OpenAI 透明背景圖片生成教學：用 GPT Image 2 製作行銷素材、簡報與商品 Mockup

做電商 Banner（橫幅廣告）、企業簡報或商品 Mockup（模擬成品圖）時，最麻煩的往往不是把圖片生出來，而是讓同一個物件能放到不同底色上。傳統 AI 圖片常帶著白色方框，設計師還得另外去背；遇到玻璃、髮絲、緞帶或細枝，邊緣又很容易被切壞。

OpenAI 在 2026 年 8 月公開的 透明圖片素材 Cookbook，示範用 gpt-image-2 直接生成透明背景 PNG。圖片產生時就包含透明資訊，不需要再跑一次背景移除工具，同一個素材也能重複放進網站、PowerPoint、設計模板與服飾 Mockup。

這項功能真正值得注意的不是「少按一次去背」，而是把 AI 圖片從一次性的成品，變成可以反覆組合的設計元件。對需要大量製作行銷版位的品牌與產品團隊，這比單張圖片看起來多精緻更有商業價值。

不過，透明背景目前仍是 preview 功能。API 是讓程式向 OpenAI 送出指令並取得結果的介面。實際使用時仍要檢查透明通道、物件邊緣與文字數字，不能把 API 回傳成功直接當成可上線的成品。

OpenAI 透明背景圖片是什麼？

透明背景圖片不是把背景塗成白色，而是讓背景像不存在一樣。常見的 PNG 檔除了紅、綠、藍三個色彩通道，還可以帶有 alpha channel。Alpha channel 是記錄每個像素透明程度的資料，完全透明的區域放到任何底色上，都會顯示下方原本的背景。

這個差異在實務上很重要。白底圖片只能自然地放在白色頁面；真正有 alpha channel 的圖片，則能直接疊到深色簡報、漸層 Banner、不同季節的網站背景或各種商品顏色上。

OpenAI 的做法是透過 Image API 生成圖片。只要模型使用 gpt-image-2，將 background 設為 transparent，再把輸出格式設為 PNG 或 WebP，就能要求模型直接產生透明背景。JPEG 不支援透明背景，因此不適合這個流程。

為什麼直接生成透明素材，比事後去背更實用？

一般去背工具會先取得一張完成的圖片，再猜測哪些像素是主體、哪些是背景。輪廓清楚的紙盒或手機通常不難，但透明玻璃、半透明布料、煙霧、細髮與植物纖維，很容易出現白邊、色暈或缺角。

直接生成透明素材時，模型從一開始就知道畫面要保留哪些細節與透明區域。OpenAI 的範例特別用玻璃香水瓶、薄緞帶、擴香枝與蒲葦纖維測試困難邊緣。這類素材若先生成完整背景再去背，通常更容易傷到半透明材質。

但「直接生成」不代表每次都會完美。Prompt 若同時要求攝影棚、牆面、桌面或特定背景色，文字指令可能蓋過 background="transparent" 的參數，模型仍可能畫出背景。最穩定的做法，是把主體描述與透明規則寫清楚，避免在同一段 Prompt 裡要求互相衝突的場景。

四種最適合透明背景圖片的商業用途

1. 電商與季節行銷：一組商品圖重複做全年活動

品牌不必為春季、夏季、雙 11 與聖誕節重新生成同一項商品。可以先建立一組透明產品圖，再由網頁或設計工具替換背景、文案與排列方式。

這會把製作流程從「每個活動重做一張完整圖片」，改成「商品素材固定，版型按活動變化」。對庫存品項（SKU）多、活動密集的電商最有價值，因為產品視覺能維持一致，設計團隊也不必反覆去背。

需要注意的是，AI 生成的商品圖不等於真實商品攝影。若包裝比例、標籤、顏色或配件必須與實物完全一致，應使用真實產品照片或參考圖進行編輯，並在上線前與實品核對。

2. 企業簡報：圖表不再帶著突兀白框

企業 PowerPoint 常有固定的深色或漸層母版。一般 AI 生成圖表若自帶白底，放進簡報後會像貼上一張截圖，破壞整份簡報的視覺一致性。透明 PNG 可以讓投影片原本的背景從圖表空隙與環形圖中央自然透出。

這個用途最大的限制是數字正確性。OpenAI 也提醒，生成式圖表本質上仍是點陣圖，模型可能寫錯標籤、比例或數值。正式財報、董事會簡報與關鍵績效指標（KPI）報告，應由程式或試算表依照輸入資料繪製圖表，再把 AI 用於插圖、裝飾與非關鍵視覺。若仍使用生成圖表，就必須逐項核對資料。

