GPT Image 可以生成 2K、4K 图片吗?
gpt-image-2 的尺寸说明包含 2K、4K 输出规格,size 需填写具体像素尺寸,而不是 2k 或 4k。
例如 2048x2048 为 2K 方图,3840x2160 为 4K 横图,2160x3840 为 4K 竖图。完整尺寸范围与限制统一查看GPT Image 模型参数。
这里说的是生成图片的输出分辨率。输入参考图的规格另按图生图要求处理;其他 GPT Image 型号不能直接套用这些尺寸。
Gemini 视频或音轨理解失败,先检查什么?
先检查目标模型是否支持所需的视频或音频理解能力,再核对媒体文件的可访问性和请求字段。- 模型与接口:使用支持该能力的多模态对话接口。视频生成接口用于创建视频,不用于理解已有视频。
- 媒体文件:通过 URL 传入时,使用服务端可直接读取的 HTTPS 直链,检查登录限制、防盗链、签名有效期及文件格式、大小。
- 请求格式:按平台所用接口的多模态规范填写,不能直接套用 Google 原生 File API 的请求结构。
video_url 改成 image_url 判断视频和音轨都已正确传入。
仍失败时,提供模型 ID、媒体格式、接口路径和脱敏报错,联系技术支持。请勿公开提交含客户隐私的原始媒体。
生图模型可以使用 chat.completions 接口调用吗?
不能。文生图与参考图生成必须调用专用的图像生成端点:
图生图(参考图)返回 500 或 404(Image unreachable)如何解决?
该报错通常是由于模型服务端无法成功拉取参考图所致(本地浏览器能打开,并不代表云端推理节点能够直接下载)。 请按以下关键点排查参考图 URL:- 公网免密可达:必须为公网可直接访问的链接,不能使用
localhost、局域网内网地址(如192.168.*、10.*)或依赖特定登录态/Cookie 的私有页面; - 标准 HTTPS 协议:建议使用公网对象存储(如 OSS / S3 / CDN)的标准 HTTPS 链接,避免携带非标端口号(如
:8080、:5000)或触发防盗链拦截; - 预签名链接有效期:若使用云存储的临时签名链接(Pre-signed URL),请设置充足的有效时长,避免因上游排队生图导致拉取时签名已过期;
- 直链有效性核对:确保 URL 直接指向真实的图片文件(JPG/PNG/WEBP 等),而非 HTML 登录页、中转页或错误重定向页面。
生图请求耗时较长(1~3 分钟),如何避免前端页面超时卡死?
NoneLinear 生图接口同步返回。网页应用可在自己的业务服务端采用 “异步任务队列” 架构:- 前端提交请求至业务服务端,服务端生成 Task ID 并即时返回前端;
- 服务端工作进程异步调用生图 API;
- 前端通过轮询 Task ID 状态或通过 WebSocket 接收完成通知;
- 业务侧 SDK、反向代理与 Worker 的
timeout应设置为 300 秒以上,并在确认上一请求状态前关闭自动盲目重试,防止重复生成扣费。
平台返回的图片 URL 可以长期保存吗?
不能。平台返回的 URL 是临时地址,不应作为长期存储。有效期需按具体模型或返回链接核对,不能统一假定为 24 小时。生产系统必须在接收到生成成功响应后,第一时间将图片下载并转存至企业自建的对象存储(OSS / S3 / CDN)中。在终端(如 Claude Code CLI)中如何为多模态模型提供图片输入?
在支持读取本地多模态附件的 CLI 工具中,可按工具规范传入本地文件的相对或绝对路径,由客户端本地读取并转换为多模态消息上传。直接调用 API 时,需按接口规范传入 Base64 编码或公网 HTTPS 图片链接,参考 多模态输入文档。请求成功,但图片没有返回怎么办?
HTTP 200 只说明收到成功状态,需进一步检查生成结果。- 遍历
data,检查每项是否存在url或b64_json,不要只假定固定返回一种格式。 data为空时查看text等错误说明。Gemini 的IMAGE_RECITATION、NO_IMAGE示例见模型说明。- 核对模型是否支持当前任务,以及尺寸、比例和参考图是否匹配,见生图模型目录。
- 安全拒绝或参数错误先修改输入;不要对所有空结果无限重试。
为什么参考图没生效或尺寸不对?
确认image 是可访问的 HTTPS 直链数组,Python SDK 的扩展字段写在 extra_body 中。不同模型使用不同的 size 或 aspect_ratio,请对照系列页,不要把另一个模型的参数直接套用。