GPT Image में 1K, 2K, 4K, Quality और Mask का उपयोग कैसे करें: BetterToken की परीक्षण मार्गदर्शिका

• एक ही मॉडल और एक ही पैरामीटर के साथ अलग-अलग कॉल पर परिणाम क्यों बदलते हैं?
• 4K या कोई निश्चित आकार माँगने के बावजूद प्राप्त छवि घटकर 1K क्यों रह जाती है?
• Mask से स्थानीय बदलाव या quality=high वास्तव में लागू हुआ या नहीं? अंत में शुल्क किस आधार पर लगता है?

नोट: यह लेख gpt-image-2, gpt-image-2.5-flare और gpt-image-2.5-sunburst पर केंद्रित है। Nano Banana सीरीज़ के पैरामीटर और बिलिंग प्रणाली अलग हैं; भ्रम से बचने के लिए उन्हें एक अन्य लेख में विस्तार से समझाया जाएगा।

​

1. एक ही मॉडल और पैरामीटर के साथ परिणाम अलग-अलग क्यों हो सकते हैं?

​

2. हमारा परीक्षण: “समर्थित” होने का निर्णय कैसे किया जाता है?

1. मूल फ़ाइल के पिक्सेल डिकोड करना: हम API के दावे पर ही भरोसा नहीं करते। हर दी गई छवि की मूल फ़ाइल डिकोड करके उसकी चौड़ाई और ऊँचाई पढ़ते हैं और प्रतिक्रिया में दी गई बिलिंग श्रेणी तथा खाते से वास्तव में कटी राशि से मिलाते हैं।
2. आकार के लक्ष्य पर खरा उतरना: स्पष्ट रूप से माँगी गई चौड़ाई और ऊँचाई की अलग-अलग तुलना करते हैं। वास्तविक आकार बड़ा हो तो उसे पास मानते हैं; किसी भी एक किनारे का आकार लक्ष्य से 5% से अधिक छोटा हो तो उसे मानक से कम मानते हैं (नोट: यह मानदंड परीक्षण परिणामों का कठोर मूल्यांकन करने के लिए है; इसका अर्थ यह नहीं कि API आकार से छोटी वैध छवि को अपने-आप अस्वीकार कर देगा)। आकार छोड़ने या auto भेजने पर कोई निश्चित कैनवस लक्ष्य नहीं माना जाता।
3. पैरामीटर स्वीकार होने और वास्तविक प्रभाव को अलग रखना: इंटरफ़ेस में त्रुटि न आना केवल यह बताता है कि “पैरामीटर स्वीकार हुआ”। Mask ने क्षेत्र को सख्ती से अलग किया या quality=high से आँखों को दिखने वाला सुधार आया, यह अंतिम छवि देखकर ही तय किया जा सकता है।

​

3. परीक्षण में क्या सामने आया: कौन-से पैरामीटर सबसे अधिक गलत समझे जाते हैं?

• डिफ़ॉल्ट पैरामीटर की सहनशीलता: quality और size छोड़ने, null भेजने या स्पष्ट रूप से "auto" देने पर छवि सामान्य रूप से बनती है।
• 4K को सही तरीके से माँगना: “4K” बिलिंग श्रेणी है; इसका अर्थ 4096x4096 वर्गाकार छवि का समर्थन नहीं है। 4K स्तर की उच्च-रिज़ॉल्यूशन क्षैतिज छवि के लिए 3840x2160 का उपयोग करें।
• अमान्य पैरामीटर बिना शुल्क रोके गए: 4096x4096, stream=true, खाली स्ट्रिंग quality="", खाली स्ट्रिंग size="" या n=0 भेजने वाले सभी परीक्षण अनुरोधों में HTTP 400 त्रुटि आई और कोई शुल्क नहीं लगा।

