新用户注册即赠体验积分 立即领取 →
AI 模型接口

图像(Images)

AI 图像生成与编辑按厂家原生协议调用:Google Gemini、OpenAI GPT Image、火山方舟 Seedream 与阿里云百炼 Qwen Image 分别使用各自的端点、请求体和参数。

模型概览

模型(model文生图图生图 / 编辑输出格式特色
gemini-2.5-flash-image
gemini-2.5-flash-image-preview
gemini-3.1-flash-image-preview
gemini-3-pro-image-preview
支持支持(在 contents.parts 中传入图片)inlineDataGemini 原生多模态生成,可同时返回文本与图片
gpt-image-2支持支持(含蒙版局部重绘)png / jpeg / webp指令跟随强、文字渲染准、尺寸灵活、高保真图像输入
doubao-seedream-5-0-pro-260628支持支持(单图 / 多图)png / jpeg交互编辑(任意标记、坐标定位)、中文场景表现好
qwen-image-3.0-pro支持支持(1~3 张参考图)png多图参考编辑、提示词智能改写、单次可出 1~6 张

参数集按厂家协议区分四类图像接口分别使用 Gemini、OpenAI、火山方舟和阿里云百炼的原生请求结构,端点、鉴权头、参数名与取值范围不可混用。请按对应章节调用。


Gemini 原生生图

Google Gemini 图像模型使用原生 generateContent 接口。模型 ID 放在 URL 路径中,请求内容放在 contents[].parts[],生成配置放在 generationConfig

模型 IDgemini-2.5-flash-image
gemini-2.5-flash-image-preview
gemini-3.1-flash-image-preview
gemini-3-pro-image-preview
端点POST /v1beta/models/{model}:generateContent
Headerx-goog-api-key: sk-tokgate-你的APIKey
返回方式candidates[].content.parts[].inlineData
POST https://api.tokgate.io/v1beta/models/{model}:generateContent

请求参数

参数类型必填说明
contentsarray<object>必填Gemini 原生内容数组。用户输入通常使用 role: "user"
contents[].parts[].textstring必填生成或编辑指令,描述期望的最终画面。
contents[].parts[].inlineDataobject可选图生图输入,包含图片的 mimeType 与 Base64 data。可与文本 part 放在同一个 parts 数组。
generationConfig.responseModalitiesarray<string>可选返回模态,生图时使用 ["TEXT", "IMAGE"];只需要图片时可仅保留 "IMAGE"
generationConfig.imageConfig.aspectRatiostring可选输出宽高比,例如 1:116:99:16。可用值以具体模型为准。
generationConfig.imageConfig.imageSizestring可选输出尺寸档位,例如 1K2K。支持范围以具体模型为准。

调用示例

curl -X POST "https://api.tokgate.io/v1beta/models/gemini-3.1-flash-image-preview:generateContent" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d '{
    "contents": [{
      "role": "user",
      "parts": [{"text": "生成一张极简产品摄影:白色陶瓷香薰机放在浅色木桌上,清晨自然侧光,1:1 构图"}]
    }],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {"aspectRatio": "1:1", "imageSize": "2K"}
    }
  }'
curl -X POST "https://api.tokgate.io/v1beta/models/gemini-2.5-flash-image:generateContent" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d '{
    "contents": [{
      "role": "user",
      "parts": [
        {"text": "保留商品外形与 Logo,把背景改为清晨海边的木桌,自然侧光"},
        {"inlineData": {"mimeType": "image/png", "data": "BASE64_IMAGE_DATA"}}
      ]
    }],
    "generationConfig": {"responseModalities": ["TEXT", "IMAGE"]}
  }'

响应图片

{
  "candidates": [{
    "content": {
      "role": "model",
      "parts": [{
        "inlineData": {
          "mimeType": "image/png",
          "data": "iVBORw0KGgoAAAANSUhEUgAA..."
        }
      }]
    }
  }]
}

遍历 candidates[].content.parts[],读取带有 inlineData 的 part;按 mimeType 解码 Base64 data 并保存图片。

