OpenAI 图像生成 #
什么是 DALL·E？ #
DALL·E 是 OpenAI 开发的 AI 图像生成模型，能够根据文本描述生成高质量图像。它结合了 GPT 的语言理解能力和图像生成技术，可以创造出令人惊叹的视觉作品。
text
┌─────────────────────────────────────────────────────────────┐
│ DALL·E 工作原理 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 输入：文本描述 │
│ "一只穿着宇航服的猫，站在月球上，背景是地球" │
│ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ │ │
│ │ 文本理解 ───> 概念组合 ───> 图像生成 │ │
│ │ │ │
│ └─────────────────────────────────────────────────────┘ │
│ │
│ 输出：生成的图像 │
│ [高质量 AI 生成图像] │
│ │
└─────────────────────────────────────────────────────────────┘
DALL·E 版本对比 #
text
┌─────────────────────────────────────────────────────────────┐
│ DALL·E 版本对比 │
├─────────────────────────────────────────────────────────────┤
│ │
│ DALL·E 3（推荐） │
│ ───────────────────────────────────────────────────────── │
│ ✅ 最高质量图像 │
│ ✅ 更好的提示词理解 │
│ ✅ 图像中可渲染文字 │
│ ✅ 安全性增强 │
│ ✅ 支持多种尺寸 │
│ │
│ DALL·E 2 │
│ ───────────────────────────────────────────────────────── │
│ ✅ 支持图像编辑 │
│ ✅ 支持图像变体 │
│ ✅ 成本较低 │
│ ⚠️ 质量不如 DALL·E 3 │
│ │
└─────────────────────────────────────────────────────────────┘
基本用法 #
生成图像 #
python
from openai import OpenAI
client = OpenAI()
response = client.images.generate(
model="dall-e-3",
prompt="一只可爱的猫咪，坐在窗台上看外面的雨景，油画风格",
size="1024x1024",
quality="standard",
n=1
)
image_url = response.data[0].url
print(f"图像 URL: {image_url}")
Node.js 示例 #
javascript
import OpenAI from 'openai';
const client = new OpenAI();
async function generateImage() {
const response = await client.images.generate({
model: 'dall-e-3',
prompt: '一只可爱的猫咪，坐在窗台上看外面的雨景，油画风格',
size: '1024x1024',
quality: 'standard',
n: 1
});
console.log(response.data[0].url);
}
generateImage();
cURL 示例 #
bash
curl https://api.openai.com/v1/images/generations \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '{
"model": "dall-e-3",
"prompt": "一只可爱的猫咪",
"size": "1024x1024",
"n": 1
}'
参数详解 #
model（模型） #
text
┌─────────────────────────────────────────────────────────────┐
│ model 参数 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 可选值： │
│ ───────────────────────────────────────────────────────── │
│ dall-e-3 最新版本，质量最高（推荐） │
│ dall-e-2 旧版本，支持编辑和变体 │
│ │
└─────────────────────────────────────────────────────────────┘
prompt（提示词） #
text
┌─────────────────────────────────────────────────────────────┐
│ prompt 参数 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 描述：图像的文本描述 │
│ 类型：string │
│ 最大长度：4000 字符（DALL·E 3） │
│ │
│ 提示词技巧： │
│ ───────────────────────────────────────────────────────── │
│ 1. 描述要具体详细 │
│ 2. 包含风格描述 │
│ 3. 指定构图和视角 │
│ 4. 添加光线和氛围描述 │
│ │
└─────────────────────────────────────────────────────────────┘
size（尺寸） #
text
┌─────────────────────────────────────────────────────────────┐
