GPT-Image-2で透過PNGを要求する基本ボディとsizeの4条件

ChatGPT
画像生成

Image APIのv1/images/generationsからGPT-Image-2の透過PNGを新規生成したいPython実装者向けに、公式ドキュメント上で分かれている透過指定、size制約、保存例を一続きに整理し、popular sizesの総画素数とexperimental該当も計算済みで示します。本記事ではAPIを実行せず、実装前にコードと仕様を照合します。

結論：透過PNGの基本ボディと出力対応

GPT-Image-2で透過PNGを要求する基本ボディは、model、prompt、backgroundの3項目です。v1/images/generationsへ送る中心部分は次のJSONです。

{
  "model": "gpt-image-2",
  "prompt": "白い陶器製マグカップの商品画像。被写体だけを中央に配置する",
  "background": "transparent"
}

backgroundの正式な選択肢はtransparent、opaque、autoで、APIリファレンスではautoが既定値です。透過が必要なら自動判断へ任せず、transparentを明示します。GPT-Image-2の透過背景対応はpreviewです。

出力形式の正式なパラメーター名はoutput_formatです。既定形式はPNGなので省略できますが、レビュー時に意図を明確にするならoutput_format="png"を加えられます。透過背景で使える形式はPNGまたはWebPで、JPEGは使えません。

必要な寸法が決まっていればsizeも加えます。以下は公式ガイドのPython保存例に透過用パラメーターを足した、本記事では未実行のレビュー用コードです。

from openai import OpenAI
import base64

client = OpenAI()

prompt = """
白い陶器製マグカップの商品画像。
被写体だけを中央に配置する。
"""

result = client.images.generate(
    model="gpt-image-2",
    prompt=prompt,
    background="transparent",
    output_format="png",
    size="1024x1024",
)

image_base64 = result.data[0].b64_json
image_bytes = base64.b64decode(image_base64)

with open("transparent-mug.png", "wb") as f:
    f.write(image_bytes)

base64文字列をそのまま.pngへ書いてもPNGのバイト列にはならないため、base64.b64decodeした結果をバイナリモードで保存します。実行結果と、生成物のアルファチャンネルが実際に透過しているかの確認は本記事の範囲外です。

透過背景ではJPEGを選べないため、この記事の範囲でoutput_compressionが関係するのはWebPへ切り替えた場合だけです。既定値は100、指定範囲は0〜100で、output_compression=50は50％圧縮の例です。

modelを暗黙の既定値にしない理由

Image APIリファレンスではmodelの既定値はdall-e-2ですが、「GPT画像モデル固有のパラメーターを使う場合を除く」という条件が付いています。一方、backgroundを指定したときに、どのGPT画像モデルへ解決されるかは本文に明記されていません。今回の対象をGPT-Image-2へ固定するため、model="gpt-image-2"を明示します。

また、公式資料はGPT-Image-2の透過対応をpreviewとしていますが、その範囲や期間は定義していません。仕様変更を前提に再検証を組み込み、挙動を固定する必要がある実装では、モデルページに掲載されたgpt-image-2-2026-04-21のようなスナップショットを選ぶ判断もできます。

auto・popular sizes・任意sizeの使い分け

sizeを省略した場合はautoが既定です。寸法をモデルに選ばせる場合は省略またはauto、固定寸法が必要な場合はpopular sizesか、条件を満たす一覧外の任意解像度を指定します。

公式掲載のpopular sizes 7件を、総画素数とexperimental区分まで計算すると次のとおりです。

1024x1024：総画素数：1,048,576／experimentalか：対象外
1536x1024：総画素数：1,572,864／experimentalか：対象外
1024x1536：総画素数：1,572,864／experimentalか：対象外
2048x2048：総画素数：4,194,304／experimentalか：該当
2048x1152：総画素数：2,359,296／experimentalか：対象外
3840x2160：総画素数：8,294,400／experimentalか：該当
2160x3840：総画素数：8,294,400／experimentalか：該当

公式ガイドは、3,686,400pxを超える出力をexperimentalとしています。この総画素数基準で計算すると、popular sizesでも2048x2048、3840x2160、2160x3840の3件が該当します。

また、公式ガイドはGPT-Image-2が任意解像度を受理する条件として、次の4項目を示しています。popular sizesの7件はいずれも計算上この条件を満たします。運用上の違いは、popular sizesが公式掲載済みであるのに対し、一覧外の寸法は実装者が各条件を個別に計算する点です。

1. 最長辺が3,840px以下

2. 両辺が16pxの倍数

3. 長辺と短辺の比率が3:1以下

4. 総画素数が655,360〜8,294,400

一覧外の1000x1000は1,000,000pxで比率も1:1ですが、1,000が16の倍数ではないため不合格です。800x800は両辺が16の倍数で比率も1:1ですが、640,000pxとなり下限の655,360pxを下回ります。2400x768は両辺が16の倍数で1,843,200px、最長辺も上限内ですが、長短比が3.125:1となり3:1を超えるため不合格です。

この3例には最長辺超過の反証がありませんが、確認方法は同じです。指定する長辺を3,840pxと数値比較し、超えていれば他の条件にかかわらず候補から外します。つまり一覧外のsizeは、寸法名だけで判断せず、最長辺、16px単位、比率、総画素数の4計算をそろえてレビューする必要があります。

弊社では、AI社員の導入支援や企業のAX推進支援を行っています。人員を増やさず、今の体制のまま生産性と売上を伸ばしたい法人のご担当者様は、下

記のボタンからお気軽にお問い合わせください。