GPT Image Edit 是 RunComfy 平台上基于 OpenAI GPT Image 2 的 /edit 端点(ChatGPT Images 2.0 图像到图像)提供的图像编辑技能。它位于 RunComfy Model API 之上,官方称其在“针对性编辑中保持身份一致”以及“改写图像内嵌文字(支持拉丁、假名、CJK、西里尔、阿拉伯等文字)”方面表现突出。
用途与定位 该模型用于在已有图像上进行编辑,而不是从零生成。按官方对比表,适合以下需求:编辑多语言或图像内嵌文字、在翻译标题的不同变体中保持身份一致、版面精确的编辑(如移动标题、替换 CTA)、使用最多 10 张参考图。若需要从零生成,应改用同系列的 gpt-image-2 技能;若要跨大量 SKU 图像保持稳定身份并批量处理(最多 20 张),官方推荐 Nano Banana Edit;若追求单次精确局部编辑、优先保真源图,推荐 Flux Kontext;人像照片级写实方面官方称 Nano Banana Pro 更强。
前提条件 需要 RunComfy CLI,安装命令为 npm i -g @runcomfy/cli;需要 RunComfy 账号,使用 runcomfy login 打开浏览器设备码流程登录;在 CI 或容器中可设置 RUNCOMPY_TOKEN 环境变量替代登录(资料原文为 RUNCOMPY_TOKEN)。
端点与输入参数 端点为 openai/gpt-image-2/edit。字段包括:prompt(字符串,必填,编辑指令,建议先写保留目标、最后写改动);images(字符串数组,必填,最多 10 个可公开获取的 HTTPS URL,第一张为主图,其余为辅助线索);size(枚举,可选,默认 auto,可选 auto 保持输入比例、1024_1024 为 1:1、1024_1536 为 2:3 竖版、1536_1024 为 3:2 横版)。官方强烈建议使用 size=auto 保留输入比例,除非编辑本身要改变取景。
调用方式 通过 runcomfy run openai/gpt-image-2/edit 提交 JSON 请求,并使用 --output-dir 指定绝对输出路径。资料给出三类示例:单图保留式编辑(保留人脸、姿态与品牌标记,仅替换背景);多语言文字改写(除标题外全部保持,标题改用日文假名粗体);多参考图合成(将图 1 主体置于图 2 房间,匹配图 2 的光线与配色,保持图 1 主体身份)。
提示词要点 官方总结的有效做法包括:先写保留目标,如“保持[人脸/姿态/服装/品牌/取景]不变”,再说明改动;处理多语言文字时引用字符原文并指明文字系统,不做转述;空间编辑使用方向性语言,如“把标题从右上移到下方居中”“只移除最左侧物体”;多图时按编号引用,如“图 1 的主体、图 2 的光线、图 3 的配色”;默认使用 size=auto。反模式包括:冗长复合指令(每增加一项范围漂移都会增加)、缺少保留目标、转述图像内文字而非引用、请求尺寸超出三个固定值加 auto(会返回 422)。
限制 size 仅支持三个固定值加 auto,其余返回 422;images 最多 10 张,第一张为主、其余为辅助;长复合提示会漂移,必要时拆成多次处理;批量 SKU 一致性和人像写实方面有官方点名的替代模型。
工作机制与安全 该技能调用 runcomfy run openai/gpt-image-2/edit,提交符合 schema 的 JSON 体。CLI 向 https://model-api.runcomfy.net/v1/models/openai/gpt-image-2/edit 发起 POST,轮询请求、获取结果,并将 .runcomfy.net/.runcomfy.com 的 URL 下载到 --output-dir;Ctrl-C 会在退出前取消远程请求。令牌存储方面,runcomfy login 将 API token 写入 ~/.config/runcomfy/token.json,权限为 0600(仅属主可读写),CI/容器中可用环境变量绕过该文件。用户提示通过 --input 以 JSON 字符串传入,CLI 不会做 shell 展开,直接经 HTTPS 发送 JSON 体,因此提示内容不构成 shell 注入面。传入的图像/蒙版/视频 URL 由 RunComfy 模型服务器而非本机 CLI 获取,外部 URL 应视为不可信,图像式提示注入是图像/视频编辑模型的已知风险。出站端点仅为 model-api.runcomfy.net(提交请求)与 *.runcomfy.net / *.runcomfy.com(生成结果下载白名单),无遥测、无回调。单次下载超过 2 GiB 时 CLI 会中止,以防磁盘被写满。
退出码 0 表示成功;64 表示 CLI 参数错误;65 表示输入 JSON 或 schema 不匹配;69 表示上游 5xx;75 表示可重试(超时/429);77 表示未登录或 token 被拒。完整参考见 docs.runcomfy.com/cli/troubleshooting。