知梦 API 文档

外观

Markdown · 适合发给 AI

GPT Image 2.5 ​

新增官 Key / Token 计费模型

gpt-image-2.5-flare-az 与 gpt-image-2.5-sunburst-az 使用 Images 参数，文生图为 JSON，编辑使用 multipart image[] 文件上传，按 Token 计费。CNY / 百万 Token：标准输入 ¥15 / 输出 ¥90，xhigh ¥18.75 / ¥112.5，max ¥22.5 / ¥135。查看 AZ 接入与完整计费规则 →

新增 Ext 超分模型

gpt-image-2.5-ext 支持 2K / 4K 超分输出，均为 ¥0.035/张，非原生 2K / 4K；使用相同 OpenAI Images 协议，按 size 指定尺寸，模型名不额外追加 -2k / -4k。gpt-image-2.5-ext 默认使用 Sunburst。查看 Ext 参数与请求示例 →

GPT Image 2.5 在知梦分为 Flare 与 Sunburst 两个系列。两者都使用 OpenAI Images API 协议，并提供 1K / 2K / 4K 三个知梦计费档位。实际输出尺寸由 size 决定，模型后缀不会自动修改 size。

模型分类 ​

目前两个系列：

  • GPT Image 2.5 Flare
  • GPT Image 2.5 Sunburst

模型 ID ​

模型1K2K4K
Flaregpt-image-2.5-flaregpt-image-2.5-flare-2kgpt-image-2.5-flare-4k
Sunburstgpt-image-2.5-sunburstgpt-image-2.5-sunburst-2kgpt-image-2.5-sunburst-4k
项目内容
REST Base URLhttps://api.zmoapi.cn
SDK Base URLhttps://api.zmoapi.cn/v1
1K 价格¥0.025 / 张
2K / 4K 价格¥0.25 / 张
文生图POST /v1/images/generations
图片编辑POST /v1/images/edits

知梦分辨率映射

规则与 GPT Image 2 一致：1K 使用基础模型 ID；2K / 4K 在对应 Flare 或 Sunburst 模型 ID 后追加 -2k / -4k。这些后缀只用于计费档位和路由区分，不会自动修改 size。开发者应根据实际需求选择对应 size。

size、分辨率与常见比例 ​

GPT Image 2 与 GPT Image 2.5 的实际输出尺寸由 size 决定，而不是由模型 ID 后缀自动决定。OpenAI 当前协议支持 WIDTHxHEIGHT，例如 1536x864。规则是：

  • 宽和高都必须是 16 的倍数；
  • 宽高比必须在 1:3 ～ 3:1；
  • 高于 2560x1440 的分辨率属于实验性高分辨率；
  • 最大支持到 3840x2160 对应的分辨率边界，同时仍需满足模型当前的像素数和边长限制；
  • 官方标准尺寸包括 1024x1024、1536x1024、1024x1536；支持自动尺寸的模型还可使用 auto。

因此，下面的表是给客户看的常用预设，不是“官方只支持这些尺寸”。

常见叫法比例size 示例用途
自动Autoauto由模型自动选择尺寸
正方形1:11024x1024头像、商品图、通用生图
横版3:21536x1024摄影、文章配图
竖版2:31024x1536海报、人物
宽屏16:91536x864轻量宽屏
竖屏9:16864x1536轻量竖屏
横版4:32048x1536传统横版内容
竖版3:41536x2048竖版海报、人物
2K 宽屏16:92048x1152视频封面、桌面横图
2K 竖屏9:161152x2048手机壁纸、短视频竖图
4K 宽屏16:93840x2160高分辨率横图
4K 竖屏9:162160x3840高分辨率竖图

不局限于表格

例如 1536x864 也是 16:9，而且宽高均为 16 的倍数，因此符合 OpenAI 的尺寸格式规则。接入方可以直接填写自定义 WIDTHxHEIGHT；最终是否接受还取决于模型当前的像素数和边长限制。

