GPT Image 2.5 Sunburst API
GPT Image 2.5 Sunburst اوپن اے آئی کا ایک درست تصویر بنانے اور ایڈیٹ کرنے والا ماڈل ہے جو تفصیلی تبدیلیوں، مستقل مزاجی اور متعدد حوالہ جاتی تصاویر کو سنبھالنے کے لیے بنایا گیا ہے۔
GPT Image 2.5 Sunburst اوپن اے آئی کے GPT Image 2.5 سلسلے کا ایک اعلیٰ درجے کا، درستگی پر مرکوز ماڈل ہے۔ یہ متن اور تصویر دونوں کو بطور ان پٹ قبول کرتا ہے اور تصویر بطور آؤٹ پٹ دیتا ہے۔ یہ متن کی وضاحت سے تصاویر بناتا ہے، موجودہ تصاویر میں ہدایات کے مطابق ترمیم کرتا ہے، اور حوالہ جاتی تصاویر کو خودکار طور پر اعلیٰ وفاداری کے ساتھ پروسیس کرتا ہے۔ یہ ایک یا متعدد تصاویر قبول کر سکتا ہے تاکہ انداز، موضوعات یا حوالہ جات کو یکجا کیا جا سکے۔
یہ ماڈل خاص طور پر ان کاموں کے لیے موزوں ہے جہاں مخصوص عناصر کو تبدیل کرتے ہوئے شناخت، ترتیب اور روشنی کو برقرار رکھنا ضروری ہو۔ اس میں چھ کوالٹی سیٹنگز—low، medium، high، xhigh، max اور auto—دستیاب ہیں، جن میں auto ڈیفالٹ ہے۔ یہ مربع 1:1، عمودی 9:16 اور افقی 16:9 سمیت متعدد پہلو تناسب کو سپورٹ کرتا ہے، اور 3840 پکسل تک تصاویر بنا سکتا ہے۔ شفافیت، دوبارہ فریمنگ اور سیڈ کنٹرول بھی شامل ہیں، اور یہ متعدد ترمیمی مراحل میں مستقل مزاجی برقرار رکھتا ہے۔
اس کی طاقت درست ترمیم، مضبوط انداز کنٹرول اور طویل ترمیمی سیشنز میں معیار برقرار رکھنے میں ہے۔ تاہم، کچھ آؤٹ پٹ میں شور کے نقصانات کی اطلاع ہے، اور یہ اسٹریمنگ، فنکشن کالنگ، یا آڈیو وڈیو کو سپورٹ نہیں کرتا۔ یہ عام مقصد کا ملٹی موڈل لینگویج ماڈل نہیں ہے۔ اوپن اے آئی زیادہ تر ایپلیکیشنز کے لیے GPT Image 2.5 Flare کو ڈیفالٹ انتخاب کے طور پر تجویز کرتا ہے، جبکہ Sunburst زیادہ لاگت اور طویل وقت کے ساتھ اعلیٰ درستگی فراہم کرتا ہے۔
تازہ کاری:
MODEL ID
gpt-image-2.5-sunburst- ان پٹ
- text / image
- آؤٹ پٹ
- image
نمایاں خصوصیات
- اعلیٰ درجے کی درست تصویر ترمیم
- شناخت، ترتیب اور روشنی محفوظ
- متعدد حوالہ جاتی تصاویر کی پروسیسنگ
- چھ کوالٹی سیٹنگز، ڈیفالٹ auto
- 3840 پکسل تک تصاویر
- شفافیت، ری فریمنگ اور سیڈ کنٹرول
فراہم کنندگان
بہترین قیمتفراہم کنندگان کے درمیان API قیمتوں کا موازنہ کریں۔ تمام چارجز اور شرائط دیکھنے کے لیے کوئی فراہم کنندہ منتخب کریں۔
| دستیابی | ||||
|---|---|---|---|---|
| $8 | $0 | شائع نہیں | ||
تاریخی اعدادوشمار براہ راست حالت کی جانچ نہیں ہیں۔ ڈیٹا نہ ہونا تعطل کا مطلب نہیں۔
بینچ مارکس
- 1421
Image Arena
پہلی پوزیشن؛ GPT Image 2.5 Flare نے 1399 اور GPT Image 2 نے 1381 اسکور کیا
اسکورز جیسا کہ ماڈل فراہم کنندہ نے شائع کیے۔
فوری آغاز
تصویر کا کام بھیجیں، حالت معلوم کریں اور تصاویر محفوظ کریں۔ مثالیں curl اور Python 3 کی معیاری لائبریری استعمال کرتی ہیں۔
