Grok多图编辑怎么用？参考图顺序、角色分工与合成结果核对

一张参考图提供杯子外形，另一张提供摆放构图，想合成一张示意图时，关键不只是“把两张结合”，而是让模型知道每张图负责什么。本文用两份自有或获授权的练习素材，说明xAI API的多参考图编辑与验收。示例没有执行付费请求，需使用自己的xAI API权限与可用余额；网页会员不等于拥有API权益。

第一步：准备参考图并写角色表

官方支持单次编辑最多五张来源图，可以按发送顺序引用。先从两张开始：第一张为白底杯子主体，第二张为桌面摆放构图。记录图一保留杯身结构，图二只借鉴位置和光线，不借用它的物体。参考越多越需要明确职责，否则容易把多张图中的相似元素混在一起。

每张输入可为公开图片URL、带类型前缀的base64 data URI，或Files API的file_id，也可混用。练习代码使用本地PNG或JPEG，避免把私人资料放到公开网址。先打开原图确认主体完整、方向正确；文件扩展名与实际格式也要一致。

第二步：构造多图编辑请求

接口为POST /v1/images/edits，多参考使用images数组；它与单图image字段互斥。官方指出OpenAI SDK的images.edit采用multipart/form-data，与这里要求的application/json不同，不可直接照搬。下面用Python的requests发送JSON，先安装requests并在本机环境变量中配置自己的密钥。

import os
import base64
from pathlib import Path
import requests

def as_uri(path):
    p = Path(path)
    mime = {".png": "image/png", ".jpg": "image/jpeg",
            ".jpeg": "image/jpeg"}[p.suffix.lower()]
    return "data:" + mime + ";base64," + base64.b64encode(p.read_bytes()).decode()

payload = {
    "model": "grok-imagine-image-2.0",
    "images": [{"url": as_uri("cup.png")},
               {"url": as_uri("layout.jpg")}],
    "prompt": "图1提供唯一杯子主体，保留杯口和把手；图2只参考摆放构图与光线，不引入图2中的物体。不添加文字或标志。",
    "aspect_ratio": "16:9",
    "n": 1,
    "response_format": "url"
}
r = requests.post("https://api.x.ai/v1/images/edits",
    headers={"Authorization": "Bearer " + os.environ["XAI_API_KEY"]},
    json=payload, timeout=180)
r.raise_for_status()
print(r.json()["data"][0]["url"])

将cup.png和layout.jpg替换为自己准备的真实文件。模型名来自核对时官方示例，后续可用性与参数需以账号和当前文档为准。不要把密钥写进脚本、聊天截图或公开仓库；代码示例只完成一次提交，没有加入自动重试，避免故障时意外产生多次付费调用。

第三步：用顺序约束减少混用

参考图顺序：图1=唯一主体，图2=构图参考。仅使用图1的杯子，不复制图2中的商品、标签或文字。将杯子放在画面右侧，左侧保留空白。保持图1的把手方向、杯口形状和表面颜色；若某个细节不可辨认，不额外创造品牌信息。

修改图片顺序时，提示词里的编号也要同步改。默认输出比例跟随第一张输入，可用aspect_ratio明确覆盖，例如示例的16:9。比例控制只能指定画面形状，不保证主体尺寸、留白和细节都准确，因此要把构图要求写进提示词并人工验收。

第四步：逐项验收而非只看整体好看

先看杯子数量、把手方向、杯口结构，再看是否混入图二的物体和文字，最后检查光线与留白。将结果与两张原图并排比较，记录哪项满足、哪项失败。产品尺寸、颜色准确性或商标等不能仅靠生成图证明，商业资料应另行校对。

若主体失真，先缩减图二的角色描述或换更简单构图，不要一次加入三四张新图。需要进一步编辑时可以用上一轮输出作为下一轮输入，但每轮都是新请求，且误差可能累积；重要主体应持续对照原参考，不把前一轮生成的偏差当成新的真实标准。

第五步：排查格式与请求失败

请求被拒时先检查images是否为数组、是否同时误传image、文件是否存在以及base64前缀是否匹配格式。使用URL则确认服务端无需登录即可读取真实图片。超过五图应先精简参考，而不是把多图压成无法说明顺序的大拼图。最终保留输入顺序、提示词、请求结果和人工核对记录，方便下一次只改一个变量。

官方资料

资料核对日期：2026年11月1日。

• xAI：Multi-Image Editing
• xAI：Image Editing
• xAI：Images API reference