General-purpose image generation model that supports various art styles and is particularly good at rendering complex text.
Eingabe
Parameterkonfiguration wird geladen...
Ausgabe
InaktivIhre generierten Bilder erscheinen hier
Konfigurieren Sie Parameter und klicken Sie auf Ausführen, um mit der Generierung zu beginnen
Jede Ausführung kostet 0.052. Für $10 können Sie ca. 192 Mal ausführen.
Sie können fortfahren mit:
Codebeispiel
import requests
import time
# Step 1: Start image generation
generate_url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "alibaba/qwen-image/text-to-image-max",
"prompt": "A beautiful landscape with mountains and lake",
"width": 512,
"height": 512,
"steps": 20,
"guidance_scale": 7.5,
}
generate_response = requests.post(generate_url, headers=headers, json=data)
generate_result = generate_response.json()
prediction_id = generate_result["data"]["id"]
# Step 2: Poll for result
poll_url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
def check_status():
while True:
response = requests.get(poll_url, headers={"Authorization": "Bearer $ATLASCLOUD_API_KEY"})
result = response.json()
if result["data"]["status"] == "completed":
print("Generated image:", result["data"]["outputs"][0])
return result["data"]["outputs"][0]
elif result["data"]["status"] == "failed":
raise Exception(result["data"]["error"] or "Generation failed")
else:
# Still processing, wait 2 seconds
time.sleep(2)
image_url = check_status()Installieren
Installieren Sie das erforderliche Paket für Ihre Programmiersprache.
bash
pip install requestsAuthentifizierung
Alle API-Anfragen erfordern eine Authentifizierung über einen API-Schlüssel. Sie können Ihren API-Schlüssel über das Atlas Cloud Dashboard erhalten.
bash
export ATLASCLOUD_API_KEY="your-api-key-here"HTTP-Header
python
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}Schützen Sie Ihren API-Schlüssel
Geben Sie Ihren API-Schlüssel niemals in clientseitigem Code oder öffentlichen Repositories preis. Verwenden Sie stattdessen Umgebungsvariablen oder einen Backend-Proxy.
Anfrage senden
import requests
url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "your-model",
"prompt": "A beautiful landscape"
}
response = requests.post(url, headers=headers, json=data)
print(response.json())Anfrage senden
Senden Sie eine asynchrone Generierungsanfrage. Die API gibt eine Vorhersage-ID zurück, mit der Sie den Status prüfen und das Ergebnis abrufen können.
POST
/api/v1/model/generateImageAnfragekörper
import requests
url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "alibaba/qwen-image/text-to-image-max",
"input": {
"prompt": "A beautiful landscape with mountains and lake"
}
}
response = requests.post(url, headers=headers, json=data)
result = response.json()
print(f"Prediction ID: {result['id']}")
print(f"Status: {result['status']}")Antwort
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}Status prüfen
Fragen Sie den Vorhersage-Endpunkt ab, um den aktuellen Status Ihrer Anfrage zu überprüfen.
GET
/api/v1/model/prediction/{prediction_id}Abfrage-Beispiel
import requests
import time
prediction_id = "pred_abc123"
url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }
while True:
response = requests.get(url, headers=headers)
result = response.json()
status = result["data"]["status"]
print(f"Status: {status}")
if status in ["completed", "succeeded"]:
output_url = result["data"]["outputs"][0]
print(f"Output URL: {output_url}")
break
elif status == "failed":
print(f"Error: {result['data'].get('error', 'Unknown')}")
break
time.sleep(3)Statuswerte
processingDie Anfrage wird noch verarbeitet.completedDie Generierung ist abgeschlossen. Ergebnisse sind verfügbar.succeededDie Generierung war erfolgreich. Ergebnisse sind verfügbar.failedDie Generierung ist fehlgeschlagen. Überprüfen Sie das Fehlerfeld.Abgeschlossene Antwort
{
"data": {
"id": "pred_abc123",
"status": "completed",
"outputs": [
"https://storage.atlascloud.ai/outputs/result.png"
],
"metrics": {
"predict_time": 8.3
},
"created_at": "2025-01-01T00:00:00Z",
"completed_at": "2025-01-01T00:00:10Z"
}
}Dateien hochladen
Laden Sie Dateien in den Atlas Cloud Speicher hoch und erhalten Sie eine URL, die Sie in Ihren API-Anfragen verwenden können. Verwenden Sie multipart/form-data zum Hochladen.
