AI Görüntü Düzenleme API Seçim Rehberi: Endpoint'ler, Girdiler ve Maliyet Birimleri

En iyi AI görüntü düzenleme API'si, nadiren en iyi demoya sahip olandır. En iyi API; endpoint'i, girdi biçimi ve faturalandırma birimi, ürününüzün gerçekleştirdiği düzenleme işlemiyle eşleşen API'dir. Maske düzenlemeleri, referans kılavuzlu görüntüden görüntüye (image-to-image) düzenlemeler ve modele özgü düzenleme işlemleri aynı sözleşmeyi paylaşmaz. TokenLab'in düzenleme belgelerini ve canlı model sayfalarını 2026-10-03 tarihinde inceledik ve aşağıdaki her şey bu sayfalardan alınmıştır. Görüntü endpoint'leri sizin için varsayılan bir model seçmez, bu nedenle model parametresini her zaman açıkça gönderin.

Önemli Çıkarımlar

• Maske tabanlı düzenlemeler POST /v1/images/edits adresine gönderilir. Nano Banana referans düzenlemeleri, operation: "image-to-image" parametresiyle POST /v1/images/generations adresine gönderilir.
• Faturalandırma birimleri farklılık gösterir. gpt-image-2 ve Gemini görüntü modelleri token başına ücretlendirilirken, flux-kontext-pro istek başına 0,04 $ olarak ücretlendirilir.
• Eldeki verilerde; inpainting kalitesi, metin oluşturma, stil koruma veya ürün çekimi sadakati için bir benchmark bulunmamaktadır. Bunları kendi görsellerinizle test edin.
• Uzun veya çoklu görüntü düzenlemeleri, model destekliyorsa async: true kullanmalıdır. Task ID'yi kaydedin ve nihai ücreti Usage (Kullanım) bölümünden okuyun.
• Canlı API değişebileceği için, işlem yapmadan önce her modelin sayfasından fiyatını ve birimini kontrol edin.

Kullanım durumuna göre başlangıç seçimleri

Bu seçimler, belgelenmiş sözleşmeyi ve listelenen fiyatı takip eder. Bunlar kalite sıralaması değildir, çünkü eldeki verilerde düzenleme kalitesi benchmark'ı bulunmamaktadır. Her birini kendi test setinize ekleyeceğiniz ilk model olarak değerlendirin.

İhtiyacınız olan	Başlangıç seçimi	Neden	Kaynak
Maske tabanlı inpainting	gpt-image-2	Maske sözleşmesi açıkça belirtilen tek modeldir: PNG, aynı boyutlar, şeffaf alanlar düzenlenir.	Edit Image referansı, 2026-10-03
Tek düzenlemede çok sayıda kaynak görüntü	gpt-image-2	Belgelenmiş 16 kaynak görüntü sınırı vardır. Grok Imagine düzenleme modelleri 3 ile sınırlıdır.	Edit Image referansı, 2026-10-03
En ucuz sabit fiyatlı referans düzenleme	grok-imagine-image	İstek başına 0,02 $, tablomuzdaki en düşük sabit fiyat.	canlı model API, 2026-10-03
Ürün şeklini koruyup sahneyi değiştirme	nano-banana-pro	Belgelenmiş referans örneği tam olarak bunu yapar, görüntü başına 0,067 $.	Create Image referansı, 2026-10-03
Düzenlenmiş görüntüler içinde metin	Seçim yok	Eldeki verilerde hiçbir düzenleme modeli için metin oluşturma verisi yoktur.	n/a

En iyi AI görüntü düzenleme API adayları: modeller, birimler ve fiyatlar

Tablo, veri setimizdeki düzenleme yapabilen veya düzenleme belgelerinde düzenleme modeli olarak adlandırılan her modeli listeler. Tüm fiyatlar USD cinsinden TokenLab halka açık fiyatlarıdır. Canlı API fiyatlandırması 2026-10-02T16:53:30.068Z tarihinde güncellenmiş olup, her sayfayı 2026-10-03 tarihinde inceledik.

