OpenAI 图像 API 新增透明背景

生成一张图像和获得一个可用的素材是两件不同的事。二者之间的差距往往就是一次抠图，而 OpenAI 现在通过在其图像 API 中以预览形式加入透明背景生成，弥补了其中一部分差距。

该功能让开发者可以请求带有 alpha 通道的图像，因此主体在返回时就已经与背景分离。在实践中，这意味着产品图、角色或图标返回后，可以直接放到网页、幻灯片或营销版式中，而无需再单独做一次分割处理。

为什么有人在意

在过去两年的大部分时间里，工作流是这样的。你让模型生成一个置于干净背景上的产品。它给你一张非常漂亮的图片：产品放在白色表面上，带有柔和阴影和一点反射光。然后你还要花下一步——而且往往要用另一个工具——把这个背景去掉。

第二步正是质量流失的地方。边缘检测很难处理头发、毛发、玻璃以及任何半透明的物体。一张带有白色背景和柔和阴影的生成图像，恰恰是那种会让抠图模型失手的输入，因为模型必须猜测物体在哪里结束、背景从哪里开始。原生透明则消除了这种猜测。

对于规模化运行的团队来说，差异不止于视觉质量。每张需要抠图处理的图像都会增加算力、延迟和一种失败模式。去掉这一步会让整个流水线更便宜、更可预测。

显而易见的受益者是电商和设计。一个需要在自己品牌背景上展示产品目录的零售商，现在可以生成无需人工操作就能直接放入版式的素材。一个搭建网站原型的设计团队，可以生成一张已经悬浮在版式之上的主视觉图，而不是作为矩形粘贴进去。

还有一个更微妙的用例。透明生成让合成变得可行。你可以只生成一次主体，再单独生成背景，然后把二者组合起来，而不是向一个模型描述整个场景。这样对每一部分的控制更强，编辑也更便宜，因为更换背景不需要重新生成主体。

OpenAI 并不是第一个做到这一点的。阿里巴巴的 Qwen-Image 2.1 发布时就原生支持 RGBA，并且能够生成和编辑透明图层。一些开放权重模型也朝着同一方向前进，有一段时间，本地部署的理由部分就建立在这类功能上。

OpenAI 带来的是覆盖范围。图像 API 处在大量开发者已经在使用的同一套账户、计费和工具链之中。当一项能力落地在那里，它就会成为那些不愿再增加一个供应商的团队的默认选择。因此，其意义不在于新颖性，而更多在于这项功能现在默认存在于何处。

还有一个值得注意的许可差异。Qwen-Image 2.1 当前的许可证限制商业使用，除非另行达成协议。OpenAI 的 API 开箱即可商用。对于在这两者之间权衡的公司来说，这改变了算账方式。

原生透明并不是彻底的修复。Alpha 通道很难，生成的边缘仍然可能不完美，尤其是在细节很细的地方。有些模型对硬边物体能生成干净的 alpha，对细丝状物体却会生成浑浊的 alpha。买家应该用自己的最差案例来测试，而不是只看演示集。

同样值得关注的是，该功能是否能很好地处理透明或反光材质。玻璃瓶或镀铬表面需要模型理解物体背后的东西应该透过它显现出来。这比抠出一个实心形状要难得多，也正是各供应商之间质量差异会显现的地方。

今年，图像生成领域一直在围绕几个轴线整合：控制力、编辑保真度，以及现在的素材就绪度。透明输出是一项素材就绪度功能，这与视觉质量跃升是不同类型的改进。它不会让图片更漂亮，而是让已有的图片更容易使用。

这种转变在更广阔的市场中清晰可见。区域特定修改、背景移除和多参考生成等编辑功能一直在各供应商之间陆续出现，因为仍然在付费的客户，正是那些要把生成图像投入生产的人。一个能生成漂亮图片却无法放入版式的工具，价值低于一张稍微朴素但可以直接使用的图片。

OpenAI 的举动符合这种需求。图像 API 被构建目录、广告和产品页面的团队使用，而透明输出正是这些工作流最常被要求的功能之一。以预览形式发布，让公司可以在把它变成主打能力之前先测试质量门槛。

“预览”这个标签很重要。预览中的功能可能会变化，一旦该功能全面可用，定价和速率限制也可能沿着不同的曲线变化。计划围绕透明生成搭建流水线的团队，应该在投入之前检查其行为在不同运行中是否稳定。

同样值得测试的是模型如何处理一个大部分都是背景的请求。填满画面的主体很容易。一个位于繁忙场景中的小物体，模型必须判断什么才算主体，才是最可能出现输出差异的地方。大批量生成图像的买家应该构建一小组自己的最差案例，并让它们跑一遍该功能，然后再让它成为工作流中的关键依赖。

去掉抠图步骤也去掉了一遍带有自身失败模式和等待时间的处理。对于用户会看着图像出现的交互式产品来说，这额外的一步是可见的。把透明能力并入生成过程，消除了用户过去必须经历的一次停顿。

在规模上，效果会累积。一个每月生成数万张素材的团队，可以节省第二遍处理的算力、运行第二个服务的工程成本，以及第二遍处理出错所带来的支持成本。

更长期的问题是，透明背景会成为默认选项，还是仍是一个开关。如果每个图像请求都可以要求 alpha 通道，而且模型处理得很好，那么单独的抠图步骤就会从许多工作流中消失。这是一个影响面很广的小功能，而基础设施改进通常就是这样到来的。

这也会给那些把原生透明作为卖点的开放权重模型带来压力。它们的优势部分在于能做到托管 API 做不到的事情。随着托管 API 追赶上来，自托管的理由就必须建立在成本和控制之上，而不是功能清单之上，而在规模上，这是一个更难成立的论点。