GPT Image 2: многораундовое редактирование и стилистическая согласованность — возможности hiapi

Большинство постов в духе «GPT Image 2 просто потрясающий» показывают вам лишь один рендер. Это только лёгкая половина. Трудная половина — и та, что действительно важна, когда вы передаёте работу с изображениями в продукт — это второй рендер и третий: сохранение узнаваемости персонажа в серии изображений или переосмысление ключевого визуального актива без разрушения того, что изначально сделало его удачным.

gpt-image-2 на hiapi — это два модели, а не одна. Стандартный вариант текст-в-изображение рисует первый кадр; gpt-image-2/image-to-image берёт этот кадр в качестве референса для редактирования. Вместе, по $0.03 за вызов, они покрывают workflows, которые возникают в реальном производстве: серии с согласованными персонажами, точную замену сцен, переосмысление брендовых активов. В этой статье разбираются оба варианта с оригинальными промптами, реальными выходами и готовым к копированию кодом.

---

Два модели, один рабочий процесс

Оба варианта используют унифицированный асинхронный API задач hiapi — POST https://api.hiapi.ai/v1/tasks создаёт задачу генерации и возвращает ID задачи, GET /v1/tasks/:id возвращает URL готового изображения. Разница в том, что вы помещаете в объект input.

Сценарий использования	Модель	Цена 1K	Цена 2K	Форма ввода
Генерация первого рендера из промпта	gpt-image-2	$0.03	$0.04	Только текст
Редактирование/переосмысление стиля референсного изображения	gpt-image-2/image-to-image	$0.03	$0.04	Текст + 1–5 референсных изображений

Приведённые цифры взяты напрямую со страницы актуальных цен на момент написания — эта страница является авторитетным источником. Стандартная версия gpt-image-2 использует кривую множителей (1K → 2K — 1,33×, 4K — 2×), поэтому вызов 1K стоит $0.03, а холст 4K — $0.06. Вариант изображение-в-изображение следует той же кривой. Никакой дополнительной «надбавки за редактирование» нет — оба модели стоят одинаково за вызов при одинаковом разрешении.

Это разделение важно, потому что оно меняет ваш подход к работе. Вы не платите за одну дорогую съёмку, чтобы купить «правильное изображение». Вы платите $0.03, чтобы приблизиться, а затем $0.03 (или дважды), чтобы достичь точности.

---

Возможность первая: стилистическая согласованность в серии

Паттерн, на котором ломается большинство workflows текст-в-изображение — это один и тот же субъект в разных сценах. Запустите один и тот же промпт дважды — получите двух несвязанных людей; запустите два промпта сцены с вольным описанием субъекта — получите двоюродных братьев.

gpt-image-2 справляется на удивление хорошо, когда вы делаете две вещи:

1. Пишете character bible инлайн. Не «молодая женщина в очках». А конкретные признаки, за которые модель может зацепиться: цвет волос и длина и текстура, тон кожи и веснушки, очки и оправа, каждая деталь одежды, которая вам важна. Шесть-десять якорных признаков — идеальный диапазон.
2. Дословно повторяете character bible в каждой сцене. Тот же порядок слов, те же модификаторы. Относитесь к описанию как к объекту JSON: сцена меняется, character bible остаётся байт-в-байт идентичным.

Вот один и тот же character bible, запущенный в двух разных сценах. В обоих вызовах character bible неизменен; различается только абзац сцены.

Character bible (дословно повторяется в обоих вызовах):
"Молодая женщина около тридцати, волнистые тёмно-каштановые
волосы до плеч, тёплая оливковая кожа, мягкие веснушки,
круглые очки в черепаховой оправе, кремовый шерстяной
водолазка, тонкая золотая цепочка, мшисто-зелёный
льняной блейзер на плечах"

Сцена A: мраморный столик в кафе у высокого северного окна,
белая чашка флэт-уайт с латте-артом, открытый блокнот
из тёмно-синей кожи, латунная перьевая ручка, латунная
люстра размыта на фоне, 35мм плёнка, малая глубина
резкости, 1:1.

