上架要白底图、详情页要透明 PNG、换季要换背景——这活量大、单张要求不高 最适合交给接口批量跑。卡住的地方一般不是代码官方模型国内直连不上 账号要海外手机号付款要国际信用卡。甜甜圈APIdashengfenshen.cn这边一个密钥就能调端点兼容 OpenAI 协议。 这篇讲抠图具体怎么接、为什么要先要透明 PNG 而不是直接要白底以及边缘发毛怎么修。用哪个模型抠图走的是图生图那条路model用生图模型就行模型 ID用在哪消耗nano-banana2批量抠图、跑量8 积分/次nano-banana-pro毛绒、透明材质这类难抠的10 积分/次gpt-image-2边缘要求最高的那几张按次计费跑量用nano-banana2一张几秒。遇到毛绒玩具、玻璃杯、亚克力这类边界模糊的 再换nano-banana-pro单独跑。接进来的写法接口地址兼容 OpenAI 协议直接替换 base_url 即可https://dashengfenshen.cn/v1抠图是「图 指令」所以content传数组import os, requests BASE https://dashengfenshen.cn/v1/chat/completions HEAD {Authorization: fBearer {os.environ[TTQ_API_KEY]}, Content-Type: application/json} def cutout(image_url, modelnano-banana2, timeout120): 抠出商品主体输出透明背景 PNG。 r requests.post(BASE, headersHEAD, timeouttimeout, json{ model: model, messages: [{role: user, content: [ {type: image_url, image_url: {url: image_url}}, {type: text, text: 抠出商品主体输出透明背景 PNG 保留边缘细节不要改变商品的颜色和形状}, ]}], }) r.raise_for_status() return r.json()指令里那句「不要改变商品的颜色和形状」一定要写。不写的话模型会顺手美化 出来的图和实物对不上——这种图上架就是退货和差评。批量跑的时候三件事入参落盘原图 URL、model、指令失败按 id 重投 并发可以开得比生视频高但先小批量压测出自己的合适值 结果立刻转存返回链接有有效期。为什么要先要透明 PNG不要直接要白底很多人第一步就让接口出白底图然后发现换不了背景了——白色已经被烙进像素里 再想换成浅灰、木纹或者场景底只能重新抠一遍。透明 PNG 保留的是alpha 通道也就是哪些像素属于商品、哪些不属于这个信息。 有了它白底、浅灰底、场景底都是本地合成的事一次抠图多处复用。所以流程应该是抠一次拿透明 PNG → 存起来 → 需要什么底就本地合成什么底。边缘发毛也是同一个道理。毛边的本质是一圈半透明像素alpha 值在 0 和 255 之间 在白底上看不出来换到深色底上就是一圈白毛。修法是处理 alpha 通道本身 向内收一像素、轻微羽化、再把对比拉开让半透明像素要么变全透明、要么融进主体。 毛绒类要温和些拉太狠会啃掉绒毛。常见问题Q抠图消耗和普通生图一样吗 A走的是同一个端点和同一批模型按次计费所以跑量选便宜的那个就行。Q哪些商品不适合用接口抠 A透明和半透明材质玻璃杯、亚克力、主体和背景同色、多个商品堆叠。 前两类不如直接用生图模型重新生成白底图比抠更干净第三类拆开单个抠。Q能不能一步出白底加投影 A可以在指令里一起写但可控性差。更稳的做法是抠出透明 PNG 投影本地合成——规则形状的商品用一个椭圆软投影就够异形的再交给模型补。Q返回的 PNG 是原图分辨率吗 A以返回结果为准别假设。批量入库前加一步尺寸校验不合格的重跑 这一步能挡掉不少后面才发现的废图。成本怎么控抠图属于量大、单张要求不高跑量模型足够真正花时间的是筛选。 加一层自动质检尺寸、alpha 占比、是否整张全透明比人工看图快得多。再加一层结果缓存同一张原图加同一条指令已经抠过就直接返回旧结果 批量场景下这一层省下的比换模型多。接口服务甜甜圈APIdashengfenshen.cn