OpenAI Images API 一次生成多张图片怎么批量筛选

准备

先确定三个条件：每次要生成的候选数量、最终使用的画幅，以及筛选标准。资料显示，图像生成接口的 n 参数通常要求在 1 到 10 之间；DALL-E 3 只支持 n=1，因此需要批量候选时，应先确认所选模型支持多张生成。

• 准备 OpenAI API 密钥，并在运行环境中配置为环境变量。
• 固定一条提示词，不要在同一批请求中同时改变主体、画幅和风格。
• 记录模型、n、size、quality 和提示词，方便复查候选结果。
• 提前写好筛选标准，例如主体完整、构图适合裁切、背景干净、产品比例稳定。

如果你还要从已有图片生成相近方案，可以先参考OpenAI Images API 图片变体怎么生成，本文重点放在同一提示词生成多张候选图后的读取与筛选。

分步操作

1. 设置生成数量和画幅。将 n 设置为 4 或 6 作为初始批次，size 根据用途选择支持的尺寸。n 的可用范围和模型限制以当前接口定义为准。

2. 发起一次生成请求。下面的示例使用非流式调用，便于等所有结果返回后统一保存：

   from openai import OpenAI
   import base64
   from pathlib import Path
   
   client = OpenAI()
   output_dir = Path("image_candidates")
   output_dir.mkdir(exist_ok=True)
   
   prompt = "商品摄影，一只白色陶瓷杯放在浅灰色台面上，正面三分之二视角，主体完整，画面右侧留出排版空间，柔和侧光，干净背景，不要文字、标识或水印"
   
   result = client.images.generate(
       model="gpt-image-1",
       prompt=prompt,
       n=6,
       size="1024x1024",
       quality="medium",
   )
   
   for index, item in enumerate(result.data, start=1):
       if not item.b64_json:
           continue
       image_bytes = base64.b64decode(item.b64_json)
       (output_dir / f"candidate-{index:02d}.png").write_bytes(image_bytes)
   
   print(f"已保存 {len(result.data)} 个候选结果")

3. 读取返回结果。把返回对象中的 data 视为候选结果列表，按返回顺序编号保存。GPT image 模型返回 Base64 图片数据，因此示例使用 base64.b64decode 解码；DALL-E 2 或 DALL-E 3 可使用 url 或 b64_json，但 URL 只在生成后的 60 分钟内有效，应及时下载。

4. 建立候选记录。不要只保存图片文件，建议同时保存一份 JSON 记录：

   {
     "prompt": "商品摄影，一只白色陶瓷杯放在浅灰色台面上",
     "model": "gpt-image-1",
     "n": 6,
     "size": "1024x1024",
     "candidates": [
       {"id": "candidate-01", "status": "待筛选"},
       {"id": "candidate-02", "status": "待筛选"}
     ]
   }

5. 按同一套标准初筛。先淘汰主体缺失、严重变形、构图无法使用的结果，再比较剩余图片的主体位置、留白、光线和用途适配度。每张图只记录“保留”“备选”或“淘汰”以及一个简短原因。

6. 复核最终候选。将保留图放到真实页面或商品版式中预览，检查裁切后主体是否仍完整，避免只看原图缩略图就做决定。

可复制模板或示例

可以把提示词拆成固定段和变量段。批量探索时只改变变量段，能减少筛选时的干扰：

固定主体：{产品名称、颜色、材质、外形特征}
构图要求：{正面或侧面视角、主体位置、留白方向}
场景要求：{背景、台面、光线和氛围}
用途要求：{商品主图、横向封面或竖向海报}
限制条件：主体完整，比例自然，不要文字、标识、水印和多余物体

示例：
固定主体：白色陶瓷杯，圆柱形杯身，细黑色杯口，哑光材质
构图要求：三分之二正面视角，主体位于画面左侧，右侧保留大面积留白
场景要求：浅灰色台面，柔和侧光，低对比度背景
用途要求：横向商品封面
限制条件：主体完整，比例自然，不要文字、标识、水印和多余物体

筛选表可以使用以下字段：候选编号、主体完整度、构图适配度、背景干净度、细节稳定性、实际用途、处理结论、淘汰原因。评分不必追求复杂，关键是所有候选都使用相同标准。

翻车怎么改

常见故障：请求设置了多张图片，但程序只保存了一张，或者保存出的文件无法打开。

原因：代码只读取了返回列表中的第一个元素，或直接把 Base64 字符串当作二进制文件写入。GPT image 模型的结果需要逐项读取并进行 Base64 解码。

修正动作：遍历 result.data，为每个 item 单独编号；读取 b64_json 后先调用 base64.b64decode，再写入 PNG 文件。如果使用 DALL-E 返回 URL，则应在有效期内下载并保存，不要只记录临时地址。

另一个常见问题是候选图看起来差异很小。此时不要马上增加风格词，先检查是否把主体、视角和画幅写得过于固定。若目标是探索构图，可以只放宽构图段；若目标是保持产品一致，则继续固定主体描述，只比较留白、角度或背景。

完成前检查

• 确认 n 在所选模型允许的范围内，并核对 DALL-E 3 的单张限制。
• 确认每个返回结果都有独立文件名，没有覆盖前一张图片。
• 确认 GPT image 的 Base64 数据已正确解码，保存文件可以正常打开。
• 确认提示词、模型、数量、尺寸和质量参数已保存。
• 确认每张候选图都按同一套标准完成保留、备选或淘汰标记。
• 确认最终图片放入实际版式后，主体、留白和裁切仍满足发布要求。