上游参考:Gemini 图像生成文档


gpt-image-2

OpenAI 的图像生成模型,支持文生图与图像编辑,尺寸灵活、支持高保真图像输入。

model_idgpt-image-2
文生图端点POST /v1/images/generations
图生图端点POST /v1/images/edits
返回方式Base64(data[].b64_json

gpt-image-2 文生图

POST https://api.tokgate.io/v1/images/generations
参数类型必填说明
modelstring必填固定 gpt-image-2
promptstring必填图像文本描述,GPT Image 系列最长 32000 字符。
ninteger可选生成张数,1 ~ 10,默认 1。
sizestring可选输出尺寸,默认 auto。常用档位:1024x10241536x10241024x15362048x20482048x11523840x21602160x3840。也可在约束范围内自定义 宽x高:长边 ≤ 3840px,宽高均为 16px 的整数倍,长边/短边比例 ≤ 3:1,总像素在 655,360 ~ 8,294,400 之间。方图生成最快。
qualitystring可选auto(默认)/ low / medium / highlow 适合草稿、缩略图与快速迭代;medium/high 用于成品。总像素超过 2560x1440(约 368 万像素,俗称 2K)的输出目前仍属实验性。
output_formatstring可选png(默认)/ jpeg / webp。延迟敏感场景优先 jpeg,比 png 更快。
output_compressioninteger可选压缩率 0 ~ 100,默认 100。jpegwebp 生效
backgroundstring可选opaque / auto(默认)。gpt-image-2 不支持透明背景,传 transparent 会直接报错。
moderationstring可选内容审核强度,auto(默认,标准过滤)或 low(宽松过滤)。
userstring可选终端用户标识,便于滥用排查。

需要透明 PNG 时换模型gpt-image-2 与其日期版本均不支持 background: "transparent"。需要透明底时请改用支持透明背景的 GPT Image 版本,或在后处理阶段抠图。

curl -X POST https://api.tokgate.io/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "一只戴着飞行员护目镜的柯基坐在复古双翼飞机驾驶座上,胶片质感,暖色调,机身写着 tokgate.io",
    "n": 1,
    "size": "1536x1024",
    "quality": "high",
    "output_format": "png"
  }'
import base64
from openai import OpenAI

client = OpenAI(
    api_key="sk-***",
    base_url="https://api.tokgate.io/v1",
)

resp = client.images.generate(
    model="gpt-image-2",
    prompt="一只戴着飞行员护目镜的柯基坐在复古双翼飞机驾驶座上,胶片质感,暖色调",
    size="1536x1024",
    quality="high",
    output_format="png",
)

with open("corgi.png", "wb") as f:
    f.write(base64.b64decode(resp.data[0].b64_json))

响应

{
  "created": 1779348818,
  "data": [
    { "b64_json": "iVBORw0KGgoAAAANSUhEUgAA..." }
  ],
  "usage": {
    "total_tokens": 1620,
    "input_tokens": 52,
    "output_tokens": 1568,
    "input_tokens_details": { "text_tokens": 52, "image_tokens": 0 }
  }
}

gpt-image-2 图生图

POST https://api.tokgate.io/v1/images/edits

基于一张或多张源图 + 提示词生成编辑后的图像。请求体为 multipart/form-data,不是 JSON。

参数类型必填说明
modelstring必填固定 gpt-image-2
imagefile / file[]必填待编辑的源图。支持 PNG、WEBP、JPG。可传多张(多次传同名字段),多图时用于把不同图的元素组合到一张输出里。
promptstring必填编辑指令。要描述「最终整张图应该是什么样」,而不是只描述被擦掉的区域。
maskfile可选蒙版 PNG,完全透明(alpha=0)的区域表示要重绘的位置。必须与待编辑图同格式、同尺寸,小于 50MB,且带 alpha 通道;传多图时蒙版只作用于第一张 image
ninteger可选生成张数,1 ~ 10,默认 1。
sizestring可选同文生图,默认 auto(跟随输入图)。
qualitystring可选同文生图。
output_formatstring可选同文生图。
output_compressioninteger可选同文生图,仅 jpeg / webp 生效。
backgroundstring可选同文生图,gpt-image-2 不支持 transparent
userstring可选终端用户标识。