Model ID	Canlı API'de listelenen yetenekler	Faturalandırma birimi	TokenLab fiyatı (USD)	Kaynak	Gözlemlenen
gpt-image-2	text-to-image (düzenleme /v1/images/edits üzerinde belgelenmiştir)	per_token	1M metin girişi için 3,50 $, 1M görüntü girişi için 5,60 $, 1M görüntü çıktısı için 21 $; önbelleğe alınmış metin girişi 1M için 0,875 $	canlı model API	2026-10-03
flux-kontext-pro	image-edit, image-to-image, text-to-image	per_request	0,04 $	canlı model API	2026-10-03
flux-pro-1.0-fill	image-to-image	per_image	0,035 $	canlı model API	2026-10-03
flux-2-pro	image-to-image, text-to-image	per_image	0,03 $	canlı model API	2026-10-03
nano-banana-pro	image-edit, image-to-image, text-to-image	per_image	0,067 $ (0,12 $'a kadar fiyat aralığı özeti)	canlı model API	2026-10-03
gemini-3-pro-image	image-to-image, text-to-image, vision	per_token	1M giriş için 1 $, 1M metin çıktısı için 6 $, 1M görüntü çıktısı için 60 $	canlı model API	2026-10-03
gemini-3.1-flash-image	image-to-image, text-to-image, vision	per_token	1M giriş için 0,25 $, 1M metin çıktısı için 1,50 $, 1M görüntü çıktısı için 30 $	canlı model API	2026-10-03
grok-imagine-image	image-to-image, text-to-image	per_request	0,02 $	canlı model API	2026-10-03

Sayfaları karşılaştırdığımızda üç uyumsuzluk bulduk. Canlı API, gpt-image-2 modelini yalnızca text-to-image olarak listeliyor, ancak Edit Image referansı bunun /v1/images/edits üzerinde desteklendiğini söylüyor. flux-pro-1.0-fill ve flux-2-pro için canlı sayfalar image-to-image listelerken, katalog anlık görüntümüz her ikisini de image-edit olarak etiketliyor. Ayrıca nano-banana-pro image-edit listeliyor ancak belgeleri onu /v1/images/generations üzerinden yönlendiriyor. Yönlendirme için belgeleri, fiyat için ise canlı API'yi yetkili kabul ediyoruz.

Sabit fiyatlı modeller için kaba bir tahmin basit çarpmadır. Bunlar teklif değil tahmindir ve tamamlanan her istek için bir ücret varsayar:

• grok-imagine-image üzerinde 100 düzenleme: 100 × 0,02 $ = 2,00 $.
• flux-2-pro üzerinde 100 düzenleme: 100 × 0,03 $ = 3,00 $.
• flux-pro-1.0-fill üzerinde 100 düzenleme: 100 × 0,035 $ = 3,50 $.
• flux-kontext-pro üzerinde 100 düzenleme: 100 × 0,04 $ = 4,00 $.

Eldeki veriler, token ile fiyatlandırılan modeller için düzenleme başına bir tahmin sunmuyor. gpt-image-2 metin girişini, görüntü girişini, raporlanan önbelleğe alınmış girişi ve görüntü çıkış token'larını faturalandırır, bu nedenle sabit bir görüntü başı model değildir. Eldeki veriler tipik bir düzenleme için token sayılarını içermiyor. Birkaç gerçek düzenleme çalıştırın ve Faturalandırma rehberinde açıklandığı gibi maliyeti Usage (Kullanım) bölümünden okuyun. nano-banana-pro fiyat aralığı çözünürlük katmanlarına işaret eder, ancak veriler katmanları fiyatlarla eşleştirmez.

Düzenleme endpoint'inin kabul ettikleri ve belgelenmeyenler

Edit Image referansı (2026-10-03 tarihinde gözlemlendi), OpenAI uyumlu multipart akışını ve JSON isteklerini destekler. gpt-image-2 için belirttikleri şunlardır:

• Girdi görüntüsü. Multipart image, JSON image_url / image_urls veya resmi images[] nesneleri gönderin. Her images[] nesnesi tam olarak bir image_url veya file_id tutar. file_id değerlerini önce /v1/files aracılığıyla oluşturun.
• Çoklu referanslar. Her biri PNG, JPEG veya WebP formatında, 50 MiB'a kadar 16 adede kadar kaynak görüntü. Multipart isteklerinde image alanını tekrarlayın. JSON'da image_url, image_urls veya images alanlarından tam olarak birini sağlayın.
• Maske. Kaynak görüntüyle aynı boyutlarda, 50 MiB'ın altında bir PNG. Tamamen şeffaf alanlar düzenlemenin uygulanacağı yerleri işaretler. JSON'da mask, tam olarak bir image_url veya file_id içeren bir nesne olabilir.
• Çıktı. size parametresi auto veya WIDTHxHEIGHT kabul eder. Boyutlar 16'nın katı olmalı, en uzun kenar en fazla 3840px, uzun-kısa kenar oranı en fazla 3:1 ve toplam piksel sayısı 655.360 ile 8.294.400 arasında olmalıdır. resolution göndermeyin. background parametresi auto veya opaque kabul eder, transparent kabul etmez.
• Reddedilen alan. input_fidelity, gpt-image-2 için desteklenmez ve gönderilmesi 400 unsupported_parameter hatası döndürür.
• Uzak URL'ler. Bunlar, gömülü kimlik bilgileri veya parçalar içermeyen, herkese açık http/https adresleri olmalıdır. localhost, özel veya ayrılmış aralıklara çözümlenmemelidir. Sınırlar görüntü başına 50 MiB, istek başına toplam 200 MiB (maske dahil), 30 saniyelik getirme zaman aşımı ve 3 adede kadar yönlendirmedir. Getirilen yük gerçek bir PNG, JPEG veya WebP olmalıdır.

Grok Imagine düzenleme modelleri (grok-imagine-image, grok-imagine-image-quality) aynı girdi alanlarını kullanır ancak kaynak görüntüleri 3 ile sınırlandırır. Daha fazla görüntü içeren bir istek 400 too_many_images hatasıyla başarısız olur.

Nano Banana farklıdır. Belgeler, nano-banana-2 ve nano-banana-pro modellerinin operation: "image-to-image" ve image_urls ile /v1/images/generations üzerinde referans görüntü istekleri aldığını belirtir. Bunlar /v1/images/edits üzerinde yer almazlar. Üst düzey images[] ve file_id, düzenleme akışı biçimleridir ve generations endpoint'inde reddedilirler. İşte resolution kabul eden nano-banana-pro için belgelenmiş bir örnek:

{
  "model": "nano-banana-pro",
  "prompt": "Keep the product shape, change the background to a bright studio setup",
  "operation": "image-to-image",
  "image_urls": ["https://example.com/input/product.png"],
  "aspect_ratio": "1:1",
  "resolution": "2k"
}

Google görüntü aileleri için Create Image referansı, aspect_ratio tercih edilmesini ve resolution (1k, 2k, 4k) değerinin yalnızca model destekliyorsa gönderilmesini söyler. nano-banana-2 için model detayları burada bağlantılıdır, ancak eldeki veriler fiyatını içermemektedir.

Verilerde belgelenmeyenler:

• gpt-image-2 dışındaki modellerin /v1/images/edits üzerinde mask kabul edip etmediği (flux-pro-1.0-fill ve stability-inpaint dahil).
• Birden fazla kaynak görüntü gönderdiğinizde tek bir maskenin nasıl uygulandığı.
• FLUX ve Nano Banana modelleri için kaynak görüntü sınırları.
• Çoklu görüntü isteğinde görüntü sırasının sonucu etkileyip etkilemediği.

Bunlardan herhangi biri üzerine inşa etmeden önce modelin detay sayfasını okuyun.

Tam bir düzenleme isteği

Bu istek, gpt-image-2 için yalnızca belgelenmiş alanları kullanır: bir kaynak görüntü, bir maske, bir prompt, size ve async. Edit Image referansındaki multipart örneğini takip eder.