​

4. BetterToken क्या देता है: हर रूट के लिए अलग अनुकूलन की ज़रूरत नहीं

1. क्षमता के अनुसार स्मार्ट रूटिंग: भेजे गए मॉडल, लक्ष्य आकार (जैसे 2K/4K), और छवि-संपादन/Mask पैरामीटर मौजूद हैं या नहीं, इन आधारों पर सिस्टम उपयुक्त क्षमता वाली उपलब्ध सेवा अपने-आप चुनता है।
2. एकीकृत इंटरफ़ेस और पैरामीटर फ़ॉलबैक: मानक POST /v1/images/generations (छवि बनाना) और POST /v1/images/edits (संदर्भ छवि/Mask संपादन) इंटरफ़ेस null, auto और छोड़े गए पैरामीटर अपने-आप संभालते हैं तथा अमान्य इनपुट को गेटवे पर ही रोकते हैं।
3. वास्तविक आकार और बिलिंग विवरण की पारदर्शी वापसी: छवि डेटा के साथ प्रतिक्रिया के bettertoken_image_billing फ़ील्ड में वास्तविक डिकोड की गई चौड़ाई/ऊँचाई (width/height), बिलिंग श्रेणी (billing_resolution), मुद्रा और निपटान राशि (settled_amount) सीधे मिलती है।
4. दो मुख्य अवधारणाओं का स्पष्ट अंतर:
   • Mask पैरामीटर का समर्थन ≠ पिक्सेल-स्तर पर सटीक रीटच की गारंटी: इंटरफ़ेस संदर्भ छवि और Mask अपलोड करके संपादन का समर्थन करता है, लेकिन कुछ परीक्षणों में मास्क से बाहर के संरक्षित क्षेत्र भी बदल गए। उदाहरण के लिए, दो वृत्तों के ज्यामितीय परीक्षण में बाएँ पारदर्शी वृत्त का रंग बदलने और दाएँ अपारदर्शी वृत्त को सुरक्षित रखने को कहा गया था, फिर भी दोनों वृत्तों का रंग बदल गया। इसलिए हम Mask पैरामीटर भेजने के समर्थन की पुष्टि करते हैं, लेकिन हर बार पिक्सेल-स्तर पर सख्त क्षेत्र-अलगाव की गारंटी नहीं देते।
   • quality पैरामीटर का समर्थन ≠ गुणवत्ता में निश्चित सुधार की गारंटी: इंटरफ़ेस "auto" या "high" जैसे मान स्वीकार कर सही रूट पर भेजता है। लेकिन हर छवि निर्माण में यादृच्छिकता होती है, इसलिए एक नमूने के आधार पर यह वादा नहीं करते कि high गुणवत्ता में किसी निश्चित प्रतिशत का सुधार ज़रूर देगा।

⚠️ इंटीग्रेशन से पहले जानने योग्य दो वास्तविक सीमाएँ:

1. क्षमता के अनुसार रूटिंग से हर बार पिक्सेल सख्ती से तय नहीं हो जाते: आधार सेवाओं के आउटपुट में अंतर के कारण सही नोड पर रूट होने पर भी वास्तविक पिक्सेल बदल सकते हैं (उदाहरण के लिए, आज 1024x1024 माँगने पर 1024×936 लौटाने वाले अनुरोध थे; 3840x2160 माँगने पर 3840×2161 लौटाने वाले नमूने भी थे)। यदि आपके काम में कैनवस का अनुपात बहुत अहम है, तो प्रतिक्रिया की वास्तविक चौड़ाई और ऊँचाई के आधार पर छवि को क्रॉप या पोस्ट-प्रोसेस करें।
2. 1K माँगने पर अंतिम शुल्क हमेशा 1K का नहीं होता: बिलिंग सिस्टम वास्तव में दी गई वैध छवि के विनिर्देश के आधार पर श्रेणी तय करता है। आज दोनों 2.5 मॉडल (और gpt-image-2 के कुछ मामलों) ने 1024x1024 के अनुरोध पर 1254×1254 लौटाया। सिस्टम ने इसे 2K माना और उसी दर से शुल्क लगाया।

​

5. तीन मॉडलों का समर्थन: किस मॉडल को कॉल करें और कौन-सा मान भेजें?

​

6. वास्तविक छवियों के दो उदाहरण: परिणाम कैसे दिखते हैं?

​

उदाहरण A: ई-कॉमर्स उत्पाद फ़ोटोग्राफ़ी; 1K / 2K / 4K आकार और विवरण

एक वास्तविक ई-कॉमर्स स्टूडियो फ़ोटो बनाएँ: मूंगे-लाल रंग का सेरामिक मग (हैंडल दाईं ओर) हल्के धूसर पत्थर के काउंटर पर रखा है और बाईं ओर बेज रंग का मुड़ा हुआ लिनन कपड़ा है। मग पर साफ़ सफ़ेद अक्षरों में “BETTER DAY” लिखा है। ऊपर बाईं ओर से आने वाली मुलायम दिशात्मक रोशनी, सेरामिक ग्लेज़ की हल्की चमक, लिनन के रेशे और प्राकृतिक संपर्क-छायाएँ दिखाएँ। मग पूरा फ्रेम में और बीच में हो; पृष्ठभूमि सादी और तटस्थ हो, कोई अन्य वस्तु, वॉटरमार्क या अतिरिक्त टेक्स्ट न हो।

Photorealistic ecommerce studio photograph. A coral-red ceramic mug with a handle on the right sits on a pale gray stone tabletop, with a folded beige linen cloth to its left. The mug reads "BETTER DAY" in clear white lettering. Soft directional light from upper left, subtle glaze reflections, visible linen fibers and natural contact shadows. Entire mug in frame, centered composition, simple neutral background. No other objects, no watermark, no additional text.

