Bild erstellen

ÜbersichtCopy Anchor Link

Verwenden Sie GET /v1/models?recommended_for=image, um die aktuellen Bildmodelle abzurufen, und senden Sie dann das ausgewählte model explizit mit.

gpt-image-2 ist ein GPT-Bildmodell mit Token-basierter Abrechnung. TokenLab folgt der offiziellen Aufschlüsselung von OpenAI für Text-Input, Bild-Input, zwischengespeicherte (cached) Input-Token und Bild-Output-Token; es wird nicht als Modell mit festem Preis pro Bild abgerechnet.

Für die Bildgenerierung mit gpt-image-2 sind die unterstützten öffentlichen Parameter prompt, n, size, quality, response_format, async, background, output_format, output_compression oder compression, moderation und user. background akzeptiert auto oder opaque; transparent wird nicht unterstützt. Lassen Sie size oder quality weg, damit TokenLab auto verwendet; benutzerdefinierte size-Werte müssen dem unten dokumentierten flexiblen WIDTHxHEIGHT-Vertrag entsprechen.

input_fidelity ist kein Teil der aktuell von TokenLab für gpt-image-2 unterstützten Felder; lassen Sie es weg, da die Anfrage sonst mit 400 unsupported_parameter fehlschlägt.

Hinweise zum ModellverhaltenCopy Anchor Link

Google Gemini-Bildmodelle teilen sich nicht denselben Selektor-Vertrag:

• gemini-3.1-flash-image, gemini-nano-banana-2.1, gemini-3-pro-image, nano-banana-2.1 und nano-banana-pro unterstützen aspect_ratio sowie resolution (1k, 2k, 4k) für ihre öffentlichen Text-zu-Bild-, Bild-zu-Bild- und Bildbearbeitungsoperationen.
• nano-banana-2 unterstützt aspect_ratio und resolution (1k, 2k, 4k) sowohl für Text-zu-Bild- als auch für Bild-zu-Bild-Generierung.
• gemini-3.1-flash-lite-image und nano-banana-2-lite unterstützen Text-zu-Bild, Bild-zu-Bild und Bildbearbeitung nur bei 1k-Auflösung.
• nano-banana unterstützt aspect_ratio, bietet jedoch keine öffentliche resolution-Auswahl.
• Für Bild-zu-Bild mit gemini-3.1-flash-image, gemini-nano-banana-2.1, gemini-3.1-flash-lite-image oder gemini-3-pro-image verwenden Sie diesen Endpunkt mit operation: "image-to-image" und Referenzbildern. Senden Sie Bildbearbeitungsanfragen für diese Modelle an /v1/images/edits.
• Für Nano Banana Referenzbild-Anfragen verwenden Sie nano-banana-2, nano-banana-2.1, nano-banana-2-lite oder nano-banana-pro an diesem Endpunkt (/v1/images/generations) mit operation: "image-to-image" und image_urls. Bildbearbeitungsanfragen für nano-banana-2, nano-banana-2.1, nano-banana-2-lite und nano-banana-pro verwenden ebenfalls diesen Endpunkt mit operation: "image-edit". Senden Sie keine Nano Banana Referenzbild-Anfragen an /v1/images/edits.
• Referenzbilder an diesem Endpunkt können als JSON image_url / image_urls oder als Multipart-image-Datei bereitgestellt werden. images[] und file_id werden an /v1/images/generations nicht akzeptiert; erstellen Sie /v1/files-Referenzen nur für /v1/images/edits-Modelle, die images[].file_id dokumentieren.

Bevorzugen Sie bei Google-Bildfamilien aspect_ratio und senden Sie resolution nur, wenn das Modell dies explizit unterstützt.

xAI Grok Imagine-Bildmodelle (grok-imagine-image, grok-imagine-image-2.0 und das ältere grok-imagine-image-pro) unterstützen aspect_ratio sowie resolution (1k, 2k). grok-imagine-image-pro wird als Kompatibilitäts-ID für grok-imagine-image-2.0 beibehalten.

AnfragetextCopy Anchor Link

Synchroner Request-Timeout: Einige Bildanfragen geben das fertige Bild direkt zurück und warten, bis die Generierung abgeschlossen ist. Anfragen mit hoher Auflösung oder hoher Qualität können fast eine Minute oder länger dauern. Setzen Sie daher Ihren HTTP-Client-Timeout auf mindestens 120s. Wenn die Antwort status: "pending", task_id oder poll_url enthält, folgen Sie stattdessen der zurückgegebenen poll_url.

AntwortCopy Anchor Link

Inline-AntwortCopy Anchor Link

Asynchrone AufgabenantwortCopy Anchor Link

Setzen Sie async: true bei gpt-image-2 oder offiziellen FLUX/BFL-Bildmodellen, um eine Aufgabe zu erstellen, anstatt auf das endgültige Bild in der Erstellungsanfrage zu warten. Die Antwort enthält status: "pending", task_id und poll_url. Pollen Sie /v1/tasks/{task_id}, bis die Aufgabe completed oder failed erreicht.

Asynchrone Bildaufgaben geben nur endgültige Bild-URLs zurück. Wenn Sie rohe b64_json-Bilddaten benötigen, verwenden Sie eine synchrone Anfrage.

