← 交付目录查看原型

4.34.1-candidate · CR-20261009-045

图片局部编辑：模型 API 证据记录（2026-09-29）

范围与结论

本记录只核对模型厂商公开资料，不代表项目接入路由、网关透传或真实出图效果已经验证。页面中的模型选项值是产品内部标识，不能直接当作厂商 model 请求值；实际 UI 值 → Provider → 模型 ID → 端点/传输格式 映射须由接入配置核对。

产品 UI 值官方公开能力归类官方可核对的模型 ID / 接口局部框选接入结论
gpt-image-2原生 mask 请求参数gpt-image-2，OpenAI POST /images/edits有厂商级遮罩入口；项目路由和实际调用待核对。[[O1]](#o1)
gpt-image-2-5-sunburst原生 mask 请求参数gpt-image-2.5-sunburst，同上UI 值中的 2-5 与厂商 ID 的 2.5 不同；需显式映射。[[O1]](#o1)
gpt-image-2-5-flare原生 mask 请求参数gpt-image-2.5-flare，同上同上。[[O1]](#o1)
seedream-5-pro官方交互编辑支持坐标、框选、箭头指定位置火山 API 示例使用 doubao-seedream-5-0-pro-260628，POST /api/v3/images/generations厂商定位能力已确认；公开请求结构未见独立 mask / region 字段，项目标注映射与最终效果待接入验证。[[V1]](#v1)
seedream-5-lite图像 + 文本编辑；原生选区能力未确认火山 API 文档列出 Seedream 5.0 lite 的单图/多图生图能力；本次未核实此 UI 值的实际模型 ID官方交互编辑能力声明仅指 5.0 pro / flash，不能顺推到 lite；不能把文本定位当成已验证的框选接口。[[V1]](#v1)
grok-imagine-image-2-0产品确认仅整图编辑grok-imagine-image-2.0，xAI POST /v1/images/edits（JSON）官方示例含源图和提示词，未列 mask / region；结合用户确认，产品不开放框选局部。此规则的前端限制待实施，不等于断言模型无法理解文字中的局部意图。[[X1]](#x1)

这里的“原生 mask”指公开请求参数，不等于像素级编辑保证。OpenAI 明确说遮罩是给模型的引导，结果可能不完全沿边界。[[O2]](#o2)

可落实的请求口径

  1. OpenAI Image Edits：当前 JSON API 参考将输入列为 images: [{image_url | file_id}]，将遮罩列为 mask: {image_url | file_id}，并明确列出上述三个 GPT Image 模型。其指南与 Python SDK 还给出 multipart/form-data 的 image[]、mask 文件示例。两种传输样式应分别装配，不能混拼字段。多输入图时，遮罩应用在第一张图，因此产品“父图”须排第一；参考图如作为额外输入，要保持其后。[[O1]](#o1) [[O2]](#o2) [[O3]](#o3)
  2. OpenAI 遮罩语义与口径差异：Python SDK 类型说明写明透明区域（alpha=0）为待编辑区域，要求 PNG、同尺寸、遮罩小于 4 MB。官网生成指南要求原图与遮罩同格式、同尺寸且小于 50 MB，并含 alpha 通道。两份官方材料的文件大小/格式口径不同，不能把 SDK 的 4 MB 说成所有传输路径的统一上限，也不能把指南的 50 MB 推给其他模型。本项目若选择 PNG、同尺寸、遮罩小于 4 MB，只能表述为兼容 SDK 的保守项目约束，并在实际路由上验证。[[O2]](#o2) [[O3]](#o3)
  3. 火山 Seedream 5.0 pro：官方“模型能力”把坐标、框选、箭头交互编辑归于 pro / flash；生成请求公开字段包括 model、prompt、image 等，未见独立 mask / region 请求字段。官方交互编辑样例使用 doubao-seedream-5-0-pro-260628、带手绘标注的输入图，并在 prompt 中说明标注且要求移除草图线。项目可探索“原图的标注副本 + 说明标注含义和移除标注线的提示词”的映射，但这属于待实测的产品适配方案，不是厂商 Mask 协议。原始父图需单独保留。API 响应的 bounding_box 属于图层拆分结果，不是图像编辑请求参数。[[V1]](#v1)
  4. xAI：单图编辑示例为 JSON model、prompt、image: {url, type: "image_url"}；多图编辑为 images 数组，官方最多五张源图，总数包含父图，不是五张额外参考图。xAI 特别说明 OpenAI SDK images.edit() 的 multipart 调用不适用于其 JSON API。公开示例未提供遮罩参数；用户已确认 Grok 产品仅整图，因此旧选区不得被忽略后静默提交或生成成功版本。前端阻断还待实施，不得把产品规则扩大为“自然语言无法描述局部”。[[X1]](#x1) [[X2]](#x2)

从选区到输入图的产品实现边界（推导，尚非厂商协议）

  • 以用户选定的版本图片为父图，保留原图不可变引用；风格参考图是独立参考输入，绝不覆盖父图。记录选区在原图像素坐标系中的矩形或笔画数据，保存预览缩放、留白偏移、设备像素比、旋转/裁剪变换，提交前映射并裁剪到原图宽高。不要把预览 DOM 坐标直接交给厂商。
  • OpenAI 路由把映射后的选区光栅化成与父图同尺寸、含 alpha 的遮罩；选区内 alpha=0、选区外不透明。核对尺寸、格式、大小与父图顺序后调用相应的 Image Edits 传输形式。文字提示仍需写明目标区域、期望改动及需要保持的内容，因为 mask 不是精确约束。
  • Seedream pro 路由需专门验证标注副本的构造、标注说明和去标注结果；不可把内部 region 对象直接塞进火山请求，也不可将图层拆分响应坐标当请求参数。Seedream lite 的框选映射仍未核实；Grok 按确认的产品规则仅走整图，不提供框选路由。前端阻断仍是待实施项。
  • 整图编辑任务不附带上次局部任务留下的遮罩或标注副本。以上装配建议均需离线参数校验；没有真实出图评测，不能宣称边界保持、主体保真或风格迁移质量已经通过。

一手资料