• दृश्य की अच्छी पूर्णता: तीनों छवियों में मूंगे-लाल ग्लेज़ की चमक, दाईं ओर का हैंडल, हल्के धूसर पत्थर का काउंटर, बेज लिनन के रेशे और साफ़ पढ़ा जा सकने वाला सफ़ेद “BETTER DAY” टेक्स्ट मौजूद है।
• स्वतंत्र सैंपलिंग के अंतर: हर जनरेशन स्वतंत्र सैंपलिंग है, इसलिए मग के अनुपात, फ़ॉन्ट की मोटाई और कपड़े की तहों में स्वाभाविक अंतर है (उदाहरण के लिए, 4K क्षैतिज छवि में टेक्स्ट दो पंक्तियों में है)। इसलिए क्रॉप केवल हर छवि के वास्तविक विवरण दिखाते हैं; वे एक समान संरचना वाला ऑप्टिकल शार्पनेस प्रयोग नहीं हैं।
• बिलिंग सीमा स्पष्ट रूप से दिखाई देती है: पहली छवि 1024x1024 माँगने पर भी 1254×1254 की उच्च-रिज़ॉल्यूशन वर्गाकार छवि के रूप में मिली। इसलिए दूसरी 2048×2048 छवि की तरह इसे भी 2K श्रेणी (¥0.11) पर बिल किया गया।

​

उदाहरण B: उत्पाद का स्थानीय रंग बदलना; Mask का वास्तविक प्रभाव और सीमाएँ

पारदर्शी मास्क क्षेत्र के भीतर केवल मग के मूंगे-लाल शरीर को गहरे नेवी नीले रंग में बदलें। सेरामिक सामग्री, रोशनी और चमक बनाए रखें। सफ़ेद “BETTER DAY” टेक्स्ट, लाल हैंडल, लिनन कपड़ा, काउंटर, पृष्ठभूमि और पूरी संरचना को न बदलें। कोई वस्तु न जोड़ें और न हटाएँ।

Change only the coral-red mug body inside the transparent mask to deep navy blue. Preserve ceramic texture, lighting and reflections. Keep the white "BETTER DAY" lettering, red handle, linen cloth, tabletop, background and composition unchanged. Do not add or remove any objects. Do not change anything outside the transparent mask.

• मुख्य रंग-परिवर्तन उद्देश्य पूरा हुआ: मग का बाहरी शरीर सफलतापूर्वक गहरा नेवी नीला हुआ और सेरामिक चमक बनी रही; मास्क के बाहर का लाल हैंडल, बाईं ओर का लिनन कपड़ा और पृष्ठभूमि कुल मिलाकर सुरक्षित रहे, तथा मास्क के भीतर “BETTER DAY” टेक्स्ट पढ़ने योग्य रहा।
• Mask की सख्त सीमा पास नहीं हुई (रंग बाहर तक फैला): मग के किनारे और अंदर की दीवार को ध्यान से देखने पर पता चलता है कि अपारदर्शी सुरक्षित क्षेत्र में मौजूद मूंगे-लाल रंग का हिस्सा भी मॉडल ने गहरा नीला कर दिया। अधिक चरम “दो वृत्त” ज्यामितीय परीक्षण में बिना मास्क वाला दायाँ वृत्त भी बदल गया।
• उपयोग का सुझाव: संदर्भ छवि और Mask अपलोड करते समय दोनों का कैनवस आकार समान रखें (बदलने वाला क्षेत्र पारदर्शी और सुरक्षित रखने वाला क्षेत्र अपारदर्शी हो) तथा Prompt में “क्या बदलना है” और “क्या सुरक्षित रखना है”, दोनों लिखें। ब्रांड लोगो, पैकेजिंग के छोटे अक्षरों या सख्त किनारों वाली औद्योगिक व्यावसायिक छवियों के लिए जनरेशन के बाद बड़ा करके सुरक्षित क्षेत्र की सीमाएँ ज़रूर जाँचें।

​

7. कीमत और वास्तविक उपयोग लागत: अंत में कितना शुल्क लगेगा?

