Skip to main content
Die Image-API von Venice kann Bilder mit echtem Alphakanal zurückgeben, statt eines aufgemalten weißen oder karierten Hintergrunds. Das Modell komponiert das Motiv von Anfang an mit Transparenz, sodass Kanten, Schatten und halbtransparente Bereiche (Glas, Haare, Rauch) einen Alpha-Wert pro Pixel tragen statt einer harten Maske. Das unterscheidet sich von /image/background-remove, das ein fertiges, opakes Bild nimmt und den Vordergrund nachträglich segmentiert. Nutze native Transparenz, wenn du das Asset ohnehin generierst oder bearbeitest; nutze die Hintergrundentfernung, wenn du nur das opake Bild hast.
Nebeneinander: ein Glas Eistee vor einem opaken Studiohintergrund im Vergleich zum selben Glas auf transparentem Hintergrund über einem Schachbrettmuster

Gleicher Prompt und Seed auf gpt-image-2-5-flare. Links: Standard-Output. Rechts: transparent_background: true, über einem Schachbrettmuster dargestellt. Der Schlagschatten bleibt als partielles Alpha erhalten.

Was du brauchst

Alles andere liefert 400, bevor die Inferenz läuft – abgelehnte Requests werden dir also nicht berechnet.

Schritt 1: Ein transparentes Bild generieren

/image/generate ist der native Endpoint. Setze format auf png oder webp und transparent_background auf true.
Die Antwort hat content-type: image/png mit einem RGBA-Pixel-Layout. Ohne return_binary erhältst du den üblichen JSON-Envelope mit einem Base64-String in images[0]. format ist standardmäßig webp, was ebenfalls Alpha unterstützt – du kannst format also weglassen. Nur ein explizites "format": "jpeg" schlägt fehl.
Schreib zusätzlich zum Flag auch „no background” oder „isolated on transparent background” in den Prompt. Das Flag garantiert einen Alphakanal; der Prompt hält das Modell davon ab, einen Boden, Tisch oder Hintergrund zu zeichnen, der innerhalb der Bounding Box des Motivs opak bleiben würde.

Schritt 2: Den Alphakanal prüfen

Verlass dich nicht auf die Dateiendung. Prüfe den Pixelmodus und sieh dir die Alpha-Verteilung an, um sicherzustellen, dass der Hintergrund tatsächlich transparent ist und keine abgeflachte weiße Füllung.
Ein korrektes Ergebnis hat einen großen Anteil an Pixeln mit Alpha 0 (der Hintergrund), einen Streifen partieller Werte entlang der Kanten (Anti-Aliasing und weiche Schatten) und eine Bounding Box des Motivs, die kleiner als die Leinwand ist. Ist im.mode gleich RGB oder liegt der transparente Anteil bei 0%, ist der Alphakanal irgendwo in deiner Pipeline verloren gegangen – meist durch einen Resize- oder Re-Encode-Schritt, der ihn verworfen hat.
Drei Panels: das transparente Bild über einem Schachbrettmuster, sein Alphakanal als Graustufenmaske und ein vergrößerter Ausschnitt der Schattenkante mit weichem Verlauf

Der Alphakanal des obigen Bildes, isoliert. Der Schatten unter dem Glas läuft über Dutzende Graustufen aus, statt abrupt von Weiß zu Schwarz zu springen – genau das willst du für das Compositing auf beliebige Hintergründe.

Die GPT-Image-Modelle liefern den opaken Bereich aktuell mit Alpha 252–254 statt 255. Visuell ist das nicht zu unterscheiden, aber wenn du auf == 255 thresholdest, um das Motiv zu finden, erhältst du eine leere Maske. Nutze stattdessen > 0 oder >= 250 als Schwellenwert.

Schritt 3: Den OpenAI-kompatiblen Endpoint nutzen

Wenn du bereits das OpenAI SDK verwendest, akzeptiert /images/generations denselben background-Parameter wie OpenAI. Setze ihn auf "transparent" und wähle png oder webp als output_format.
background akzeptiert transparent, opaque oder auto. opaque, auto und null behalten alle das Standardverhalten des Modells bei – der einzige Wert, der etwas ändert, ist also transparent. output_format ist auf diesem Endpoint standardmäßig png, du kannst es also weglassen.

Schritt 4: Mit Transparenz bearbeiten

Auch /image/edit und /image/multi-edit akzeptieren transparent_background. Das Quellbild muss nicht transparent sein; du kannst ein opakes Foto übergeben und das Modell bitten, das Motiv beim Bearbeiten freizustellen.
Auf den Edit-Endpoints wird output_format bei Weglassen abgeleitet: normalerweise PNG für 1K-Edits und JPEG für 2K/4K. Ist transparent_background jedoch true, wird bei jeder Auflösung PNG abgeleitet. Du musst output_format also nur explizit senden, wenn du WebP willst. Die Multi-Edit-Variante ist identisch, nur mit images[] statt image. Sie eignet sich ideal, um ein Produktfoto in eine neue Szene zu komponieren und das Ergebnis als Freisteller zurückzubekommen, den du in dein eigenes Layout einsetzen kannst.

Preise

Transparenz kostet keinen Aufpreis. Du zahlst den normalen Preis pro Bild des Modells, der bei GPT Image 2.5 von resolution und quality abhängt. Eine 1K-low-Generierung auf gpt-image-2-5-flare ist der günstigste Weg, an einem Sticker oder Icon zu iterieren, bevor du für high oder 4K zahlst. Die aktuelle Preistabelle findest du unter Image-Modelle.

Fehler

Die Validierung läuft, bevor das Modell aufgerufen wird. Beide Meldungen nennen die Lösung. transparent_background: false mit jpeg ist in Ordnung und liefert ein normales opakes JPEG.

Unterstützte Modelle zur Laufzeit ermitteln

Modell-IDs ändern sich. Statt die obige Liste hart zu codieren, filtere GET /models nach dem Constraint-Flag. Der Key ist nur bei Modellen vorhanden, die es unterstützen, und dann true.
Verwende type=inpaint für die Edit-Endpoints; damit erhältst du die -edit-Modell-IDs.

Wann dies und wann /image/background-remove?

Wenn du das Asset ohnehin generierst, fordere Transparenz direkt an und spar dir den zweiten Aufruf. Greif zu /image/background-remove, wenn das opake Bild bereits existiert und du es nicht neu generieren willst.
Derselbe Cartoon-Raketen-Sticker, komponiert über eine dunkle Vollfarbe, einen warmen Farbverlauf und ein Schachbrettmuster

Ein transparenter Sticker aus dem Request in Schritt 1, ohne weitere Bearbeitung auf drei Hintergründe gelegt.

Verwandte Themen

  • Bildgenerierung für Größen, Qualitätsstufen und die vollständige Parameterliste von /image/generate
  • Bildbearbeitung für /image/edit, /image/multi-edit und /image/background-remove
  • Image-Modelle für aktuelle Preise und Constraints