知梦的 -2k / -4k 后缀只用于计费档位和路由。调用这些档位时，仍需自行选择 size。例如：

json
{
  "model": "gpt-image-2.5-sunburst-4k",
  "size": "3840x2160"
}

30 秒快速开始 ​

bash
curl -s 'https://api.zmoapi.cn/v1/images/generations' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  --data-raw '{
    "model": "gpt-image-2.5-flare",
    "prompt": "一座雾中的山城，电影感摄影，清晨柔光",
    "size": "1024x1024",
    "output_format": "png",
    "background": "auto",
    "n": 1
  }' \
  | jq -r '.data[0].b64_json' \
  | base64 --decode > image.png
js
import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.ZHM_API_KEY,
  baseURL: "https://api.zmoapi.cn/v1",
});

const result = await client.images.generate({
  model: "gpt-image-2.5-flare",
  prompt: "一座雾中的山城，电影感摄影，清晨柔光",
  size: "1024x1024",
  output_format: "png",
  background: "auto",
  n: 1,
});

fs.writeFileSync(
  "image.png",
  Buffer.from(result.data[0].b64_json, "base64"),
);
python
import base64
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.zmoapi.cn/v1",
)

result = client.images.generate(
    model="gpt-image-2.5-flare",
    prompt="一座雾中的山城，电影感摄影，清晨柔光",
    size="1024x1024",
    output_format="png",
    background="auto",
    n=1,
)

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

完整文生图示例 ​

下面以 Flare 为例。Sunburst 只需要替换 model；2K / 4K 同样只切换到对应的知梦模型 ID。

cURL ​

bash
curl 'https://api.zmoapi.cn/v1/images/generations' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  --data-raw '{
    "model": "gpt-image-2.5-flare",
    "prompt": "极简产品摄影，一只带水珠的新鲜黄柠檬置于纯白背景，柔和棚拍光",
    "size": "1024x1024",
    "quality": "medium",
    "output_format": "png",
    "background": "auto",
    "n": 1
  }'

切换模型档位时，例如：

json
{ "model": "gpt-image-2.5-flare-2k" }
json
{ "model": "gpt-image-2.5-sunburst-4k" }

JavaScript ​

js
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.ZHM_API_KEY,
  baseURL: "https://api.zmoapi.cn/v1",
});

const result = await client.images.generate({
  model: "gpt-image-2.5-flare",
  prompt: "极简产品摄影，一只带水珠的新鲜黄柠檬置于纯白背景",
  size: "1024x1024",
  quality: "medium",
  output_format: "png",
  background: "auto",
  n: 1,
});

console.log(result.data?.[0]);

Python ​

python
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.zmoapi.cn/v1",
)

result = client.images.generate(
    model="gpt-image-2.5-flare",
    prompt="极简产品摄影，一只带水珠的新鲜黄柠檬置于纯白背景",
    size="1024x1024",
    quality="medium",
    output_format="png",
    background="auto",
    n=1,
)

print(result.data[0])

Flare / Sunburst 与分辨率切换 ​

两套模型的调用结构完全一致，区别放在 model：

目标model
Flare 1Kgpt-image-2.5-flare
Flare 2Kgpt-image-2.5-flare-2k
Flare 4Kgpt-image-2.5-flare-4k
Sunburst 1Kgpt-image-2.5-sunburst
Sunburst 2Kgpt-image-2.5-sunburst-2k
Sunburst 4Kgpt-image-2.5-sunburst-4k

例如从 Flare 1K 切到 Sunburst 4K，不需要改接口路径：

diff
- "model": "gpt-image-2.5-flare"
+ "model": "gpt-image-2.5-sunburst-4k"

常用参数 ​

参数说明
modelFlare / Sunburst 及对应 1K / 2K / 4K 模型 ID
prompt图片生成或编辑要求
size实际输出尺寸。1K / 2K / 4K 模型后缀只用于计费和路由，不会自动修改该字段
quality图片质量：auto（默认）、low、medium、high、xhigh、max
response_formaturl / b64_json。url 返回图片地址，b64_json 返回不带 Data URI 前缀的 Base64；考虑到网速问题，优选返回 url
n生成数量，建议先使用 1
output_formatpng / jpeg / webp
output_compressionJPEG / WebP 可使用；PNG 不需要
backgroundauto / opaque / transparent；transparent 建议配合 png 或 webp，不要使用 jpeg
mask图片编辑蒙版，PNG / WebP；透明区域可修改，不透明区域保留
user可选业务用户标识

完整字段说明见：OpenAI 官方协议。

quality 质量档位 ​

GPT Image 2.5 Flare 与 Sunburst 支持 5 个明确质量档位：low、medium、high、xhigh、max，另外支持 auto（默认，由模型自动选择）。因此调试台会显示 6 个可选值。

json
{ "quality": "xhigh" }
json
{ "quality": "max" }

背景与透明输出 ​

background 可按 OpenAI Images API 的背景策略填写：

值含义
auto自动选择背景策略
opaque不透明背景
transparent透明背景

透明背景必须使用 PNG 或 WebP，例如：

json
{
  "background": "transparent",
  "output_format": "png"
}

不要把 transparent 与 JPEG 搭配。知梦 GPT Image 2.5 Flare / Sunburst 的 1K / 2K / 4K 档位使用同一 Images 参数体系；如果上游对某个背景取值存在阶段性限制，以接口实际回包为准。

