Object Removal API: Objekte mit GPT Image 2 aus Fotos entfernen

Am 28. Oktober 2026 genügte eine Anweisung pro Objekt, damit der Edit-Endpunkt von GPT-Image 2 aus einem Parkfoto eine Frau mit Hund, einen blauen Abfalleimer und einen roten Drachen entfernte. Es waren drei Läufe mit je einem Satz. Die Lücke fügte sich jeweils in die Umgebung ein, und Bank, Bäume und Skyline blieben an ihrem Platz.

Der Aufruf schickt einen Prompt und ein Quellbild und liefert ein vollständig neues Bild zurück. Unten stehen der Python-Code, den wir ausgeführt haben, die drei Ergebnisse in voller Größe und die Prüfungen, die eine Füllung aufdecken, die Sie lieber wiederholen möchten.

Was eine Entfernung per Anweisung leistet

Sie senden ein Foto und einen Satz. Der Satz benennt das Objekt, sagt, was an seine Stelle treten soll, und listet auf, was bleiben muss. Das Modell zeichnet diesen Bereich neu und gibt ein ganz neues Bild zurück, ein separater Montageschritt entfällt.

Der Aufruf ist dieselbe Medienaufgabe wie jede andere Bearbeitung bei OmniaKey: Modell gpt-image-2, type image, operation edit, das Quellfoto im Feld input image als Base64 und der Satz in input prompt. In parameters wird size als WIDTHxHEIGHT geschrieben, quality kann low, medium, high oder auto sein, n muss 1 sein. Beide Operationen stehen auf der Modellseite.

Die Steuerung liegt in der Formulierung. "Der kleine rote Drachen am Himmel" ist eine andere Aufgabe als "das rote Ding", und eine Füllung wie "Gras und Pflastersteine" entscheidet, was den Platz danach einnimmt. Die Reihenfolge der Sätze behandelt der GPT Image 2 Prompt-Guide, und die FLUX-Kontext-Alternative verwendet dieselbe Art Anweisung mit GPT Image 2.

Die Anfrage

Eine einzige Python-Datei erledigt alles: Foto kodieren, Aufgabe anlegen, bis zum Ende abfragen, dann das PNG herunterladen.

import base64
import json
import os
import time
import urllib.request
import uuid

API = "https://api.omniakey.com/v1/media/tasks"
KEY = os.environ["OMNIAKEY_API_KEY"]


def request(method, url, body=None, extra_headers=None):
    headers = {"Authorization": f"Bearer {KEY}", "User-Agent": "omniakey-example/1"}
    data = None
    if body is not None:
        headers["Content-Type"] = "application/json"
        data = json.dumps(body).encode()
    headers.update(extra_headers or {})
    req = urllib.request.Request(url, data=data, headers=headers, method=method)
    with urllib.request.urlopen(req, timeout=120) as resp:
        return json.load(resp)


def edit_image(source_path, prompt, out_path, size="1024x1536", quality="medium"):
    with open(source_path, "rb") as f:
        image = base64.b64encode(f.read()).decode()
    body = {
        "model": "gpt-image-2",
        "type": "image",
        "operation": "edit",
        "input": {"prompt": prompt, "image": {"data": image, "mime_type": "image/jpeg"}},
        "parameters": {"size": size, "quality": quality},
    }
    task = request("POST", API, body, {"Idempotency-Key": str(uuid.uuid4())})["id"]
    for _ in range(150):
        time.sleep(4)
        state = request("GET", f"{API}/{task}")
        if state["status"] not in ("queued", "processing"):
            break
    if state["status"] != "succeeded":
        raise RuntimeError(state.get("error") or state["status"])
    asset_url = state["assets"][0]["url"]  # signed link: valid for about an hour, so download now
    req = urllib.request.Request(asset_url, headers={"User-Agent": "omniakey-example/1"})
    with urllib.request.urlopen(req, timeout=120) as resp, open(out_path, "wb") as f:
        f.write(resp.read())
    return task
if __name__ == "__main__":
    task = edit_image(
        "park-base.jpg",
        "Remove the blue trash bin completely. Fill its spot with grass and paving stones so it matches the surroundings. Keep everything else exactly the same. Photorealistic, no text, no logos.",
        "park-no-bin.png",
        size="1536x1024",
    )
    print("task", task)