POST https://openapi.felo.ai/api/v1/images/generations
1اپنی API کلید حاصل کریں
اپنے Felo API Platform اکاؤنٹ سے کلید بنائیں اور اسے ماحولیاتی متغیر کے طور پر سیٹ کریں۔
export FELO_API_KEY="YOUR_API_KEY"2اپنی پہلی درخواست بھیجیں
اختیاری قدریں ماڈل کے مطابق بدلتی ہیں اور یہاں مقرر نہیں ہیں۔ Playground میں تصدیق کریں۔ فیلڈز model اور prompt کے برابر سطح پر ہیں، input کے اندر نہیں۔
curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-o created.json \
-d '{
"prompt": "A studio product photo of a ceramic coffee cup on warm linen, soft morning light",
"model": "gpt-image-2.5-sunburst"
}'3ٹاسک پول کریں
بھیجنے پر task_id ملتا ہے۔ queued یا running میں ہر 3 سیکنڈ بعد معلوم کریں؛ succeeded، failed یا interrupted پر رک جائیں۔ زیادہ سے زیادہ 30 منٹ انتظار کریں۔ دوبارہ بھیجے بغیر جانچ جاری رکھنے کے لیے created.json محفوظ رکھیں۔
python3 - <<'PY'
import json, os, time
from pathlib import Path
from urllib.parse import quote
from urllib.request import Request, urlopen
task = json.loads(Path("created.json").read_text())
task_id = task["task_id"]
url = "https://openapi.felo.ai/api/v1/images/generations/" + quote(task_id, safe="")
headers = {"Authorization": "Bearer " + os.environ["FELO_API_KEY"]}
deadline = time.monotonic() + 1800
while task["status"] in ("queued", "running"):
if time.monotonic() >= deadline:
raise TimeoutError(f"Keep task_id={task_id} to resume polling")
time.sleep(3)
with urlopen(Request(url, headers=headers), timeout=60) as response:
task = json.load(response)
if task.get("task_id") != task_id or task.get("kind") != "image":
raise ValueError("Unexpected task response")
print(task["status"])
if task["status"] != "succeeded":
raise RuntimeError(task.get("error") or task["status"])
if not task.get("outputs"):
raise ValueError("Task succeeded without image outputs")
Path("task.json").write_text(json.dumps(task))
print("Saved task.json")
PY4آؤٹ پٹ ڈاؤن لوڈ کریں
کامیابی کے بعد task.json سے outputs محفوظ کریں۔ HTTPS URL، URL آبجیکٹ اور b64_json معاون ہیں۔ دستخط شدہ URL جلد ڈاؤن لوڈ کریں؛ تصویر ڈاؤن لوڈ کرنے کے لیے API Key نہیں چاہیے۔
python3 - <<'PY'
import base64, json
from pathlib import Path
from urllib.request import urlopen
task = json.loads(Path("task.json").read_text())
if task.get("status") != "succeeded" or not task.get("outputs"):
raise ValueError("No completed image outputs")