图片编辑 / 参考图 ​

图片编辑使用：

http
POST /v1/images/edits

公网 URL 参考图（JSON） ​

AZ 模型的图片编辑请使用 AZ multipart 示例，不适用下方 JSON URL 请求。

OpenAI 当前 Images Edit 官方协议支持直接在 JSON 请求中提交公网 URL。字段不是 Banana 的字符串数组，也不是 xAI 的 { "type": "image_url", "url": "..." }，而是：

json
"images": [
  { "image_url": "https://example.com/reference.png" }
]

完整示例：

bash
curl 'https://api.zmoapi.cn/v1/images/edits' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  --data-raw '{
    "model": "gpt-image-2.5-flare",
    "prompt": "保留主体外观与构图，将背景改成现代展厅",
    "images": [
      { "image_url": "https://example.com/reference.png" }
    ],
    "size": "1024x1024",
    "quality": "medium",
    "output_format": "png",
    "background": "auto"
  }'

多张 URL 参考图继续向 images 数组添加对象，最多 16 张：

json
{
  "images": [
    { "image_url": "https://example.com/person.png" },
    { "image_url": "https://example.com/clothing.png" },
    { "image_url": "https://example.com/background.jpg" }
  ]
}

image_url 必须是完整公网 URL；官方也允许填写完整的 Base64 Data URL（例如 data:image/png;base64,...）。URL 应直接返回图片文件，不能依赖登录 Cookie，也不要填写网页分享地址。详见 OpenAI Create image edit 官方接口。

本地文件参考图（multipart） ​

bash
curl 'https://api.zmoapi.cn/v1/images/edits' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -F 'model=gpt-image-2.5-flare' \
  -F 'prompt=保留主体外观，将背景改成夜晚霓虹街道' \
  -F 'image[]=@./reference.png' \
  -F 'size=1024x1024' \
  -F 'output_format=png'

多张本地参考图 ​

多图时重复提交 image[]，并建议在提示词中明确每张图片的用途：

bash
curl 'https://api.zmoapi.cn/v1/images/edits' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -F 'model=gpt-image-2.5-sunburst' \
  -F 'prompt=第一张作为人物参考，第二张作为服装参考，第三张作为场景参考' \
  -F 'image[]=@./person.png' \
  -F 'image[]=@./clothing.png' \
  -F 'image[]=@./background.jpg' \
  -F 'size=1024x1024' \
  -F 'quality=medium' \
  -F 'output_format=png'

也可以理解为重复以下字段：

bash
-F 'image[]=@./person.png' \
-F 'image[]=@./clothing.png' \
-F 'image[]=@./background.jpg'

局部编辑 Mask ​

mask 用于图片编辑，提交 PNG 蒙版文件。透明区域表示允许修改区域，不透明区域表示保留区域。没有原始图片时不要单独提交 mask。

需要只修改指定区域时，在 Edit 请求中同时提交原图和可选 mask：

bash
curl 'https://api.zmoapi.cn/v1/images/edits' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -F 'model=gpt-image-2.5-flare' \
  -F 'image[]=@./source.png' \
  -F 'mask=@./mask.png' \
  -F 'prompt=只修改蒙版指定区域，在桌面上增加一盏暖色台灯，其他区域保持不变' \
  -F 'output_format=png'

没有原始图片时不要单独提交 mask。

返回结果 ​

按 GPT Image 官方 Images API 方式处理：

json
{
  "data": [
    {
      "b64_json": "BASE64_IMAGE_DATA"
    }
  ]
}

省略 response_format 或传 b64_json 时从 data[].b64_json 读取；传 response_format: "url" 时改从 data[].url 取图片地址。考虑到网速问题，优选返回 url。不要套用 Gemini / Banana 的 candidates[] 结构。

接入注意 ​

  • Flare 与 Sunburst 使用相同接口结构，切换时主要修改 model。
  • 1K / 2K / 4K 使用对应知梦模型 ID；size 仍需按目标输出尺寸单独填写。
  • 不要把 ChatGPT 生图写成 Gemini fileData / inlineData 请求结构。
  • background: "transparent" 时使用 PNG 或 WebP，不要使用 JPEG。
  • 创建请求超时不代表一定没有创建任务，不要做无条件立即重试。
  • API Key 只放在服务端环境变量或安全配置中。

相关页面 ​

知梦 API · 图像、视频与音乐生成接口文档

请妥善保管 API Key，仅在服务端安全调用