蒙版是引导,不是像素级裁剪GPT Image 的蒙版编辑基于提示词理解,不保证严格贴合蒙版形状,有可能改动蒙版之外的区域。要保住不该动的内容,就在 prompt 里明确写出「保持 ×× 不变」。gpt-image-2 不支持 input_fidelity 参数——该模型对所有输入图像始终按最高保真度处理,无需也不允许配置;这也意味着带参考图的编辑请求,输入图像 Token 消耗可能更高。

curl -X POST https://api.tokgate.io/v1/images/edits \
  -H "Authorization: Bearer sk-***" \
  -F "model=gpt-image-2" \
  -F "image=@product.png" \
  -F "mask=@product-mask.png" \
  -F "prompt=保持商品本体、Logo 与包装文字完全不变,把背景换成清晨海边的木质桌面,自然侧光,浅景深" \
  -F "size=1024x1024" \
  -F "output_format=png"
import base64
from openai import OpenAI

client = OpenAI(
    api_key="sk-***",
    base_url="https://api.tokgate.io/v1",
)

resp = client.images.edit(
    model="gpt-image-2",
    image=[open("product.png", "rb")],
    mask=open("product-mask.png", "rb"),
    prompt="保持商品本体、Logo 与包装文字完全不变,把背景换成清晨海边的木质桌面",
    size="1024x1024",
)

with open("product-edited.png", "wb") as f:
    f.write(base64.b64decode(resp.data[0].b64_json))

响应结构与文生图一致,usage.input_tokens_details.image_tokens 会计入输入图像的 Token 消耗。

使用限制与内容审核

  • 延迟:复杂提示词的处理最长可能耗时约 2 分钟。
  • 文字渲染:已大幅改善,但精确的文字排布与清晰度仍可能不稳定。
  • 一致性:多次生成之间,重复出现的角色或品牌元素的视觉一致性无法完全保证。
  • 构图控制:结构化或对布局敏感的构图中,元素的精确摆放仍可能有偏差。
  • 内容审核:所有提示词与生成图像都会按内容政策过滤。命中审核时返回 error.type = "image_generation_user_error"error.code = "moderation_blocked",并可能带 error.moderation_details(含 moderation_stage: input/output/unknown,以及粗粒度 categories 标签)。这类用户可纠正的错误不要自动重试,需先修改提示词或输入图像。

上游参考:OpenAI Image generation 指南


seedream-5-0

火山方舟 Doubao Seedream 5.0 pro。支持文生图与单 / 多图生图,并新增交互编辑:可用手绘标记或坐标标签精确指定编辑位置。

model_iddoubao-seedream-5-0-pro-260628
端点POST /api/v3/images/generations
返回方式url(默认,24 小时有效)或 b64_json

能力矩阵

能力Seedream 5.0 pro
文生图支持
单图 / 多图生图支持
交互编辑支持(该系列独有)
文生组图暂不支持
单图 / 多图生组图暂不支持
流式输出暂不支持
联网搜索暂不支持
分辨率档位1K2K(默认 2K
输出格式pngjpeg
提示词优化模式标准模式 standard、极速模式 fast

请求参数

参数类型必填说明
modelstring必填doubao-seedream-5-0-pro-260628
promptstring必填生成或编辑指令。交互编辑时可内嵌 <point> / <bbox> 坐标标签。
imagestring / array可选参考图。传入即为图生图 / 编辑模式。支持公网 URL 或 Base64(data:image/png;base64,<数据>,MIME 需小写)。多图传数组。
sizestring可选两种写法,不可混用:① 分辨率档位 1K / 2K(推荐,默认 2K);② 具体像素 宽x高,需同时满足总像素 921600 ~ 4624220、宽高比 [1/16, 16]。
response_formatstring可选url(返回下载链接)或 b64_json(返回 Base64)。
output_formatstring可选pngjpeg
watermarkboolean可选true 时在图片右下角加「AI生成」水印;false 不加。
optimize_prompt_optionsobject可选提示词优化模式,如 {"mode": "fast"}fast 出图更快,适合对时延敏感的业务。

