ChatGPT API实战：如何基于参考图像生成高质量新图像

1次阅读

没有评论

共计 1750 个字符，预计需要花费 5 分钟才能阅读完成。

基于参考图像生成新图像的能力在多个领域具有重要价值：

电商行业：快速生成不同风格的产品展示图，适配多平台营销需求
设计领域：根据线稿或色彩样本自动生成配套设计素材
内容创作：为文章配图生成风格统一的系列插图
教育培训：将抽象概念转化为可视化教学材料

当前常见图像生成方案存在三个主要局限：

风格迁移不精确：生成的图像容易丢失参考图的纹理、色彩特征
构图控制薄弱：关键元素位置关系难以保持一致性
细节还原度低：对参考图像中的细小特征（如 LOGO、文字）处理效果差

ChatGPT API 支持通过 images 参数传入参考图像，需注意：

支持 PNG/JPEG 格式，建议分辨率不超过 1024×1024
多图输入时需明确各图像权重比例
需配合 Base64 编码传输二进制数据

有效提示词应包含三个核心要素：

主体描述：明确生成目标的核心元素
风格指示：指定需要继承的视觉特征
约束条件：限制不希望出现的变异方向

prompt_template = """
基于参考图的色彩风格和构图特征，生成包含 {subject} 的新图像。要求：- 保持 {style_feature} 视觉元素
- 避免出现{negative_prompt}
- 输出比例为{aspect_ratio}
"""

通过 image_weight 参数（取值 0 -1）控制参考图影响力：

0.3-0.5：轻度参考，适合创意发散
0.6-0.8：中度继承，平衡创新与保真
0.9+：高度还原，适用于精准复刻场景

pip install openai pillow

import base64
import openai
from PIL import Image
import io

def generate_from_reference(
    api_key: str,
    prompt: str,
    ref_image_path: str,
    output_path: str,
    image_weight: float = 0.7,
    size: str = "1024x1024"
) -> None:
    """
    基于参考图生成新图像

    Args:
        api_key: OpenAI API 密钥
        prompt: 生成提示词
        ref_image_path: 参考图路径
        output_path: 输出文件路径
        image_weight: 参考图权重(0-1)
        size: 输出尺寸
    """
    try:
        # 图像编码处理
        with open(ref_image_path, "rb") as img_file:
            encoded_image = base64.b64encode(img_file.read()).decode("utf-8")

        # API 请求构造
        response = openai.Image.create(
            model="image-alpha-001",
            prompt=prompt,
            images=[encoded_image],
            image_weights=[image_weight],
            size=size,
            response_format="b64_json"
        )

        # 结果解码保存
        image_data = base64.b64decode(response["data"][0]["b64_json"])
        image = Image.open(io.BytesIO(image_data))
        image.save(output_path)
        print(f"图像已保存至{output_path}")

    except Exception as e:
        print(f"生成失败: {str(e)}")