3. 設計模板：把圖示、貼紙與裝飾變成元件庫

透明背景特別適合 App icon、貼紙、植物裝飾與社群模板元件。這些素材不需要綁定單一版型，使用者可以任意移動、縮放，或放到不同顏色的畫布上。

對 Canva 類型的設計產品來說，這表示 AI 不只產生一張完整海報，也能產生可被編輯器重複使用的小型資產。若再加上品牌色、線條粗細與構圖規則，就能建立比較一致的品牌素材庫。

4. Print-on-demand：同一個圖案套用多款商品

Print-on-demand 是接單後才印製的商品模式。賣家可以先生成一張透明印花，再把它放到 T-shirt、帽 T、帆布袋或其他空白商品圖上，不必為每種衣服顏色重新製作整張圖。

最實際的流程是把「印花」與「空白商品」分成兩個檔案。這樣換衣服顏色或版型時，不會連圖案一起重生。真正送印前仍要確認解析度、色彩模式、出血範圍與印刷廠規格，網頁 Mockup 能看起來正確，不代表檔案已符合生產標準。

OpenAI 透明背景圖片 Python 教學

開始前需要安裝 OpenAI Python SDK 與 Pillow。Pillow 是用來讀取、檢查和合成圖片的 Python 套件。

pip install openai pillow
export OPENAI_API_KEY="你的 API key"

下面是一個最小可執行範例。它會生成一個透明背景的玻璃香氛瓶，將 API 回傳的 Base64 資料解碼後存成 PNG。Base64 是把二進位檔案轉成文字傳輸的編碼方式。

import base64
from pathlib import Path

from openai import OpenAI

client = OpenAI()
output_path = Path("transparent-product.png")

prompt = """
Create one premium amber-glass fragrance bottle.
Show the complete object with generous padding.
Preserve transparent glass, reflections, and fine material edges.
Output one isolated object on a genuinely transparent background.
No backdrop, floor, frame, cast shadow, readable text, or watermark.
""".strip()

result = client.images.generate(
    model="gpt-image-2",
    prompt=prompt,
    background="transparent",
    size="1024x1536",
    quality="high",
    output_format="png",
)

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

寫完檔案後，不要只用肉眼看白底預覽。白色檢視器會讓「白底」與「透明」看起來一樣。可以用 Pillow 檢查圖片是不是 RGBA 模式，並確認 alpha channel 中確實存在完全透明的像素。

from PIL import Image

with Image.open("transparent-product.png") as image:
    if image.mode != "RGBA":
        raise ValueError("圖片沒有 RGBA 透明通道")

    alpha = image.getchannel("A")
    transparent_pixels = alpha.histogram()[0]

    if transparent_pixels == 0:
        raise ValueError("圖片沒有完全透明的像素")

    total_pixels = image.width * image.height
    ratio = 100 * transparent_pixels / total_pixels
    print(f"完全透明像素占比：{ratio:.2f}%")

這段檢查只能證明檔案有透明像素，不能證明邊緣品質良好。成品還應分別放到白色、黑色與品牌主色背景上，檢查玻璃、髮絲與細線是否出現白邊、破洞或不自然色暈。

Prompt 怎麼寫，透明背景才比較穩定？

透明素材的 Prompt 不需要堆滿形容詞，重點是把主體、構圖、需要保留的細節與禁止出現的元素分開說清楚。

一個可維護的結構如下：

主體：一個琥珀色玻璃香氛瓶。
構圖：完整物件置中，四周保留足夠空間。
材質：保留玻璃折射、半透明液體與細緞帶邊緣。
透明要求：主體之外使用真正透明的 alpha channel。
排除項目：不要背景、桌面、底座、外框、投影、文字與浮水印。

如果要做同一品牌的多個商品，建議把品牌風格寫成共用 Prompt，再為每個商品增加各自的物件描述。這樣比每次從頭寫一段更容易維護，也能降低同一系列在色調、材質與光線上忽左忽右的情況。

還有一個容易忽略的地方：投影也會影響重用性。若素材預計放到多種背景，通常不要讓模型直接畫固定投影。比較好的做法是在網頁、PowerPoint 或設計工具裡另外加陰影，因為陰影方向、顏色與濃度可以跟著版型調整。

費用與尺寸怎麼選？

截至 2026 年 8 月 22 日，OpenAI 文件列出的 gpt-image-2 圖片輸出成本如下。這些數字只包含圖片輸出，實際請求還會加上文字輸入 token；若使用參考圖編輯，也要計算圖片輸入 token。Token 可以理解成模型處理文字或圖片時的計費單位。