分辨率档位对应的宽高像素

宽高比1K2K
1:11024 × 10242048 × 2048
4:31152 × 8642368 × 1776
3:4864 × 11521776 × 2368
16:91424 × 8002816 × 1584
9:16800 × 14241584 × 2816
3:21248 × 8322496 × 1664
2:3832 × 12481664 × 2496
21:91568 × 6723136 × 1344

调用示例

curl -X POST https://api.tokgate.io/api/v3/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d '{
    "model": "doubao-seedream-5-0-pro-260628",
    "prompt": "国潮插画风格的中秋节礼盒主图,深青底色配烫金纹样,正中一盒月饼,光影柔和,画面留白规整",
    "size": "2K",
    "output_format": "png",
    "watermark": false
  }'
curl -X POST https://api.tokgate.io/api/v3/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d '{
    "model": "doubao-seedream-5-0-pro-260628",
    "prompt": "根据手绘草图编辑图像:在左下角标记区域添加一叠杂志,在右侧标记区域添加一杯带杯碟的咖啡,移除所有草图线条,保持构图不变,让新增物体自然融入原场景",
    "image": "https://your-cdn.example.com/sketch.png",
    "size": "2K",
    "output_format": "png",
    "watermark": false
  }'
{
  "model": "doubao-seedream-5-0-pro-260628",
  "image": ["https://your-cdn.example.com/a.png", "https://your-cdn.example.com/b.png"],
  "prompt": "将图1179 283 796 986的主体放到图2118 331 933 871位置",
  "size": "2K"
}

交互编辑的两种定位方式任意标记 + 自然语言:在原图上画色块或圈注,再用「在蓝色框内添加一个电视机」这类描述指定位置;② 坐标精准定位:在 prompt 里用 <point><bbox> 标签给出坐标。

使用限制

  • 参考图格式:jpeg、png、webp、bmp、tiff、gif、heic、heif。
  • 参考图尺寸:宽高比 [1/16, 16];宽、高均需大于 14 px;总像素不超过 6000 × 6000(36,000,000 px)。
  • 参考图大小:单张不超过 30 MB;最多传入 10 张
  • 数量约束:输入参考图数量 + 最终生成图片数量 ≤ 15 张。
  • 产物有效期response_format: "url" 返回的图片链接仅保留 24 小时,请及时下载转存。

上游参考:火山方舟 Doubao Seedream 5.0 pro 教程


qwen-image-3.0-pro

千问图像生成与编辑 3.0。同时支持文生图(T2I)与图生图 / 图像编辑(I2I),可基于 1 ~ 3 张参考图结合编辑指令做精确编辑。请求体结构与前两个模型不同:提示词和参考图都放在 input.messages 里,其余控制参数放 parameters

model_idqwen-image-3.0-pro
调用方式同步返回(非异步任务)
输出格式PNG
分辨率范围总像素 512×512 ~ 2048×2048;不指定 size 时由模型按提示词自动推荐
POST https://api.tokgate.io/api/v1/services/aigc/multimodal-generation/generation

请求参数

参数类型必填说明
modelstring必填qwen-image-3.0-pro
input.messagesarray<object>必填仅支持单轮,数组里有且只有一个对象,含 rolecontent
input.messages[].rolestring必填固定 user
input.messages[].contentarray<object>必填文生图:仅一个 {"text": "..."}。图生图:1 ~ 3 个 {"image": "..."} 加 1 个 {"text": "..."}
…content[].imagestring可选参考图,公网 URL(HTTP / HTTPS)或 Base64(data:{MIME};base64,{数据})。多图时按数组顺序定义图像顺序。
…content[].textstring必填正向提示词,中英文均可。只能传一个 text,不传或传多个会报错。
parameters.prompt_extendboolean可选提示词智能改写,默认 true(建议开启)。提示词较短时效果提升明显。
parameters.ninteger可选输出张数,1 ~ 6,默认 1。
parameters.sizestring可选输出分辨率,格式为 宽*高用星号,不是 x),如 1024*1024。像素范围 512*512 ~ 2048*2048。不传由模型自动推荐。
parameters.negative_promptstring可选反向提示词,描述不希望出现的内容。
parameters.seedinteger可选随机种子,[0, 2147483647]。固定后生成结果相对稳定。
parameters.watermarkboolean可选是否加水印,默认 false

