
提示词
一张万圣节派对海报:画面中央是一座剪影城堡和一轮巨大的橙色满月,蝙蝠飞过,前景一排咧嘴笑的南瓜灯;大标题「万圣夜派对」,副标题「10 月 31 日 · 晚 8 点 · 老仓库」,底部一行小字「变装入场 · 最佳造型有奖」;深紫和橙色配色,复古丝网印刷质感,文字清晰。
模型与价格
Nano Banana · GPT Image
GPT Image 2 VIP 在线生图和改图,单张 $0.03,1K 到 4K 共 30 种精确尺寸,低、中、高三档质量可选,适合海报、横幅、电商图等需要写字的画面。
GPT Image 2 VIP 走 OpenAI Images 接口,在 YingTu 单张 $0.03,提供 1K、2K、4K 共 30 个精确尺寸和低、中、高三档质量,支持参考图改图。要固定像素尺寸、画面里有文字,或者本来就在用 OpenAI 接口,就选它。同价的 GPT Image 2.5 Flare / Sunburst 也能在工作台里直接选。
gpt-image-2-vip点一下,就会带着这段提示词和推荐比例打开图片工作台。
极简咖啡海报,准确显示标题“COFFEE MADE SIMPLE”,高对比排版,温暖自然光,干净商业版式。
干净的电商横幅,商品居中,留有充足文案空间,中性背景,视觉层级明确。
精致的引导页插图,包含简洁界面元素,配色克制,形状清晰,留白充足。
来自提示词库的真实出图,附提示词和这次请求的耗时。点开就能用同一段提示词。

一张万圣节派对海报:画面中央是一座剪影城堡和一轮巨大的橙色满月,蝙蝠飞过,前景一排咧嘴笑的南瓜灯;大标题「万圣夜派对」,副标题「10 月 31 日 · 晚 8 点 · 老仓库」,底部一行小字「变装入场 · 最佳造型有奖」;深紫和橙色配色,复古丝网印刷质感,文字清晰。

把参考图中的人物画成一幅漫画夸张像:大头小身,五官适度夸张但一眼能认出来,戴着同款眼镜;他坐在堆满显示器、咖啡杯和便利贴的工位上,一只手拿着数位笔,另一只手端着咖啡,身边有一只打瞌睡的橘猫;明亮的手绘水彩加马克笔风格,白色背景,幽默友好。

为一家叫「月豆咖啡」的精品咖啡店设计 logo:一颗咖啡豆的中缝化成一弯新月,简洁的几何线条;下方是店名「月豆咖啡」和一行小字「SINCE 2026」;深墨绿配暖金色,扁平矢量风格,白色背景居中,另在右下角展示一个印在牛皮纸杯上的效果。

一副白色头戴式降噪耳机的爆炸拆解图:耳罩、驱动单元、降噪麦克风、电池和头梁依次悬浮分开排列,每个部件用细线引出中文标注:「40mm 动圈单元」「双馈降噪麦克风」「60 小时续航」「记忆海绵耳罩」;浅灰渐变背景,干净的科技产品渲染风格。

一张城市爵士音乐节海报:主视觉是一把金色萨克斯风,周围是流动的霓虹线条和音符;大标题「城市爵士夜」,副标题「10.18 — 10.20 · 滨江草坪」,底部一行小字「购票请扫码」;深藏青底色配金色和珊瑚红,复古装饰艺术风格,排版有层次,文字清晰。