Сцена B: терраса на средиземноморской крыше в золотой час,
терракотовые горшки с розмарином и свисающим плющом,
тот же блокнот из тёмно-синей кожи прижат к груди,
взгляд на тёплые крыши и море, 35мм плёнка, естественная
цветовая палитра, как в сцене A, малая глубина резкости, 1:1.

Два вызова, две сцены, один человек:

Форма лица, длина и цвет волос, очки, водолазка, блейзер, цепочка и даже блокнот — всё сохраняется. Освещение и цветовая гамма меняются вместе со сценой, как и должно быть; субъект остаётся.

Несколько практических замечаний при масштабном запуске этого паттерна:

• Привязывайте каждую часть тела тремя или более релевантными признаками. Только «волнистые тёмно-каштановые волосы» дрейфуют. «Волнистые тёмно-каштановые волосы до плеч» плюс «круглые очки в черепаховой оправе» двумя предложениями позже в качестве дополнительного якоря фиксируют лицо гораздо надёжнее. Модель рассматривает совместно встречающиеся признаки как более сильный сигнал идентичности, чем любой отдельный признак.
• Помещайте character bible в начало промпта. Описание сцены идёт после, а не до. Модель придаёт больше веса идентичности субъекта в ранних токенах.
• Завершайте каждую сцену одним и тем же повторяющимся стилевым модификатором («35мм плёнка, малая глубина резкости, 1:1»). Это фиксирует эстетику рендеринга, чтобы два вызова не выглядели как два разных фотографа.

Для коротких серий (три-двенадцать кадров одного персонажа) этот паттерн обычно достигает более 80% согласованности с первой попытки. Этого достаточно для мудбордов, иллюстраций к блогам, социальных серий, маркетинговых календарей. Для бренд-критичной работы, где каждый кадр должен совпадать, переходите к возможности второй.

---

Возможность вторая: многораундовое редактирование с референсными изображениями

Стилистическая согласованность через промпты приближает вас. Вариант изображение-в-изображение делает точным. Вы даёте ему референс (от одного до пяти изображений) и промпт с указанием, что изменить — он меняет это, остальное остаётся нетронутым.

Самое частое применение — замена сцены для брендовых активов: один и тот же продукт, тот же стул, тот же персонаж в разных окружениях, субъект сохраняется с точностью до пикселя, окружение перерисовывается вокруг него.

Референсное фото — скульптурное кресло из орехового дерева на бесшовном кремовом фоне, сгенерированное с помощью gpt-image-2:

Теперь отправьте это точное изображение в gpt-image-2/image-to-image с промптом замены окружения:

Переосмысли это точное кресло в светлой редакционной
интерьерной сцене, не меняя само кресло: сохрани форму
орехового каркаса, подушку из верблюжьего букле, пропорции
ножек, точный силуэт с пиксельной точностью. Замени
бесшовный кремовый фон на тёплый солнечный уголок для
чтения: высокое арочное окно слева вверху, отбрасывающее
длинные послеполуденные тени на широкий дубовый пол,
маленький круглый приставной столик из тёмно-морильного
ясеня справа, керамическая ваза с тремя стеблями сухой
пшеницы на нём, сложенный плед из натурального льна на
подлокотнике кресла, винтажный ковёр в стиле бербер
в мягких кремовых и выцветших терракотовых тонах под
ним. Атмосфера — тёплый послеполуденный свет, слегка
дымчатый воздух, журнальная интерьерная фотография,
согласованная нейтральная палитра.

Результат — то же кресло, новая комната:

Форма каркаса, ткань подушки, цветовая гамма и геометрия ножек сохраняются чисто. Бесшовный фон исчез; вокруг этого контролируемого брендом элемента нарисовано полноценное окружение.

В чём вариант редактирования силён:

• Замена сцены. Втянуть изолированный субъект в окружение или переместить субъект из окружения в новое.
• Точные изменения свойств. «Смени ткань подушки на тёмно-синий бархат, всё остальное оставь идентичным» — работает гораздо лучше, чем повторный промптинг всей сцены с нуля.
• Тонкая настройка композиции. «Тот же стул, та же комната, камера на шаг назад и маленькая собака на пледе» — модель редактирует, а не перерисовывает.
• Переосмысление брендовых активов. Возьмите маркетинговый мудборд в качестве референса и добавьте промпт с запросом трёх согласованных вариантов — это лучше сохраняет тон, чем три независимых текстовых промпта.