最小可行產品（MVP）階段不需要每次都用 High。先用 Low 確認構圖、透明規則與品牌方向，選到可用版本後再用 Medium 或 High 產出正式素材，通常更能控制試錯成本。

尺寸也應跟最終版位一起決定。商品圖與貼紙可以從 1024x1024 開始，直式產品照可用 1024x1536。簡報圖表與網站橫幅則適合 1536x1024。官方也支援更多自訂尺寸，但長寬必須符合像素與比例限制。

正式導入前，至少要做四層驗收

第一層是技術驗收。確認輸出為 PNG 或 WebP、檔案含有 alpha channel，而且透明像素不為零。這能避免白底圖片被誤當成透明圖。

第二層是視覺驗收。把素材放到淺色、深色與高彩度背景上，檢查細邊、半透明材質、陰影與反光。只在單一背景上看不出素材是否真的能重複使用。

第三層是內容驗收。商品外觀要對照實品，圖表要核對數字，文字與 Logo 要逐字檢查。生成圖片是視覺草稿，不是資料真實性的保證。

第四層是商業驗收。確認品牌識別、人物肖像、商標、素材來源與輸出用途符合公司的授權政策。API 能生成圖片，不代表每一張圖都自動適合商用或印刷。

若要大量生產，可以再建立固定評分表，檢查透明度、邊緣品質、品牌一致性與跨背景可用性。視覺模型可以先做批次篩選，但最終上線仍應保留人工檢查。

OpenAI 透明背景圖片常見問題

gpt-image-2 生成透明背景需要再去背嗎？

正常情況下不需要。將 background 設為 transparent，並使用 PNG 或 WebP 輸出，就能要求模型直接建立透明背景。不過仍要檢查檔案的 alpha channel 與物件邊緣，因為 preview 功能不保證每張結果都符合預期。

為什麼設定透明背景後，圖片還是出現場景？

最常見原因是 Prompt 同時要求了攝影棚、桌面、牆面或背景色。文字指令可能讓模型真的畫出那些元素。應改成描述「isolated object」，並明確排除 backdrop、floor、frame、card、shadow 與 background。

可以輸出 JPEG 透明圖片嗎？

不行。JPEG 沒有 alpha channel，OpenAI 文件要求透明背景使用 PNG 或 WebP。若後續轉成 JPEG，透明區域也會被填成實色。

可以直接用 AI 生成正式財報圖表嗎？

不建議。模型即使拿到正確數據，仍可能畫錯標籤、比例與文字。對數字精度有要求的圖表，應由試算表、商業智慧（BI）工具或程式繪製。AI 比較適合製作插圖與不承擔數據證明的視覺元素。

透明圖片適合印刷嗎？

可以作為設計流程的一部分，但不能只看螢幕 Mockup 就直接送印。還要確認印刷廠需要的解析度、尺寸、色彩模式、透明處理與出血規格。若商品含小字或 Logo，最好用向量檔或在排版工具中另外加入。

使用前一定要完成 OpenAI 組織驗證嗎？

官方文件表示，使用 GPT Image 模型前「可能」需要完成 API Organization Verification。若帳號沒有模型權限，應先到 developer console 檢查組織狀態與可用模型。

結語：把 AI 圖片當成可組合素材，而不是一次性成品

OpenAI 透明背景圖片最有價值的地方，是讓生成式設計開始接近真正的素材工作流。同一個產品、圖示或印花可以跨背景、跨版位、跨商品重複使用，設計團隊也少了一次容易破壞細節的去背步驟。

我的判斷是，這項功能很適合先用在電商活動素材、社群模板、簡報插圖與商品 Mockup。這些場景重視速度與可重用性，錯誤也容易被人工發現。正式財報圖表、精準商品攝影、品牌 Logo 與直接送印檔案則不應全自動化，因為數字、外觀與生產規格的錯誤成本更高。

最實際的起點不是立刻建立大型素材平台，而是挑一組需要反覆換背景的商品，先做 3 至 5 張透明 PNG。用程式驗證 alpha channel，再放到三種不同底色上做人眼檢查。若邊緣品質與重用效率真的優於現有去背流程，再擴大到整個素材庫。

資料來源

• OpenAI Cookbook：Generate Transparent Image Assets for Campaigns and Presentations
• OpenAI API：Image generation guide
• OpenAI Cookbook：GPT Image Generation Models Prompting Guide