extensions = {"image/png": ".png", "image/jpeg": ".jpg", "image/webp": ".webp", "image/gif": ".gif", "image/avif": ".avif"}
for index, output in enumerate(task["outputs"], 1):
item = output if isinstance(output, dict) else {}
url = output if isinstance(output, str) else item.get("url") or item.get("unsigned_url")
mime = item.get("media_type") or "image/png"
if url and url.startswith("https://"):
with urlopen(url, timeout=60) as response:
data = response.read()
mime = response.headers.get_content_type()
elif url and url.startswith("data:image/") and ";base64," in url:
header, encoded = url.split(",", 1)
mime = header[5:].split(";", 1)[0]
data = base64.b64decode(encoded, validate=True)
elif item.get("b64_json"):
data = base64.b64decode(item["b64_json"], validate=True)
else:
raise ValueError("Unrecognized image output")
path = Path(f"image-{index}" + extensions.get(mime, ".bin"))
path.write_bytes(data)
print(path)
PYinput_references
تصویر میں ترمیم کے لیے مثال کا URL اپنے HTTPS تصویر URL یا base64 تصویر data URL سے بدلیں۔ ایک بار بھیجیں، پھر وہی جانچ اور محفوظ کرنے کے مراحل اپنائیں۔
curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-o created.json \
-d '{
"prompt": "Keep the product and framing. Replace the background with a sunlit marble countertop.",
"model": "gpt-image-2.5-sunburst",
"input_references": [
{
"type": "image_url",
"image_url": {
"url": "https://example.com/product.png"
}
}
]
}'معاون پیرامیٹرز
- n
- quality
- background
- aspect_ratio
- input_references
- output_compression
مکمل حوالہ چاہیے؟
API حوالہ →عمومی سوالات
ماڈل تعارف: GPT Image 2.5 Sunburst?
GPT Image 2.5 Sunburst اوپن اے آئی کے GPT Image 2.5 سلسلے کا ایک اعلیٰ درجے کا، درستگی پر مرکوز ماڈل ہے۔ یہ متن اور تصویر دونوں کو بطور ان پٹ قبول کرتا ہے اور تصویر بطور آؤٹ پٹ دیتا ہے۔ یہ متن کی وضاحت سے تصاویر بناتا ہے، موجودہ تصاویر میں ہدایات کے مطابق ترمیم کرتا ہے، اور حوالہ جاتی تصاویر کو خودکار طور پر اعلیٰ وفاداری کے ساتھ پروسیس کرتا ہے۔ یہ ایک یا متعدد تصاویر قبول کر سکتا ہے تاکہ انداز، موضوعات یا حوالہ جات کو یکجا کیا جا سکے۔ یہ ماڈل خاص طور پر ان کاموں کے لیے موزوں ہے جہاں مخصوص عناصر کو تبدیل کرتے ہوئے شناخت، ترتیب اور روشنی کو برقرار رکھنا ضروری ہو۔ اس میں چھ کوالٹی سیٹنگز—low، medium، high، xhigh، max اور auto—دستیاب ہیں، جن میں auto ڈیفالٹ ہے۔ یہ مربع 1:1، عمودی 9:16 اور افقی 16:9 سمیت متعدد پہلو تناسب کو سپورٹ کرتا ہے، اور 3840 پکسل تک تصاویر بنا سکتا ہے۔ شفافیت، دوبارہ فریمنگ اور سیڈ کنٹرول بھی شامل ہیں، اور یہ متعدد ترمیمی مراحل میں مستقل مزاجی برقرار رکھتا ہے۔ اس کی طاقت درست ترمیم، مضبوط انداز کنٹرول اور طویل ترمیمی سیشنز میں معیار برقرار رکھنے میں ہے۔ تاہم، کچھ آؤٹ پٹ میں شور کے نقصانات کی اطلاع ہے، اور یہ اسٹریمنگ، فنکشن کالنگ، یا آڈیو وڈیو کو سپورٹ نہیں کرتا۔ یہ عام مقصد کا ملٹی موڈل لینگویج ماڈل نہیں ہے۔ اوپن اے آئی زیادہ تر ایپلیکیشنز کے لیے GPT Image 2.5 Flare کو ڈیفالٹ انتخاب کے طور پر تجویز کرتا ہے، جبکہ Sunburst زیادہ لاگت اور طویل وقت کے ساتھ اعلیٰ درستگی فراہم کرتا ہے۔
استعمال کی بلنگ کیسے ہوتی ہے؟
آپ کا بل اس فراہم کنندہ پر منحصر ہے جو آپ استعمال کرتے ہیں، اس کی قیمتوں اور آپ کے استعمال پر۔ لمبے ان پٹ یا دیگر شرائط پر مختلف قیمتیں لاگو ہو سکتی ہیں۔
یہ ماڈل کون سے ان پٹ قبول کرتا ہے؟
GPT Image 2.5 Sunburst متن اور تصویر دونوں کو بطور ان پٹ قبول کرتا ہے، اور تصویر بطور آؤٹ پٹ دیتا ہے۔ یہ ایک یا متعدد حوالہ جاتی تصاویر کو بھی سنبھال سکتا ہے۔
کیا یہ ماڈل طویل ترمیمی سیشنز کے لیے موزوں ہے؟
جی ہاں، یہ متعدد ترمیمی مراحل میں مستقل مزاجی برقرار رکھنے اور طویل سیشنز میں معیار برقرار رکھنے کے لیے تیار کیا گیا ہے۔
کیا اس میں شور کے نقصانات ہیں؟
کچھ آؤٹ پٹ میں شور کے نقصانات کی اطلاع ہے، جو اس کی محدودات میں سے ایک ہے۔
کیا یہ ماڈل آڈیو یا ویڈیو کو سپورٹ کرتا ہے؟
نہیں، یہ آڈیو یا ویڈیو کو سپورٹ نہیں کرتا اور نہ ہی فنکشن کالنگ یا اسٹریمنگ کی سہولت دیتا ہے۔
GPT Image 2.5 Sunburst اور GPT Image 2.5 Flare میں کیا فرق ہے؟
Sunburst سلسلے کا اعلیٰ درجے کا، درستگی پر مرکوز ماڈل ہے جو زیادہ لاگت اور طویل وقت کے ساتھ آتا ہے، جبکہ Flare کو زیادہ تر ایپلیکیشنز کے لیے ڈیفالٹ انتخاب کے طور پر تجویز کیا گیا ہے۔
متعلقہ ماڈلز
GPT Image 2.6 Sunburst
OpenAIتصویرgpt-image-2.6-sunburstGPT Image 2.6 Sunburst ایک OpenAI ماڈل ہے جو درست ترمیم اور مستقل تصویری معیار پر فوکس کرتا ہے، اور Images API کے ذریعے تصویر بنانے اور تبدیل کرنے کی سہولت دیتا ہے۔
آؤٹ پٹ
image
ان پٹ ٹوکنز
$5 / 1M tokens
آؤٹ پٹ ٹوکنز
$30 / 1M tokens
GPT Image 2.6 Flare
OpenAIتصویرgpt-image-2.6-flareOpenAI کا GPT Image 2.6 Flare ایک تیز رفتار تصویری ماڈل ہے جو متن اور تصویر دونوں سے تصاویر بناتا اور ایڈٹ کرتا ہے، 16 ریفرنس تصاویر، 4K ریزولوشن اور شفاف پس منظر کی سہولت دیتا ہے۔
آؤٹ پٹ
image
ان پٹ ٹوکنز
$5 / 1M tokens
آؤٹ پٹ ٹوکنز
$30 / 1M tokens
GPT Image 2.5 Flare
OpenAIتصویرgpt-image-2.5-flareGPT Image 2.5 Flare اوپن اے آئی کا تیز رفتار تصویری ماڈل ہے جو روزمرہ اور زیادہ حجم کی تصویر سازی کے لیے ڈیفالٹ انتخاب ہے۔
آؤٹ پٹ
image
ان پٹ ٹوکنز
$5 / 1M tokens