一张「番茄炒蛋」图解食谱:上方是成品的水彩插画,左侧列出食材:番茄 2 个、鸡蛋 3 个、葱 1 根、盐和糖少许;右侧 4 个步骤配小插图:打散鸡蛋、炒蛋盛出、炒番茄出汁、合炒调味;手绘水彩风格,米白纸张质感,文字清晰。
| 模型 | 单价 | 适合的情况 |
|---|---|---|
| GPT Image 2 VIP | $0.03 | 要精确像素尺寸、图里要写字,或三者里最便宜的;最慢,中位数 45 秒。 |
| Nano Banana 2 | $0.055 | 日常出图和改图、讲究速度:中位数 14 秒。可能会加提示词之外的细节。 |
| Nano Banana Pro | $0.09 | 结果必须忠实于照片或严格的要求:老照片修复、真人或真实商品、复杂场景。中位数 21 秒。 |
这些参数在 YingTu 图片工作台里都能直接选,新用户还有 $0.1 免费额度。
和图片工作台同一套请求格式,复制就能跑。
import base64
import mimetypes
import os
import sys
import requests
API_KEY = os.environ.get("LAOZHANG_API_KEY")
if not API_KEY:
raise RuntimeError("Set the LAOZHANG_API_KEY environment variable before running this example.")
REQUEST_TIMEOUT_SECONDS = 500
headers = {"Authorization": f"Bearer {API_KEY}"}
def extension_for_mime(mime_type):
return {
"image/jpeg": "jpg",
"image/png": "png",
"image/webp": "webp",
"image/gif": "gif",
}.get(mime_type, "bin")
def decode_base64_image(value, fallback_mime="image/png"):
mime_type = fallback_mime
encoded = value
if value.startswith("data:"):
header, encoded = value.split(",", 1)
mime_type = header[5:].split(";", 1)[0] or fallback_mime
return base64.b64decode(encoded, validate=True), mime_type
def parse_json_response(response):
try:
result = response.json()
except ValueError as error:
print("API returned a non-JSON response.", file=sys.stderr)
raise SystemExit(1) from error
if not isinstance(result, dict):
print("API returned an unexpected JSON shape.", file=sys.stderr)
raise SystemExit(1)
return result
def extract_image(result):
if not isinstance(result, dict):
return None
images = result.get("data") or []
first_image = images[0] if images and isinstance(images[0], dict) else {}
encoded = first_image.get("b64_json")
if isinstance(encoded, str) and encoded:
return decode_base64_image(encoded)
image_url = first_image.get("url")
if isinstance(image_url, str) and image_url:
image_response = requests.get(image_url, timeout=REQUEST_TIMEOUT_SECONDS)
image_response.raise_for_status()
mime_type = image_response.headers.get("Content-Type", "image/png").split(";", 1)[0]
return image_response.content, mime_type
return None
def save_result_image(result):
extracted = extract_image(result)
if not extracted:
keys = sorted(result.keys()) if isinstance(result, dict) else []
print(f"No image data in response. Top-level keys: {keys}", file=sys.stderr)
raise SystemExit(1)
image_bytes, mime_type = extracted
output_path = f"output.{extension_for_mime(mime_type)}"
with open(output_path, "wb") as output_file:
output_file.write(image_bytes)
print(f"Image saved: {output_path} ({mime_type})")
API_URL = "https://api2.laozhang.ai/v1/images/generations"
headers["Content-Type"] = "application/json"
payload = {
"model": "gpt-image-2-vip",
"prompt": "极简咖啡海报,准确显示标题“COFFEE MADE SIMPLE”,高对比排版,温暖自然光,干净商业版式。",
"size": "2048x2048",
"quality": "high"
}
try:
response = requests.post(
API_URL,
headers=headers,
json=payload,
timeout=REQUEST_TIMEOUT_SECONDS,
)
except requests.Timeout as error:
print(
"Request timed out after 500 seconds. The result status may be unknown; "
"check call and billing logs before retrying.",
file=sys.stderr,
)
raise SystemExit(1) from error
if response.status_code != 200:
print(f"API error {response.status_code}: {response.text}", file=sys.stderr)
raise SystemExit(1)
save_result_image(parse_json_response(response))不是。GPT Image 2 是 OpenAI 的模型,官方入口是 ChatGPT 和 OpenAI API。YingTu 是独立的在线工作台,通过 LaoZhang 的 gpt-image-2-vip 线路调用,按张计费。
能,不需要 VPN。在国内直接打开 yingtu.ai 就能用 GPT Image 2 出图:YingTu 通过 LaoZhang API(也就是常说的 API 中转)调用 OpenAI 的模型。没有 Google 账号的话,在 laozhang.ai 注册(新账号也送 $0.1)创建 Key 粘贴进来即可,之后在 laozhang.ai 充值,单张 $0.03。
能。在 YingTu 用 LaoZhang Key 单张 $0.03,没有订阅;用 Gmail 登录的新用户先送 $0.1,约 3 张。
本站单张 $0.03,30 种尺寸和三档质量同价,是 YingTu 三个主力模型里最便宜的(Nano Banana 2 $0.055,Nano Banana Pro $0.09)。
在 AI 海报生成页的测试里,它把三行字在中、英、日、韩、俄、西 6 种语言下都写得一字不差(6/6)。长段落和小字仍需校对。
本站中位数每张 45 秒(Nano Banana 2 是 14 秒)。需要大量快速草稿时先用 Nano Banana 2,定稿再换。
1K、2K、4K 共 30 种精确像素尺寸,横幅和印刷文件按你设的尺寸出图。每档都有同样的 10 种比例(1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9),最大是 3840×2160 和 2880×2880。
能。本页的代码就是工作台发出的同一个 OpenAI 兼容 Images 请求;GPT Image 2 API 页有更多示例。
能,在 YingTu 按张付费接着用:GPT Image 2 单张 $0.03,从 LaoZhang 余额里扣,不用开 ChatGPT 会员。用 Gmail 登录的新用户先送 $0.1,约 3 张。
在工作台选 GPT Image 2,尺寸选 4K 档就行,共 10 种,比如 3840×2160(16:9 横版)、2160×3840(9:16 竖版)、2880×2880(方图)。4K 和 1K、2K 同价,单张 $0.03。
更新于 2026-10-12