Die Abrechnung kann den geschätzten Betrag reservieren, wenn die Aufgabe erstellt wird. Abgeschlossene Aufgaben werden nach tatsächlicher Nutzung abgerechnet, fehlgeschlagene oder zeitlich abgelaufene Aufgaben werden freigegeben oder erstattet.

Wenn Sie status: "pending" erhalten, verwenden Sie poll_url oder GET /v1/tasks/{task_id}, um das Ergebnis abzurufen.

curl -X POST "https://api.tokenlab.sh/v1/images/generations" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3-pro-image",
    "prompt": "A cinematic portrait of a white cat sitting on a rainy windowsill",
    "aspect_ratio": "16:9",
    "resolution": "2k"
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api.tokenlab.sh/v1"
)

response = client.images.generate(
    model="gemini-3-pro-image",
    prompt="A cinematic portrait of a white cat sitting on a rainy windowsill",
    extra_body={"aspect_ratio": "16:9", "resolution": "2k"}
)

print(response.data[0].url)

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'sk-your-api-key',
  baseURL: 'https://api.tokenlab.sh/v1'
});

const response = await client.images.generate({
  model: 'gemini-3-pro-image',
  prompt: 'A cinematic portrait of a white cat sitting on a rainy windowsill',
  aspect_ratio: '16:9',
  resolution: '2k'
});

console.log(response.data[0].url);

<?php
$ch = curl_init('https://api.tokenlab.sh/v1/images/generations');

curl_setopt_array($ch, [
    CURLOPT_RETURNTRANSFER => true,
    CURLOPT_POST => true,
    CURLOPT_HTTPHEADER => [
        'Content-Type: application/json',
        'Authorization: Bearer sk-your-api-key'
    ],
    CURLOPT_POSTFIELDS => json_encode([
        'model' => 'gemini-3-pro-image',
        'prompt' => 'A cinematic portrait of a white cat sitting on a rainy windowsill',
        'aspect_ratio' => '16:9',
        'resolution' => '2k'
    ])
]);

$response = curl_exec($ch);
curl_close($ch);

$data = json_decode($response, true);
echo $data['data'][0]['url'];

{
  "model": "nano-banana",
  "prompt": "A clean editorial product shot of a citrus soda can",
  "aspect_ratio": "16:9"
}

{
  "model": "nano-banana-pro",
  "prompt": "Create a clean cinematic character image based on the reference images",
  "operation": "image-to-image",
  "image_urls": ["https://example.com/reference-1.png"],
  "aspect_ratio": "1:1",
  "resolution": "2k"
}

curl -X POST "https://api.tokenlab.sh/v1/images/generations" \
  -H "Authorization: Bearer sk-your-api-key" \
  -F "model=nano-banana-pro" \
  -F "prompt=Create a clean cinematic character image based on this reference" \
  -F "operation=image-to-image" \
  -F "image=@reference.png" \
  -F "aspect_ratio=1:1" \
  -F "resolution=2k"

{
  "created": 1706000000,
  "data": [
    {
      "url": "https://...",
      "revised_prompt": "A fluffy white cat with bright eyes sitting peacefully on a wooden windowsill, watching raindrops stream down the glass window..."
    }
  ]
}

Ein Modell auswählenCopy Anchor Link

Fragen Sie GET /v1/models?recommended_for=image ab oder nutzen Sie die Modellseite für aktuelle Verfügbarkeit, Fähigkeiten und Preise.

Hardcodieren Sie ein Modell nicht als immer synchron oder immer asynchron. Wenn die Erstellungsantwort status: "pending" zurückgibt, folgen Sie der poll_url und pollen Sie bis zum Abschluss.

Umgang mit aufgabenbasierten AntwortenCopy Anchor Link

Prüfen Sie bei Bildmodellen immer, ob die Antwort status: "pending" / status: "processing" enthält:

import requests
import time

def generate_image(prompt, model="gpt-image-2"):
    # Bildanfrage erstellen
    response = requests.post(
        "https://api.tokenlab.sh/v1/images/generations",
        headers={"Authorization": "Bearer sk-your-api-key"},
        json={"model": model, "prompt": prompt, "async": True},
        timeout=120
    )
    response.raise_for_status()
    data = response.json()

    # Prüfen, ob aufgabenbasiert
    if data.get("status") in ("pending", "processing"):
        task_id = data["task_id"]
        poll_url = data.get("poll_url")
        print(f"Image task started: {task_id}")

        # Auf Ergebnis pollen
        while True:
            status_resp = requests.get(
                f"https://api.tokenlab.sh{poll_url}" if poll_url else f"https://api.tokenlab.sh/v1/tasks/{task_id}",
                headers={"Authorization": "Bearer sk-your-api-key"},
                timeout=30
            )
            status_resp.raise_for_status()
            status_data = status_resp.json()

            if status_data["status"] == "completed":
                return status_data["data"][0]["url"]
            elif status_data["status"] == "failed":
                raise Exception(status_data.get("error", "Generation failed"))

            time.sleep(3)
    else:
        # Inline-Antwort
        return data["data"][0]["url"]

# Verwendung
url = generate_image("a beautiful sunset over mountains", model="gpt-image-2")
print(f"Generated image: {url}")

{
  "model": "hy-image-v3.5-preview",
  "prompt": "A yellow lemon on a white table",
  "size": "1024x1024",
  "n": 1,
  "response_format": "url"
}