir karşılaştırmadır; duyuru tüm test koşullarını listelemez. Kendi görevlerinizde kendi boyutlarınız ve kalite ayarlarınızla yeniden ölçün. OpenAI Image 2.5 sürüm duyurusu

Kullanıcıların arka plan değiştirdiği, renklerle oynadığı ve alternatifler denediği bir çevrimiçi görsel aracı geliştiriyorsanız aynı görev kümesini GPT Image 2.5 Flare ve GPT Image 2 üzerinde çalıştırmanızı öneriyoruz. Bekleme süresine ve her düzenlemeden sonra konunun değişip değişmediğine odaklanın. Image 2 entegrasyonu olan ekipler için Image 2.5 Flare'in erken küçük ölçekli karşılaştırma testini hak ettiğini düşünüyoruz.

GPT Image 2.5 Sunburst ile Karşılaştırma: İnce Düzenlemede Ayrıntı Koruma Daha Önemli

OpenAI, Sunburst'ü bitmiş pazarlama materyalleri ve rötuşlanmış ürün görselleri gibi daha ince düzenleme kontrolü gereken işler için konumlandırıyor; Flare'den daha uzun üretim süresi olduğunu da belirtiyor. AA'nın güncel düzenleme sıralamasında Sunburst max ile 1183±8 Elo, Image 2 high ile 1125±8 Elo alıyor. OpenAI model konumlandırması · AA düzenleme değerlendirmesi

Müşteri geri bildirimlerine göre GPT Image 2.5 Sunburst kullanım senaryoları genellikle Image 2 senaryolarından daha karmaşık. Image 2.5 Sunburst, birkaç tur ince düzenleme gerektiren marka materyallerinde daha iyi performans gösteriyor. Göreviniz daha karmaşık ayrıntılar içeriyorsa test için GPT Image 2.5 Sunburst'e geçmenizi öneriyoruz.

GPT Image 2 API Sık Sorulan Sorular

GPT Image 2 API'sini RequestBeam Üzerinden Nasıl Çağırırım?

Önce RequestBeam'de oturum açıp bir API Key oluşturmanızı, ardından belgelerimizi okumanızı veya bağlantıyı yapılandırmak için yapay zekâdan yardım istemenizi öneriyoruz.

Önce çevrimiçi araçta asgari bir üretim testi tamamlamanızı, sonra RequestBeam'in güncel GPT Image 2 API belgelerine göre entegrasyon yapmanızı öneriyoruz. Böylece modelin iş gereksinimlerinizi karşılayıp karşılamadığını entegrasyondan önce doğrulayabilir ve diğer sağlayıcılardan uç nokta yollarını ya da parametreleri yanlışlıkla RequestBeam'e taşımaktan kaçınabilirsiniz.

Görsel Sayısı, Maske veya Boyut Ayarları Neden 400 Hatasına Neden Oluyor?

Önce eski kodun başka bir API'den parametre geçirip geçirmediğini kontrol etmenizi öneriyoruz. RequestBeam'in GPT Image 2 desteği şu anda yalnızca n: 1 kabul eder; ayrı /images/edits yolu yoktur ve multipart/form-data kabul edilmez. mask, mask_url veya maskUrl gönderilmesi 400 döndürür. Görsel düzenlemek için yukarıdaki gibi image_urls ve yazılı talimatlar kullanın. RequestBeam parametre sınırları

Boyutlarda size: "16:9" ile resolution: "2k" birleştirilebilir. Piksel boyutlarını doğrudan belirtirseniz çözünürlük seviyesinden önceliklidir. Kalite için auto, low, medium veya high seçin; Image 2.5'in xhigh veya max seçeneklerini kullanmayın. Belgelenmiş bir birleşimle başlayıp aynı anda birkaç parametre değiştirmek ve sorunu ayırmayı zorlaştırmak yerine her seferinde tek parametre ayarlamanızı öneriyoruz. RequestBeam boyut ve kalite ayarları

Sonuçta b64_json Neden Yok, Akışlı İstekten Görselleri Nasıl Okumalıyım?

stream: false ile bu RequestBeam uç noktası üretimin tamamlanmasını bekler ve bir görsel URL'si döndürür; data[0].url okuyun. Görseli indirip kaydetmeden önce URL'nin varlığını kontrol etmenizi öneriyoruz. Yerel OpenAI Images API'si farklı bir Base64 görsel yapısı döndürür, bu nedenle ayrıştırma kodu doğrudan kopyalanamaz. RequestBeam yanıt yapısı · OpenAI yerel yanıt yapısı

stream: true ile SSE işlemeyi sürdürün, image_generation.completed olayını bekleyip görsel URL'sini okuyun ve [DONE] gelene kadar devam edin. Bu uç nokta önce bir jobId döndürmez; dolayısıyla görsel sonuçları için /v1/jobs/{id} sorgulamayın. "Bağlandı" ve "görsel üretildi" durumlarını ayrı ele almanızı öneriyoruz. RequestBeam sonuç işleme

Zaman Aşımından Sonra Neden Hemen Yeniden Denememeliyim, Sorunu Nasıl İncelerim?

Zaman aşımı veya beklemeyi durdurmak yalnızca istemcinin sonucu beklemeyi sürdürmediği anlamına gelir; sunucunun üretimi iptal ettiğini kanıtlamaz. Sonuç belirsizken tekrar tekrar ücretli istek göndermemek için yeniden göndermeye karar vermeden önce mevcut geçmişi ve hesap kullanımını kontrol etmenizi öneriyoruz. Başarıdan sonra dönen URL'yi kalıcı depolama yeri saymak yerine görseli kendi depolamanıza indirin. RequestBeam zaman aşımları ve görsel kaydetme

Açık hatalarda durum koduyla başlayın: 401 için API Key'i, 402 için bakiyeyi, 404 için modelin varlığını veya etkinliğini, 429 için istek sıklığını kontrol edin. 5xx durumunda hizmet veya üretim sorunlarını değerlendirmek için belirli hatayı kullanın. İstek zamanını, modeli, parametreleri ve hata ayrıntılarını saklamanızı öneriyoruz. Yalnızca zaman aşımını artırmayın veya her hataya aynı yeniden deneme davranışını uygulamayın. RequestBeam hata kodları