POST
/api/v1/model/uploadMediaUpload-Beispiel
import requests
url = "https://api.atlascloud.ai/api/v1/model/uploadMedia"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }
with open("image.png", "rb") as f:
files = {"file": ("image.png", f, "image/png")}
response = requests.post(url, headers=headers, files=files)
result = response.json()
download_url = result["data"]["download_url"]
print(f"File URL: {download_url}")Antwort
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}Eingabe-Schema
Die folgenden Parameter werden im Anfragekörper akzeptiert.
Gesamt: 0Erforderlich: 0Optional: 0
Keine Parameter verfügbar.
Beispiel-Anfragekörper
json
{
"model": "alibaba/qwen-image/text-to-image-max"
}Ausgabe-Schema
Die API gibt eine Vorhersage-Antwort mit den generierten Ausgabe-URLs zurück.
idstringrequired
Unique identifier for the prediction.
statusstringrequired
Current status of the prediction.
processingcompletedsucceededfailed
modelstringrequired
The model used for generation.
outputsarray[string]
Array of output URLs. Available when status is "completed".
errorstring
Error message if status is "failed".
metricsobject
Performance metrics.
predict_timenumber
Time taken for image generation in seconds.
created_atstringrequired
ISO 8601 timestamp when the prediction was created.
completed_atstring
ISO 8601 timestamp when the prediction was completed.
Beispielantwort
json
{
"id": "pred_abc123",
"status": "completed",
"model": "model-name",
"outputs": [
"https://storage.atlascloud.ai/outputs/result.png"
],
"metrics": {
"predict_time": 8.3
},
"created_at": "2025-01-01T00:00:00Z",
"completed_at": "2025-01-01T00:00:10Z"
}Atlas Cloud Skills
Atlas Cloud Skills integriert über 300 KI-Modelle direkt in Ihren KI-Coding-Assistenten. Ein Befehl zur Installation, dann verwenden Sie natürliche Sprache, um Bilder, Videos zu generieren und mit LLMs zu chatten.
Unterstützte Clients
Claude Code
OpenAI Codex
Gemini CLI
Cursor
Windsurf
VS Code
Trae
GitHub Copilot
Cline
Roo Code
Amp
Goose
Replit
40+ unterstützte clients
Installieren
bash
npx skills add AtlasCloudAI/atlas-cloud-skillsAPI-Schlüssel einrichten
Erhalten Sie Ihren API-Schlüssel über das Atlas Cloud Dashboard und setzen Sie ihn als Umgebungsvariable.
bash
export ATLASCLOUD_API_KEY="your-api-key-here"Funktionen
Nach der Installation können Sie natürliche Sprache in Ihrem KI-Assistenten verwenden, um auf alle Atlas Cloud Modelle zuzugreifen.
BildgenerierungGenerieren Sie Bilder mit Modellen wie Nano Banana 2, Z-Image und mehr.
VideoerstellungErstellen Sie Videos aus Text oder Bildern mit Kling, Vidu, Veo usw.
LLM-ChatChatten Sie mit Qwen, DeepSeek und anderen großen Sprachmodellen.
Medien-UploadLaden Sie lokale Dateien für Bildbearbeitung und Bild-zu-Video-Workflows hoch.
Mehr erfahren
MCP-Server
Der Atlas Cloud MCP-Server verbindet Ihre IDE mit über 300 KI-Modellen über das Model Context Protocol. Funktioniert mit jedem MCP-kompatiblen Client.