💡 बजट बनाने की मुख्य बात: लागत “वास्तव में मिली श्रेणी” के आधार पर आँकें, “अनुरोध पैरामीटर” के आधार पर नहीं। जैसा कि ऊपर के परीक्षण में दिखा, आज flare, sunburst या gpt-image-2 को 1024x1024 (1K) भेजने पर कुछ अनुरोधों में 1254×1254 छवियाँ मिलीं। ऐसी स्थिति में सिस्टम वास्तविक डिलीवरी के आधार पर इसे 2K वर्गीकृत करता है (अर्थात ¥0.15 या ¥0.11, न कि 1K की ¥0.035 दर)। यदि flare को भेजे गए सभी 100 1024x1024 अनुरोध 1254×1254 लौटाएँ, तो मौजूदा दर से 100 छवियों की लागत ¥15.00 (अंकगणितीय अनुमान) होगी। इसके अलावा, सिस्टम का वर्गीकरण लक्ष्य आकार और उचित विचलन सीमा दोनों पर आधारित है (उदाहरण के लिए, 3840×2159 सामान्यतः 4K और 1536×1024 1K के रूप में वर्गीकृत होता है)। अपने सिस्टम में “सबसे लंबा किनारा 1024 से बड़ा है या नहीं” जैसे सरल नियम से शुल्क दोबारा न निकालें। अंतिम निपटान हमेशा प्रतिक्रिया के bettertoken_image_billing फ़ील्ड पर आधारित होता है।

​

केवल सतही “प्रति छवि कम कीमत” क्यों न देखें?

1. कीमत तभी तुलनीय है जब वास्तविक आउटपुट लक्ष्य आकार तक पहुँचे: “4K समर्थन और बहुत कम कीमत” का दावा करने वाला अनुरोध यदि केवल 1024 की छोटी, घटाई हुई छवि लौटाए, तो उच्च-रिज़ॉल्यूशन छवि वाले उत्पादन वातावरण में उपयोग नहीं हो सकता और उसे वैध 4K कीमत की तुलना में शामिल नहीं करना चाहिए।
2. विफलता और दोबारा काम करने की लागत जोड़ें: इस दौर के अमान्य पैरामीटर परीक्षणों पर शुल्क नहीं लगा; सफलतापूर्वक मिली लेकिन असंतोषजनक छवि के लिए दोबारा अनुरोध करना एक नया अनुरोध है और उसका बजट अलग रखें। इस लेख के उत्पाद और Mask उदाहरणों की 4 छवियाँ (3 जनरेशन + 1 संपादन) प्रत्येक एक ही अनुरोध में मिलीं। Mask नमूने में ऊपर बताई गई सीमा के बाहर रंग बदलने की समस्या थी। प्रति छवि लागत क्रमशः ¥0.11, ¥0.11, ¥0.13 और ¥0.11 थी; चारों छवियों की वास्तविक कुल लागत केवल ¥0.46 रही और बिल खाते से कटी राशि से पूरी तरह मेल खाता था। यदि अस्थिर रूट या असंगत पैरामीटर के कारण बार-बार जनरेशन करनी पड़े, तो प्रति छवि दिखाई देने वाली कीमत कम होने पर भी उपयोगी सामग्री प्राप्त करने की वास्तविक कुल लागत बढ़ सकती है।
3. छिपी हुई विकास-अनुकूलन लागत घटाएँ: एकीकृत पैरामीटर मानक, क्षमता-आधारित स्मार्ट रूटिंग और वास्तविक पिक्सेल व बिलिंग फ़ील्ड की तत्काल वापसी से BetterToken अलग-अलग सेवाओं को अनुकूलित करने तथा आकार और लागत की जानकारी स्वयं संकलित करने का काम घटाता है।

​

8. सीधे कॉपी करने योग्य कॉल उदाहरण

​

उदाहरण 1: उच्च-रिज़ॉल्यूशन उत्पाद छवि बनाने का JSON अनुरोध (POST /v1/images/generations)

curl https://bettertoken.ai/v1/images/generations -o response.json \
  -H "Authorization: Bearer $BETTERTOKEN_API_KEY" \
  -H "Content-Type: application/json" \
  --data-binary @- <<'JSON'
{
  "model": "gpt-image-2",
  "prompt": "Photorealistic ecommerce studio photograph. A coral-red ceramic mug with a handle on the right sits on a pale gray stone tabletop, with a folded beige linen cloth to its left. The mug reads \"BETTER DAY\" in clear white lettering. Soft directional light from upper left, subtle glaze reflections, visible linen fibers and natural contact shadows. Entire mug in frame, centered composition, simple neutral background. No other objects, no watermark, no additional text.",
  "size": "2048x2048",
  "quality": "high",
  "n": 1,
  "response_format": "b64_json",
  "output_format": "png"
}
JSON