Wir haben die Funktion am 28. Oktober 2026 mit einem anderen Prompt geprüft, einer gelben Regenjacke, auf einem JPEG mit 1024 Pixeln des Basismodells; zurück kam ein PNG mit 1024x1536.

• Der Anlageaufruf liefert HTTP 202 und eine Task-ID (OmniaKey-Bilddokumentation, geprüft am 28. Oktober 2026). Fragen Sie diese Aufgabe ab, bis der Status queued oder processing verlässt; succeeded bedeutet, dass die Dateien bereit sind, und eine fehlgeschlagene Aufgabe trägt einen Fehlercode und eine Meldung und wird nicht berechnet.
• Die signierte URL des Ergebnisses verfällt nach etwa einer Stunde, die Datei selbst bleibt 24 Stunden erhalten. Laden Sie sofort mit einem normalen GET herunter, das keinen API-Schlüssel sendet.
• Inline-Base64 zählt gegen die Obergrenze von 1 MiB pro Anfrage, verkleinern Sie also zuerst ein Handyfoto.
• Senden Sie einen User-Agent-Header: Am 28. Oktober 2026 kam eine Anfrage mit dem Standardwert von Python als HTTP 403 zurück, mit diesem Header funktionierte sie.
• Die Größe wird ausdrücklich angegeben, ein Querformat geht daher mit 1536x1024 hinaus. GPT Image liefert immer ein undurchsichtiges PNG, lesen Sie die tatsächlichen Maße also aus der heruntergeladenen Datei.

Zu den Kosten: Die Preisseite von OpenAI nennt GPT Image 2 mit $8.00 pro einer Million Bild-Eingabe-Tokens und $30.00 pro einer Million Bild-Ausgabe-Tokens, die Batch-Preise liegen bei der Hälfte (geprüft am 28. Oktober 2026). Eine Tabelle pro Bild gibt es dort nicht; der Leitfaden zur Bildgenerierung enthält einen Rechner für ein Bild. Der aktuelle Tarif von OmniaKey steht auf der Preisseite.

Drei Entfernungen in einem Parkfoto

Alle vier Bilder stammen aus demselben Grundbild: ein sonniger Weg in einem Stadtpark, eine Holzbank in der Mitte, links ein blauer Abfalleimer aus Metall, eine Frau, die einen kleinen braunen Hund zur Kamera führt, und hoch am klaren Himmel ein kleiner roter Drachen. Grundbild und Ergebnisse entstanden mit 1536x1024, quality medium, mit GPT Image 2 über OmniaKey am 28. Oktober 2026; Szene und Personen sind synthetisch. Wir haben pro Objekt einen Satz gesendet und jeden Lauf einmal ausgeführt.

Erzeugt mit GPT-Image 2 über die OmniaKey-API am 28. Oktober 2026, Größe 1536x1024, quality medium.

Die zweite Kachel verliert Frau und Hund, während Weg und Gras dahinter schließen, und Bank, Eimer, Bäume, Drachen und Skyline bleiben. Die dritte entfernt den Eimer und baut seinen Platz mit Gras und Pflaster neu auf, Frau und Hund sind weiter im Bild. Die vierte räumt den Drachen aus einem ansonsten unveränderten Himmel.

Was nach jeder Entfernung zu prüfen ist

Sehen Sie sich jede Kachel in Originalgröße an, bevor Sie eine Entfernung ausliefern.