curl -X POST "https://api.tokenlab.sh/v1/images/edits" \
  -H "Authorization: Bearer $TOKENLAB_API_KEY" \
  -F "model=gpt-image-2" \
  -F "image=@source.png" \
  -F "mask=@mask.png" \
  -F "prompt=A sunlit indoor lounge area with a pool" \
  -F "n=1" \
  -F "size=1024x1024" \
  -F "async=true"

async=true ile yanıt status: "pending", task_id ve poll_url taşır ve data boş kalır. Senkron bir çağrı için async satırını kaldırın. Senkron bir çağrı varsayılan olarak data[].url döndürür veya response_format ayarlarsanız data[].b64_json döndürür. Görevi şu şekilde sorgulayın:

curl "https://api.tokenlab.sh/v1/tasks/$TASK_ID" \
  -H "Authorization: Bearer $TOKENLAB_API_KEY"

gpt-image-2 için model detayları kendi sayfasındadır. Senkron bir çağrı için HTTP istemci zaman aşımınızı en az 120 saniyeye ayarlayın, çünkü yüksek çözünürlüklü istekler bir dakikaya veya daha uzun süreye ihtiyaç duyabilir.

Göreve göre en iyi AI görüntü düzenleme API'sini seçme

Eldeki veriler yönlendirmeyi, girdileri ve fiyatları belirtir. Düzenleme kalitesine dair bir benchmark içermez, bu nedenle aşağıdaki her "hangisi daha iyi" sorusu kendi test setinize ihtiyaç duyar.

Inpainting. gpt-image-2, belgelerde maske sözleşmesi açıkça belirtilen tek modeldir. Katalog ayrıca özel bölge ve yapı araçları da listeler: stability-inpaint, stability-control-structure ve stability-control-sketch. Doldurma ve bağlam içi düzenlemeler için görüntü başına 0,035 $ ile flux-pro-1.0-fill ve istek başına 0,04 $ ile flux-kontext-pro mevcuttur. Eldeki veriler hangisinin daha temiz birleşim yerleri ürettiğini söylemiyor.

Stil koruyan düzenlemeler. Belgelenmiş referans örneği, bir ürünün şeklini korur ve çevresini değiştirir. Bu, /v1/images/generations üzerindeki nano-banana-pro modelidir. flux-kontext-pro, image-edit yeteneğini listeler. Her iki iddianın da kimlik veya stil koruma konusunda burada benchmark'ı yapılmamıştır.

Görüntülerde metin. Eldeki veriler, hiçbir düzenleme modeli için metin oluşturma hakkında bilgi içermemektedir. ideogram-edit-v3 ve ideogram-reframe-v3 katalogda mevcuttur, ancak metin kalitesi verisi bulamadık. Kendi kopyalarınız, yazı tipleriniz ve dillerinizle test edin.

Ürün çekimleri. Binlerce paket çekiminin arka planını değiştiren bir katalog ekibi hayal edin. Yardımcı araçlar doğal ilk bakış noktasıdır: image-background-remover, image-upscaler ve stability-upscale-fast. Fiyatlandırma ve girdi kuralları verilerimizde olmadığından, her model sayfasını okuyun. Üretken arka plan değişimleri için, sabit istek başı fiyatlandırma toplu maliyetleri tahmin etmeyi kolaylaştırır. Token fiyatlandırması ise maliyeti görüntü boyutuna ve çıktısına bağlı kılar.

Girdi gereksinimleri sağlayıcıya göre değil, modele göredir. Bazı modeller bir kaynak görüntü ve bir prompt alırken, bazıları maske, bazıları ise yapısal girdiler alır. Her modelin desteklenen işlemlerini ve istek alanlarını kendi detay sayfasından kontrol edin. Mevcut seçeneklere model dizininden göz atabilirsiniz.

Async işleme ve düzenlemeler için maliyet onayı

Görüntü oluşturma rehberi ve Async işler rehberi (her ikisi de 2026-10-03 tarihinde gözlemlendi) akışı tanımlar. async: true, gpt-image-2 ve resmi FLUX/BFL düzenleme modelleri için belgelenmiştir. Oluşturma yanıtı status: "pending", task_id ve poll_url döndürür. Mevcut olduğunda poll_url adresini veya sabit bir URL için GET /v1/tasks/{id} adresini sorgulayın. Durumlar pending, processing, completed ve failed şeklindedir. Belgeler, uzun medya işleri için her 5–10 saniyede bir kontrol etmeyi ve terminal bir durumda durmayı önerir.