В чём он не силён (используйте стандартный текст-в-изображение):

• Крупная переработка композиции. Если более 60% кадра нужно изменить, лучше начать с нового промпта.
• Замена персонажа. Если вы имеете в виду «тот же стул, но другой стул», это новый промпт, а не редактирование.

---

Код: два модели, end-to-end

Оба модели отвечают на POST /v1/tasks. Вызов текст-в-изображение отправляет промпт в input; вызов изображение-в-изображение добавляет массив input_urls с одним-пятью URL референсных изображений.

Текст-в-изображение (gpt-image-2)

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {HIAPI_TOKEN}"}

resp = requests.post(API, headers=HEADERS, json={
    "model": "gpt-image-2/text-to-image",
    "input": {
        "prompt": (
            # Character bible сначала — ранние токены несут идентичность.
            "A young woman in her late twenties, shoulder-length wavy "
            "dark-auburn hair, warm olive skin, soft freckles, "
            "tortoiseshell round glasses, cream wool turtleneck, thin "
            "gold chain, moss-green linen blazer. "
            # Сцена потом.
            "She sits at a marble cafe table by a tall window, latte "
            "in a white ceramic cup, navy leather notebook open. "
            # Стилевой модификатор в конце — фиксирует вид серии.
            "35mm film, warm cafe interior, shallow depth of field, 1:1."
        ),
        "aspect_ratio": "1:1",
        "resolution": "1K",
    },
}).json()
task_id = resp["data"]["taskId"]

while True:
    task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

open("scene-a.png", "wb").write(
    requests.get(task["output"][0]["url"]).content)

Для холста 2K установите "resolution": "2K". Цена масштабируется на 1,33× согласно странице актуальных цен — форма вызова та же, $0.04 вместо $0.03.

Изображение-в-изображение (gpt-image-2/image-to-image)

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {HIAPI_TOKEN}"}

resp = requests.post(API, headers=HEADERS, json={
    "model": "gpt-image-2/image-to-image",
    "input": {
        "prompt": (
            "Restyle this exact chair into a warm sunlit reading "
            "nook: arched window upper left, oak plank floor, dark "
            "ash side table with dried wheat, Berber rug. Keep the "
            "walnut frame, boucle cushion, and silhouette IDENTICAL."
        ),
        "input_urls": ["https://your-cdn.example.com/chair-reference.png"],
        "aspect_ratio": "1:1",
        "resolution": "1K",
    },
}).json()
task_id = resp["data"]["taskId"]

while True:
    task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

open("scene-edited.png", "wb").write(
    requests.get(task["output"][0]["url"]).content)

В одном вызове можно передать до пяти референсных изображений — добавляйте URL в массив input_urls. Модель рассматривает референсы как небольшой контекст стиля/идентичности, а затем вносит редактирование, указанное в промпте. Обратите внимание: референсы — это размещённые URL, а не инлайн base64 — если ваш референс на диске, сначала загрузите его в доступное место (объектное хранилище, ваш CDN) и передайте ссылку.

Несколько операционных заметок:

• Ожидайте 60–120 секунд end-to-end для 1K; для 2K дольше. Асинхронный процесс означает, что нет долго висящих HTTP-соединений, которые таймаутят — опрашивайте каждые несколько секунд или установите callback.url в вызове создания, чтобы hiapi отправил вам финальное состояние.
• Не блокируйте обработчик запроса в ожидании генерации. API уже даёт вам ID задачи — сохраните taskId и позвольте поллеру или колбэку выполнить работу, а не держите serverless-вызов открытым.
• Две комбинации параметров, которых следует избегать в варианте редактирования: aspect_ratio: "auto" (или пропуск) поддерживается только с разрешением 1K, а 1:1 нельзя сочетать с 4K.
• Используйте для референсных изображений то разрешение, которое хотите на выходе. Отправить референс 512×512 и запросить выход 2K можно, но модель зацепит меньше деталей. Для бренд-верного редактирования отправляйте референс в целевом размере выхода.