• Der Rand der Füllung und der Rest des Bildes. Neues Gras, Pflaster oder Wegtextur trifft irgendwo auf das Alte, und das Modell zeichnet das ganze Bild neu. Vergleichen Sie diese Naht und einen Rand um das Objekt mit dem Quellfoto; eine weiche, wiederholte oder verschmierte Stelle zeigt sich dort zuerst.
• Alles, was das Objekt berührt hat. Eine Leine, ein Schatten oder eine Spiegelung muss mit ihm zusammen neu aufgebaut werden.
• Die Behalten-Liste, Punkt für Punkt. Die erste Entfernung behielt Bank, Eimer, Bäume, Drachen und Himmel; die zweite behielt Frau und Hund. Benennen Sie jeden Punkt und suchen Sie ihn dann.

Was wir nicht getestet haben

Maskeingaben, volle Szenen und sehr kleine Objekte haben wir nicht getestet. Wenn Ihr Foto eine Menschenmenge, eine Zaunreihe oder einen dünnen Riemen wie eine Leine enthält, planen Sie einen zweiten Lauf und sehen Sie sich diesen Rand in voller Größe an.

Eine Vorlage für die Anweisung

Entfernen Sie [das Objekt, mit dem unterscheidenden Detail] vollständig. Füllen Sie seinen Platz mit [Material], damit es zur Umgebung passt. Lassen Sie [das, was bleiben muss] genau gleich. Fotorealistisch, kein Text, keine Logos.

• Das Objekt mit dem unterscheidenden Detail. "Der kleine rote Drachen am Himmel" ist besser als "der Drachen" und sagt dem Modell, welcher gemeint ist, wenn mehrere im Bild sind.
• Die Füllung als Material. "Gras und Pflastersteine" gibt dem Modell etwas, woran es sich zur Umgebung ausrichten kann; "entfernen" allein überlässt die Wahl dem Modell.
• Die Behalten-Liste. Nennen Sie, was überleben muss: die Bank, der blaue Eimer, die Bäume, der Drachen, der Himmel.
• Der Stilabschluss. "Fotorealistisch, kein Text, keine Logos" hält ein Foto wie ein Foto aussehen.

Für einen Kleidungswechsel an einer Person funktioniert dieselbe Form, wobei das Kleidungsstück als das Objekt benannt wird, das sich ändert; der Guide zur virtuellen Anprobe geht diesen Fall durch.

Häufige Fragen

Lässt sich eine Person mit einer API aus einem Foto entfernen?

Ja, mit einer Prüfung des Ergebnisses. In der ersten Entfernung verschwanden die Frau und ihr Hund in einem Schritt aus dem Bild, und Weg und Gras wurden dahinter neu aufgebaut.

Nimmt der Endpunkt eine Maske an?

Die OmniaKey-Dokumentation beschreibt ein Quellbild und einen Prompt (geprüft am 28. Oktober 2026). Ein Maskenfeld beschreibt sie nicht, und es gab keinen Lauf mit Maske. Sie benennen das Objekt und seine Position in Worten, statt einen Bereich zu malen.

Wie lange halten die Links zum Ergebnis?

Der signierte Link hält etwa eine Stunde (OmniaKey-Dokumentation, geprüft am 28. Oktober 2026), die Datei selbst bleibt 24 Stunden erhalten. Laden Sie herunter, sobald eine Aufgabe erfolgreich ist.

Welche Größe sollte ich anfordern?

Geben Sie size als ausdrückliches WIDTHxHEIGHT an, etwa 1536x1024 für ein Querformat, und lesen Sie die tatsächlichen Maße aus dem heruntergeladenen PNG. GPT Image liefert immer eine undurchsichtige Datei, planen Sie einen Zuschnitt also nach dem Download.

Kann eine Anweisung zwei Objekte entfernen?

In der ersten Entfernung entfernte ein Satz eine Frau und ihren Hund zusammen. Andere Paare blieben ungetestet.

Beginnen Sie auf der Modellseite GPT-Image 2 für die Parameter, und prüfen Sie die aktuellen Tarife, bevor Sie die nächste Entfernung planen.