← 返回博客

AI 图片生成 API 接入:GPT Image、Nano Banana Pro、Seedream

Zivv••9 分钟阅读
图片生成GPT Image接入教程

做电商主图、文章配图、营销素材,越来越多团队把生图接进自己的系统,而不是手动在网页上一张张生成。各家生图模型的接口、计费和返回格式各不相同,同时接两三家就要写好几套代码。这篇讲怎么用 Zivv 的一把 Key 调用 GPT Image、Nano Banana Pro、Gemini Flash Image 和豆包 Seedream:模型怎么选、费用怎么算、生成和编辑怎么写,以及几个容易踩的坑。

可用的生图模型

模型定位
gpt-image-2OpenAI 图像生成与编辑
gpt-image-2.5-sunburst / gpt-image-2.5-flareOpenAI GPT Image 2.5 的两个版本
nano-banana-proGoogle Nano Banana Pro(Gemini 3 Pro Image),高质量生成与编辑
gemini-3.1-flash-imageGoogle Gemini 3.1 Flash Image,快速生成与编辑
doubao-seedream-5-0-pro-260628豆包 Seedream 5.0 Pro,擅长精准图像编辑

这些模型都支持「文字 + 参考图」输入,输出图片。最新列表可以在 模型广场 按输出模态筛选「图片」查看。

怎么选

  • 追求画面质量和细节:nano-banana-pro 或 GPT Image 2.5 的两个版本,先各生成几张对比风格
  • 量大、要快、控制成本:gemini-3.1-flash-image 或 gpt-image-2
  • 在已有图片上做局部修改:doubao-seedream-5-0-pro-260628 的定位就是精准编辑,gpt-image 系列也可以用下文的编辑接口
  • 中文文字、中国风格素材:多试几个模型,不同模型对中文排字和本土元素的表现差异明显

生图效果很难靠参数表判断,最可靠的方法是用你自己的 5 到 10 个典型提示词,在几个模型上各跑一轮,人工比较后再定默认模型。

计费:按张、按尺寸档位

生图模型不按 Token 计费,而是每张图按生成尺寸档位计价,分 1K、2K、4K 三档,尺寸越大越贵。各模型每档的价格在模型详情页可以看到,不同模型差别很大,有的模型 2K 和 1K 同价,有的 4K 是 1K 的两倍多。

两个省钱建议:

  1. 草稿阶段用 1K 尺寸批量试提示词,定稿后再出 2K 或 4K
  2. 一次要多张时先少量生成,确认方向对了再加量,避免整批作废

生成图片:/v1/images/generations

接口兼容 OpenAI Images API,用 cURL:

curl https://zivv.pro/v1/images/generations \
  -H "Authorization: Bearer sk-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{"model": "gpt-image-2", "prompt": "一只穿宇航服的橘猫,站在月球表面,电影感光线", "size": "1024x1024"}'

用 OpenAI Python SDK,默认返回 base64,解码后保存:

import base64
from openai import OpenAI

client = OpenAI(base_url="https://zivv.pro/v1", api_key="sk-your-key-here")

result = client.images.generate(
    model="nano-banana-pro",
    prompt="极简风格的咖啡店海报,暖色调,留出顶部标题空间",
    size="1024x1024",
)
with open("poster.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

换模型只改 model 字段,其余代码不动。

编辑图片:/v1/images/edits

编辑接口用 multipart 表单上传原图,加上描述要怎么改:

from openai import OpenAI

client = OpenAI(base_url="https://zivv.pro/v1", api_key="sk-your-key-here")

result = client.images.edit(
    model="gpt-image-2",
    image=open("product.png", "rb"),
    prompt="把背景换成纯白色,保持商品本身不变",
)

返回格式和生成接口一致。上传的原图越大,请求越慢,建议先把原图压到实际需要的分辨率再上传。

返回 base64 还是 URL

images 接口默认在 b64_json 里返回 base64。一张 2K 图编码后有好几 MB,网络不好时整个响应可能传到一半就断,图明明已经生成好了,客户端却报网络错误。

请求里加上 "response_format": "url",Zivv 会把图片转存到 CDN,响应里只返回图片链接,API 响应只有几百字节,图片由 CDN 单独下载,失败了可以重试下载而不用重新生成:

curl https://zivv.pro/v1/images/generations \
  -H "Authorization: Bearer sk-your-key-here" \
  -H "Content-Type: application/json" \
  -d '{"model": "gpt-image-2", "prompt": "水彩风格的城市夜景", "size": "1024x1024", "response_format": "url"}'

需要注意两点:转存失败时会原样返回 b64_json,所以代码要同时处理 url 和 b64_json 两种字段;拿到链接后建议下载保存到你自己的存储,不要把它当成长期图床。

视频生成

模型广场里还有豆包 Seedance 2.0、HappyHorse 1.1 等视频模型,支持文生视频、图生视频和参考生视频。视频生成是异步任务接口,不同模型的提交参数和查询方式不一样,按秒或按 Token 计费,调用前请先看对应的模型详情页。

常见问题 FAQ

Q:size 可以填哪些值? A:常用 1024x1024 等标准尺寸,不同模型支持的尺寸不完全一样,计费按生成结果落在哪个档位(1K / 2K / 4K)计算。

Q:提示词写中文还是英文? A:主流模型都能理解中文提示词。需要在图里出现中文文字时,把要出现的文字用引号标出来,效果会更稳定。

Q:被内容审核拦截怎么办? A:生图模型的上游都有内容安全策略,涉及真人肖像、品牌商标、暴力色情等内容可能被拒。被拦截时换一种表述,不要反复重试同一个提示词。

Q:怎么看一张图花了多少钱? A:控制台用量页有每次请求的明细,也可以用响应头里的请求 ID 调用 /v1/generation 查询单次费用,详见 模型 fallback 与单次请求对账。

写在最后

生图模型更新快、风格差异大,把「选模型」变成可以随时调整的配置,比押注某一家更稳。注册 Zivv 后一把 Key 就能调用全部生图模型,用同一套代码对比效果,再按场景定默认模型。