---

Когда что использовать (и что ещё предлагает hiapi)

gpt-image-2 и его брат изображение-в-изображение — правильный выбор по умолчанию, когда вам нужен рендеринг текста, согласованность персонажей или продуктов в небольшой серии, или точное редактирование брендовых активов. Это не единственные варианты изображений на hiapi, и выбор между ними важнее, чем кажется:

Потребность	Модель	Причина
Черновик из промпта, исследование	gpt-image-2 ($0.03)	Самый дешёвый в серии; паттерн character bible плюс сцена заводит далеко.
Точное редактирование / замена сцены / переосмысление бренда	gpt-image-2/image-to-image ($0.03)	Та же цена, но с привязкой к референсу. Правильный выбор, когда любой выход должен соответствовать существующему активу.
Высокоточный маркетинговый холст 4K	gpt-image-2 4K ($0.06)	Стандартный вариант предоставляет уровень 4K, чистый множитель 2× — самый дешёвый путь к большому холсту.
Продакшн-ключевой визуал, дорогая перегенерация	gpt-image-2-pro ($0.35)	Уровень стабильности в той же серии, примерно 10× стандартной цены, для той небольшой доли работ, где один плохой рендер дороже десяти хороших.
Фотореалистичный портрет одного субъекта без редактирования	flux-1.1-pro ($0.05)	FLUX 1.1 Pro на hiapi — специалист по реализму, когда вам не нужен рендеринг текста или многораундовое редактирование.
Редактирование, где важна скорость, согласованность персонажей в масштабе	Nano-Banana-2 ($0.085 at 1K)	Вариант Gemini 3.1 Flash Image от Google — другие характеристики идентичности, похожие паттерны редактирования, более быстрый оборот ценой более высокой цены за вызов.

Столбец цен в таблице выше взят со страницы актуальных цен платформы — обновите её перед тем, как ссылаться на цифры в ваших внутренних оценках.

---

Паттерн, который можно скопировать

Если у вас есть существующий конвейер, который вызывает gpt-image-2 один раз на запрос, самое дешёвое улучшение — ввести второй вызов:

def render(job):
    # 1) Черновик из промпта.
    draft = run_task("gpt-image-2/text-to-image", input={
        "prompt": job.prompt,
        "aspect_ratio": "1:1",
        "resolution": "1K",
    })

    # 2) Если работа бренд-критична или требует замены сцены,
    #    редактируйте черновик, а не перепромптируйте.
    if job.needs_edit:
        return run_task("gpt-image-2/image-to-image", input={
            "prompt": job.edit_instruction,      # что изменить
            "input_urls": [draft.output_url],    # что сохранить
            "resolution": "1K",
        })

    return draft

Два вызова по $0.03 каждый — итого $0.06 — всё ещё дешевле одного вызова gpt-image-2-pro ($0.35), и для большинства работ второй вызов заменяет три-четыре раунда отбрасывания и повторного промптинга. Чем более бренд-верным должен быть выход, тем выгоднее этот расчёт.

---

Короткая версия

gpt-image-2 — движок черновиков. gpt-image-2/image-to-image — редактор. Вместе они покрывают workflows, которые не может покрыть однократная генерация изображений — серии персонажей, переосмысление брендовых активов, точные изменения свойств — без перехода на уровень Pro.

Два паттерна с наибольшей отдачей: (1) дословное повторное использование character bible в разных сценах для согласованности серии; (2) двухвызовный процесс «сначала рендер, потом редактирование» для любой работы, где выход должен выглядеть как продолжение существующего актива. Оба выполняются за $0.03 за вызов на эндпоинте /v1/tasks hiapi и доставляются в одинаковой форме полезной нагрузки задачи — одна worker-функция покрывает эту пару.

Проверьте актуальные цены, напишите character bible один раз и позвольте редактору сделать работу, которую не может сделать повторный промптинг.