│ size 参数 │
├─────────────────────────────────────────────────────────────┤
│ │
│ DALL·E 3 支持的尺寸： │
│ ───────────────────────────────────────────────────────── │
│ 1024x1024 正方形 │
│ 1792x1024 横向 │
│ 1024x1792 纵向 │
│ │
│ DALL·E 2 支持的尺寸： │
│ ───────────────────────────────────────────────────────── │
│ 256x256 │
│ 512x512 │
│ 1024x1024 │
│ │
└─────────────────────────────────────────────────────────────┘
quality（质量） #
text
┌─────────────────────────────────────────────────────────────┐
│ quality 参数 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 可选值： │
│ ───────────────────────────────────────────────────────── │
│ standard 标准质量 │
│ hd 高清质量（仅 DALL·E 3） │
│ │
│ 注意： │
│ hd 质量成本更高，但细节更丰富 │
│ │
└─────────────────────────────────────────────────────────────┘
n（数量） #
text
┌─────────────────────────────────────────────────────────────┐
│ n 参数 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 描述：生成的图像数量 │
│ 类型：integer │
│ │
│ DALL·E 3：n = 1（只支持生成一张） │
│ DALL·E 2：n = 1-10 │
│ │
└─────────────────────────────────────────────────────────────┘
response_format（响应格式） #
text
┌─────────────────────────────────────────────────────────────┐
│ response_format 参数 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 可选值： │
│ ───────────────────────────────────────────────────────── │
│ url 返回临时 URL（默认，1小时有效） │
│ b64_json 返回 Base64 编码 │
│ │
└─────────────────────────────────────────────────────────────┘
style（风格） #
text
┌─────────────────────────────────────────────────────────────┐
│ style 参数 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 仅 DALL·E 3 支持 │
│ ───────────────────────────────────────────────────────── │
│ vivid 生动、超现实风格（默认） │
│ natural 自然、写实风格 │
│ │
└─────────────────────────────────────────────────────────────┘
提示词技巧 #
基本结构 #
text
┌─────────────────────────────────────────────────────────────┐
│ 提示词结构 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 主体 + 动作/状态 + 环境 + 风格 + 技术参数 │
│ │
│ 示例： │
│ "一只橙色的猫（主体） │
│ 蜷缩在沙发上睡觉（动作/状态） │
│ 温暖的客厅，阳光透过窗户（环境） │
│ 油画风格，印象派（风格） │
│ 柔和光线，高细节（技术参数）" │
│ │
└─────────────────────────────────────────────────────────────┘
风格关键词 #
python
styles = {
"绘画风格": [
"油画", "水彩画", "素描", "国画", "丙烯画",
"印象派", "超现实主义", "波普艺术", "极简主义"
],
"数字艺术": [
"数字绘画", "概念艺术", "赛博朋克", "像素艺术",
"3D渲染", "矢量图", "扁平化设计"
],
"摄影风格": [
"专业摄影", "人像摄影", "风景摄影", "微距摄影",
"黑白摄影", "复古摄影", "电影感"
],
"艺术流派": [
"梵高风格", "莫奈风格", "毕加索风格", "宫崎骏风格",
"新海诚风格", "吉卜力风格"
]
}
提示词示例 #
python
prompts = [
"一只穿着宇航服的猫咪，站在月球表面，背景是蓝色的地球升起，科幻电影风格，高细节，电影级光影",
"古老的中国园林，亭台楼阁，小桥流水，樱花飘落，水墨画风格，意境悠远",
"未来城市的天际线，霓虹灯闪烁，飞行汽车穿梭，赛博朋克风格，夜景，高对比度",
"一杯冒着热气的咖啡，放在木质桌面上，旁边有一本书，阳光从窗户照进来，温馨氛围，产品摄影",
"一只可爱的柴犬，戴着墨镜，坐在沙滩椅上，喝着椰子汁，卡通风格，明亮色彩"
]
for prompt in prompts:
response = client.images.generate(
model="dall-e-3",
prompt=prompt,
size="1024x1024",
quality="standard",
n=1
)
print(response.data[0].url)
图像编辑（DALL·E 2） #
编辑图像 #
python
response = client.images.edit(
model="dall-e-2",
image=open("original.png", "rb"),
mask=open("mask.png", "rb"),
prompt="一只白色的猫坐在那里",
n=1,
size="1024x1024"
)
print(response.data[0].url)
编辑流程 #
text
┌─────────────────────────────────────────────────────────────┐
│ 图像编辑流程 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 原始图像 遮罩图像 编辑结果 │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ 🐱 │ │ ███ │ │ 🐱 │ │
│ │ │ + │ │ = │ 🐱 │ │
│ │ │ │ │ │ │ │
│ └─────────┘ └─────────┘ └─────────┘ │
│ │
│ 遮罩区域（白色）会被重新生成 │
│ 黑色区域保持不变 │
│ │
└─────────────────────────────────────────────────────────────┘
图像变体（DALL·E 2） #
生成变体 #
python
response = client.images.create_variation(
model="dall-e-2",
image=open("original.png", "rb"),
n=4,
size="1024x1024"
)
for i, data in enumerate(response.data):
print(f"变体 {i+1}: {data.url}")
保存图像 #
下载并保存 #
python
import requests
from openai import OpenAI
client = OpenAI()
def generate_and_save(prompt: str, filename: str):
response = client.images.generate(
model="dall-e-3",
prompt=prompt,
size="1024x1024",
n=1
)
image_url = response.data[0].url
image_data = requests.get(image_url).content
with open(filename, "wb") as f:
f.write(image_data)
print(f"图像已保存: {filename}")
generate_and_save(
"一只可爱的猫咪",
"cat.png"
)
使用 Base64 #
python
import base64
from openai import OpenAI
client = OpenAI()
response = client.images.generate(
model="dall-e-3",
prompt="一只可爱的猫咪",
size="1024x1024",
n=1,
response_format="b64_json"
)
image_data = base64.b64decode(response.data[0].b64_json)
with open("cat.png", "wb") as f:
f.write(image_data)
响应结构 #
完整响应 #
python
response = client.images.generate(
model="dall-e-3",
prompt="一只可爱的猫咪",
size="1024x1024",
n=1
)
print(f"创建时间: {response.created}")
print(f"图像数量: {len(response.data)}")
for i, data in enumerate(response.data):
print(f"\n图像 {i+1}:")
print(f" URL: {data.url}")
if hasattr(data, 'revised_prompt'):
print(f" 优化后的提示词: {data.revised_prompt}")
revised_prompt #
text
┌─────────────────────────────────────────────────────────────┐
│ revised_prompt 说明 │
├─────────────────────────────────────────────────────────────┤
│ │
│ DALL·E 3 会自动优化用户的提示词，添加更多细节： │
│ │
│ 原始提示词： │
│ "一只猫" │
│ │
│ 优化后的提示词： │
│ "一只毛茸茸的橙色猫咪，有着明亮的绿色眼睛， │
│ 坐在柔软的垫子上，柔和的光线，细节丰富..." │
│ │
│ 这有助于生成更高质量的图像 │
│ │
└─────────────────────────────────────────────────────────────┘
实际应用示例 #
批量生成 #
python
from openai import OpenAI
import time
client = OpenAI()
def batch_generate(prompts: list):
results = []
for i, prompt in enumerate(prompts):
print(f"生成第 {i+1}/{len(prompts)} 张图像...")