Dört detay çoğu hataya neden olur:

• Bir durum okuması, görev başarısız olsa bile HTTP 200 döndürür. status değerine ve başarısızlıklar için error_details.code ve type alanlarına göre dallanma yapın.
• Tamamlanan async düzenlemeler, response_format ne olursa olsun URL döndürür. b64_json gerektiğinde senkron bir istek kullanın.
• İstemci zaman aşımından sonra, oluşturma çağrısını yeniden denemeden önce bir görevin var olup olmadığını kontrol edin. Başarısız bir oluşturmayı yeniden denemek yeni bir görev oluşturur ve yeni bir ücretlendirmeye yol açabilir.
• Sonuç URL'leri 30 gün boyunca medya kopyası olarak tutulabilir. Her öğenin durumu ve expires_at bilgisi için media_retention.items alanını kontrol edin.

Maliyet için Faturalandırma rehberi, Console'un ücretli bir oluşturmayı onaylamadan önce maksimum tahmini gösterdiğini ve Usage (Kullanım) bölümünün nihai ücreti gösterdiğini belirtir. Bir async görev, kabul edildiğinde tahmini maliyetini rezerve edebilir. Tamamlanan bir görev bir kez ücretlendirilir; başarısız olan veya zaman aşımına uğrayan bir görev ise bekleyen tutarı serbest bırakır veya iade eder. Teslimat seçenekleri de önemlidir. TokenLab Verified, TokenLab halka açık fiyatlarını; Official, Resmi fiyat katmanını; Auto ise önce Verified, sonra Official katmanını dener. Modeller sayfasındaki fiyat sütunundaki bir çizgi, modelin ücretsiz olduğu anlamına gelmez, Verified teklifinin mevcut olmadığını gösterir. Bir API anahtarındaki harcama limitine ulaşıldığında 402 Payment Required hatası döner.

request_id, task_id, poll_url, billing_transaction_id (mevcut olduğunda), model, endpoint ve kendi iş ID'nizi birlikte saklayın. Uygulamada bu kayıt, çoğu faturalandırma uyumsuzluğu sorusunu çözer. Eldeki veriler görev iptalini yalnızca kuyruğa alınmış Seedance video görevleri için belgeler. Görüntü düzenlemeleri için iptal belgelenmemiştir, bu nedenle akışınızı buna göre tasarlayın.

SSS

Her görüntü düzenleme modeline maske gönderebilir miyim?

Eldeki veriler yalnızca /v1/images/edits üzerindeki gpt-image-2 için maskeleri belgeler. Maske, kaynakla aynı boyutlarda 50 MiB'ın altında bir PNG olmalı ve şeffaf alanlar düzenlenmelidir. flux-pro-1.0-fill dahil diğer modeller için, maske desteği varsaymadan önce model detay sayfasını kontrol edin.

Nano Banana düzenlemeleri hangi endpoint'i kullanır?

operation: "image-to-image" ve image_urls ile POST /v1/images/generations kullanın. Nano Banana referans isteklerini /v1/images/edits adresine göndermek desteklenmez. Generations endpoint'ine üst düzey images[] veya file_id de göndermeyin.

gpt-image-2 düzenlemem neden 400 unsupported_parameter hatası veriyor?

En çok belgelenen neden, gpt-image-2 için desteklenmeyen bir alan olan input_fidelity parametresidir. Ayrıca resolution ve herhangi bir background: "transparent" değerini kaldırın. Yaygın hatalar tablosu, modelin belgelemediği herhangi bir alanın kaldırılmasını tavsiye eder.

Async düzenleme görevi başarısız olduğunda ücretlendirilir miyim?

Faturalandırma rehberi, başarısız bir görevin ücretlendirilmediğini ve rezerve edilen tutarın serbest bırakıldığını veya iade edildiğini belirtir. Tamamlanan bir görev bir kez ücretlendirilir ve nihai tutar, bir billing_transaction_id ile Usage (Kullanım) bölümünde görünür. Görev bittikten sonra Usage bölümünde hala bir şey görünmüyorsa, request ID ve task ID ile support@tokenlab.sh adresine ulaşın.

Yukarıdaki istekleri çalıştırmak için Console → API Keys bölümünden bir API anahtarı oluşturun (anahtar limitleri Faturalandırma rehberinde açıklanmıştır), bunu TOKENLAB_API_KEY olarak dışa aktarın ve örnek düzenlemelerinizi Usage bölümündeki nihai maliyetle karşılaştırın.