• आकार संबंधी नोट: 4K क्षैतिज छवि के लिए "size" को "3840x2160" करें ("4096x4096" का उपयोग न करें)। मौजूदा वैध आकारों में ये शर्तें पूरी होनी चाहिए: चौड़ाई और ऊँचाई 16 के गुणज हों, सबसे लंबा किनारा 3840 से अधिक न हो, लंबे और छोटे किनारे का अनुपात 3:1 से अधिक न हो, कुल पिक्सेल 655,360 से 8,294,400 के बीच हों।
• फ़ाइल फ़ॉर्मैट पहचानने का नोट: अनुरोध में "output_format": "png" देने के बावजूद कुछ आधार नोड JPEG फ़ॉर्मैट का बाइनरी डेटा लौटा सकते हैं। छवि सहेजते या संसाधित करते समय एक्सटेंशन को पहले से तय न करें; फ़ाइल हेडर (Magic Bytes) से वास्तविक छवि फ़ॉर्मैट पहचानें।

​

उदाहरण 2: Multipart संदर्भ छवि और Mask से स्थानीय संपादन (POST /v1/images/edits)

curl https://bettertoken.ai/v1/images/edits -o response.json \
  -H "Authorization: Bearer $BETTERTOKEN_API_KEY" \
  -F "model=gpt-image-2" \
  -F "image=@product-1k-0.png;type=image/png" \
  -F "mask=@mask-mug.png;type=image/png" \
  -F 'prompt=Change only the coral-red mug body inside the transparent mask to deep navy blue. Preserve ceramic texture, lighting and reflections. Keep the white "BETTER DAY" lettering, red handle, linen cloth, tabletop, background and composition unchanged. Do not add or remove any objects. Do not change anything outside the transparent mask.' \
  -F "size=2048x2048" \
  -F "quality=high" \
  -F "n=1" \
  -F "response_format=b64_json"

​

उदाहरण 3: वास्तव में मिले पिक्सेल और बिलिंग जानकारी पढ़ना (प्रतिक्रिया संरचना और पार्सिंग कोड)

{
  "created": 1792398084,
  "data": [
    {
      "b64_json": "iVBORw0KGgoAAAANSUhEUgAA..."
    }
  ],
  "bettertoken_image_billing": {
    "currency": "CNY",
    "settled_amount": "0.11",
    "outputs": [
      {
        "index": 0,
        "width": 2048,
        "height": 2048,
        "billing_resolution": "2K",
        "currency": "CNY",
        "amount": "0.11"
      }
    ]
  }
}

import base64
import io
import json
from pathlib import Path
from PIL import Image  # 需要 Pillow

# 将 API 的 JSON 响应保存为 response.json 后执行。
resp_json = json.loads(Path("response.json").read_text())
if "error" in resp_json:
    raise RuntimeError(resp_json["error"])

billing = resp_json["bettertoken_image_billing"]
outputs = {item["index"]: item for item in billing["outputs"]}
for index, item in enumerate(resp_json["data"]):
    img_bytes = base64.b64decode(item["b64_json"], validate=True)
    with Image.open(io.BytesIO(img_bytes)) as image:
        image.load()
        width, height = image.size
        ext = {"PNG": "png", "JPEG": "jpg", "WEBP": "webp"}.get(image.format)
        if ext is None:
            raise ValueError(f"未处理的图片格式：{image.format}")
    Path(f"output_{index}.{ext}").write_bytes(img_bytes)
    info = outputs[index]
    print(f"图片 {index}：原图 {width}×{height}；计费档位 {info['billing_resolution']}")
    print(f"单张费用：{info['amount']} {info['currency']}")
    if (width, height) != (info["width"], info["height"]):
        print("图片像素与响应尺寸不一致，请保留结果并联系支持。")
print(f"本次结算：{billing['settled_amount']} {billing['currency']}")

• OpenAI आधिकारिक दस्तावेज़: इमेज प्रॉम्प्ट लिखने की मार्गदर्शिका (Image Prompting Guide)
• OpenAI Cookbook: उच्च इनपुट फ़िडेलिटी के साथ छवि बनाने और संपादित करने का उदाहरण