try:
response = client.images.generate(
model="dall-e-3",
prompt=prompt,
size="1024x1024",
n=1
)
results.append({
"prompt": prompt,
"url": response.data[0].url
})
except Exception as e:
print(f"错误: {e}")
time.sleep(1)
return results
prompts = [
"春天的樱花",
"夏天的海滩",
"秋天的枫叶",
"冬天的雪景"
]
results = batch_generate(prompts)
for r in results:
print(f"{r['prompt']}: {r['url']}")
Web 应用集成 #
python
from flask import Flask, request, jsonify
from openai import OpenAI
app = Flask(__name__)
client = OpenAI()
@app.route('/generate', methods=['POST'])
def generate():
data = request.json
prompt = data.get('prompt')
if not prompt:
return jsonify({"error": "缺少 prompt 参数"}), 400
try:
response = client.images.generate(
model="dall-e-3",
prompt=prompt,
size="1024x1024",
n=1
)
return jsonify({
"url": response.data[0].url,
"revised_prompt": response.data[0].revised_prompt
})
except Exception as e:
return jsonify({"error": str(e)}), 500
if __name__ == '__main__':
app.run(debug=True)
图像生成器类 #
python
from openai import OpenAI
import requests
from typing import Optional
from pathlib import Path
class ImageGenerator:
def __init__(self, model: str = "dall-e-3"):
self.client = OpenAI()
self.model = model
def generate(
self,
prompt: str,
size: str = "1024x1024",
quality: str = "standard",
style: str = "vivid"
) -> dict:
"""生成图像"""
response = self.client.images.generate(
model=self.model,
prompt=prompt,
size=size,
quality=quality,
style=style,
n=1
)
return {
"url": response.data[0].url,
"revised_prompt": response.data[0].revised_prompt
}
def generate_and_save(
self,
prompt: str,
save_path: str,
**kwargs
) -> str:
"""生成并保存图像"""
result = self.generate(prompt, **kwargs)
image_data = requests.get(result["url"]).content
Path(save_path).parent.mkdir(parents=True, exist_ok=True)
with open(save_path, "wb") as f:
f.write(image_data)
return save_path
def enhance_prompt(self, base_prompt: str, style: str = None) -> str:
"""增强提示词"""
enhancements = {
"realistic": "photorealistic, highly detailed, professional photography",
"artistic": "artistic, creative, expressive brushstrokes",
"cinematic": "cinematic lighting, dramatic atmosphere, movie scene",
"minimalist": "minimalist, clean lines, simple composition"
}
if style and style in enhancements:
return f"{base_prompt}, {enhancements[style]}"
return base_prompt
generator = ImageGenerator()
result = generator.generate_and_save(
"一只可爱的猫咪",
"images/cat.png",
quality="hd"
)
print(f"图像已保存: {result}")
限制与注意事项 #
内容政策 #
text
┌─────────────────────────────────────────────────────────────┐
│ 内容限制 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 禁止生成： │
│ ❌ 暴力、血腥内容 │
│ ❌ 色情、成人内容 │
│ ❌ 仇恨、歧视内容 │
│ ❌ 政治敏感内容 │
│ ❌ 公众人物肖像 │
│ ❌ 商标、版权内容 │
│ │
│ 注意： │
│ DALL·E 3 有自动内容审核 │
│ 违规请求会被拒绝 │
│ │
└─────────────────────────────────────────────────────────────┘
使用限制 #
text
┌─────────────────────────────────────────────────────────────┤
│ 使用限制 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 速率限制： │
│ - 每分钟请求数有限制 │
│ - 根据账户等级不同 │
│ │
│ 图像大小： │
│ - DALL·E 3 只支持特定尺寸 │
│ - 不能自定义分辨率 │
│ │
│ 生成数量： │
│ - DALL·E 3 每次只能生成 1 张 │
│ - 需要多张需要多次调用 │
│ │
└─────────────────────────────────────────────────────────────┘
最佳实践 #
1. 提示词要具体 #
python
bad_prompt = "一只猫"
good_prompt = """
一只毛茸茸的橙色猫咪，有着明亮的绿色眼睛，
坐在窗台上，窗外是下雨的城市街道，
柔和的室内光线，温馨的氛围，
写实风格，高细节
"""
2. 指定风格和质量 #
python
response = client.images.generate(
model="dall-e-3",
prompt=prompt,
size="1024x1024",
quality="hd",
style="vivid"
)
3. 错误处理 #
python
from openai import OpenAI, APIError, RateLimitError
client = OpenAI()
def safe_generate(prompt: str, retries: int = 3):
for attempt in range(retries):
try:
response = client.images.generate(
model="dall-e-3",
prompt=prompt,
size="1024x1024",
n=1
)
return response.data[0].url
except RateLimitError:
print(f"速率限制，等待重试...")
time.sleep(2 ** attempt)
except APIError as e:
print(f"API 错误: {e}")
if "content_policy" in str(e).lower():
print("内容违反政策")
return None
return None
下一步 #
现在你已经掌握了图像生成的使用方法，接下来学习 文本嵌入，了解如何将文本转换为向量！
最后更新：2026-03-29