调用示例

curl -X POST https://api.tokgate.io/api/v1/services/aigc/multimodal-generation/generation \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d '{
    "model": "qwen-image-3.0-pro",
    "input": {
      "messages": [
        {
          "role": "user",
          "content": [
            { "text": "竖幅户外人像摄影,午后逆光的欧洲街角报刊亭,藤蔓与橙色小花从檐口垂落,画面右侧是被阳光照亮的街道,暖色胶片质感,细腻颗粒,浅景深" }
          ]
        }
      ]
    },
    "parameters": {
      "prompt_extend": true,
      "n": 1,
      "size": "1024*1536"
    }
  }'
curl -X POST https://api.tokgate.io/api/v1/services/aigc/multimodal-generation/generation \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d '{
    "model": "qwen-image-3.0-pro",
    "input": {
      "messages": [
        {
          "role": "user",
          "content": [
            { "image": "https://your-cdn.example.com/portrait.png" },
            { "text": "保留输入图中人物的面部特征与黑色长发,换成香槟色真丝衬衫外搭深灰西装外套,场景改为现代简约的高端咖啡店,午后侧光,背景自然虚化" }
          ]
        }
      ]
    },
    "parameters": {
      "prompt_extend": true,
      "negative_prompt": "变形的手指,文字水印,低分辨率",
      "seed": 42
    }
  }'

响应结构

{
  "output": {
    "choices": [
      {
        "finish_reason": "stop",
        "message": {
          "role": "assistant",
          "content": [
            { "image": "https://.../result.png?Expires=..." }
          ]
        }
      }
    ]
  },
  "usage": {
    "width": 1024,
    "height": 1536,
    "image_count": 1
  },
  "request_id": "571ae02f-5c9d-436c-83c2-f221e6df0xxx"
}
{
  "request_id": "31f808fd-8eef-9004-xxxxx",
  "code": "InvalidApiKey",
  "message": "Invalid API-key provided."
}
字段说明
output.choices[].finish_reason自然结束时为 stop
output.choices[].message.content[].image生成图像的 URL,格式为 PNG,链接有效期 24 小时
usage.width / usage.height实际生成图像的宽高(像素)。
usage.image_count本次生成的图片张数。
request_id请求唯一标识,排查问题时请提供该值。
code / message仅失败时返回,指示错误原因。

使用限制

  • 输入图格式:JPG、JPEG、PNG、BMP、TIFF、WEBP、GIF。
  • 输入图分辨率:建议宽和高均在 384 ~ 2048 像素之间。
  • 输入图大小:单张不超过 10 MB。
  • 参考图数量:图生图场景 1 ~ 3 张,多图按数组顺序对应。
  • 轮次:当前仅支持单轮,messages 里只能有一个对象。
  • 产物有效期:任务数据与图像 URL 仅保留 24 小时,超时自动清除。
  • 该模型在上游处于邀测阶段,若返回模型不可用,请通过联系页申请开通。

上游参考:千问-图像生成与编辑 3.0 API 参考


通用建议

  • 及时转存产物:Seedream 与 Qwen Image 返回的 URL 仅保留 24 小时;Gemini 与 GPT Image 返回 Base64。生产环境都应及时解码或下载并转存。
  • 合理设置客户端超时:图像生成是同步接口但耗时明显长于对话,高质量档位更慢,客户端超时不要设成几秒。
  • 提示词写「最终画面」:尤其做编辑时,描述完成后的整张图应该是什么样,并显式写出要保持不变的部分。
  • 先用低成本档位试gpt-image-2quality: "low"seedream1K 档、optimize_prompt_options.mode: "fast" 都适合调提示词阶段使用,定稿后再切高质量档。
  • Base64 传图注意 MIME:格式为 data:image/png;base64,<数据>,MIME 类型必须小写且与真实格式一致。