Unterstützte Clients
Cursor
VS Code
Windsurf
Claude Code
OpenAI Codex
Gemini CLI
Cline
Roo Code
100+ unterstützte clients
Installieren
bash
npx -y atlascloud-mcpKonfiguration
Fügen Sie die folgende Konfiguration zur MCP-Einstellungsdatei Ihrer IDE hinzu.
json
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}Verfügbare Werkzeuge
atlas_generate_imageGenerieren Sie Bilder aus Textbeschreibungen.
atlas_generate_videoErstellen Sie Videos aus Text oder Bildern.
atlas_chatChatten Sie mit großen Sprachmodellen.
atlas_list_modelsDurchsuchen Sie über 300 verfügbare KI-Modelle.
atlas_quick_generateInhaltserstellung in einem Schritt mit automatischer Modellauswahl.
atlas_upload_mediaLaden Sie lokale Dateien für API-Workflows hoch.
Mehr erfahren
API-Schema
Schema nicht verfügbarAnmelden, um Anfrageverlauf anzuzeigen
Sie müssen angemeldet sein, um auf Ihren Modellanfrageverlauf zuzugreifen.
AnmeldenAlibaba Qwen-Image Text-to-Image Max
The flagship text-to-image generation model from Alibaba Cloud, designed to deliver state-of-the-art visual quality, exceptional prompt adherence, and rich artistic detail. Qwen-Image Max represents the pinnacle of the Qwen-Image family, capable of transforming complex text descriptions into stunning, high-resolution visuals suitable for professional and creative workflows.
Overview
- Purpose: Generate premium-quality images from natural language descriptions.
- Core Capability: Industry-leading visual fidelity with deep semantic understanding of prompts.
- Foundation: Built on Alibaba's advanced large-scale multi-modal architecture.
- Typical Output: High-resolution, photorealistic or artistic images with precise lighting, texture, and composition.
- Use Cases: Professional design, advertising creatives, concept art, marketing materials, and high-end content creation.
Key Features
- Superior Visual Quality: Delivers the highest level of detail, texture, and lighting realism available in the Qwen-Image series.
- Complex Prompt Understanding: Accurately interprets long, intricate prompts, including spatial relationships, artistic styles, and specific object attributes.
- Text Rendering: Enhanced capability to render legible text within generated images (e.g., signboards, posters).
- Style Versatility: Masterfully handles a wide range of styles, from photorealism and cinematic shots to 3D render, oil painting, and illustration.
- High Resolution: Supports generation of high-definition images suitable for professional use.
Designed For
- Professional Designers: Create high-quality assets, mockups, and final visuals.
- Digital Artists: Explore complex concepts and generate detailed artwork.
- Marketing Agencies: Produce campaign-ready visuals with specific brand requirements.
- Enterprise Users: High-demand use cases requiring consistent, top-tier visual output.
Input Requirements
To achieve the best results, follow these guidelines:
Text Prompt
- Content: Detailed English descriptions of the subject, setting, lighting, style, and mood.
- Length: Supports long context, but concise and descriptive prompts often yield the best focus.
- Negative Prompt: Optional. Specify elements to exclude (e.g., "blur, low quality, distortion").
Parameters
- Aspect Ratio: Supports various standard ratios (1:1, 16:9, 9:16, 4:3, 3:4).
- Resolution: Optimized for high-resolution outputs (e.g., 1024x1024 and above).
- Steps/Guidance: Configurable for fine-tuning the balance between prompt adherence and image quality.
Pricing
Billing is typically based on the number of images generated and the resolution selected.
- Billing Logic: Per-image generation cost.
- Tier: "Max" tier commands a premium rate due to higher computational resources and output quality compared to standard models.
How to Use
- Enter Prompt: Describe the image you want to generate in detail.
- Set Parameters: Choose your desired aspect ratio and number of images.
- Generate: Submit the request to the Qwen-Image Max model.
- Refine: Use the generated image as a reference or adjust the prompt for iterations.
Best Practices
- Be Specific: Instead of "a cat," try "a fluffy white Persian cat sitting on a velvet sofa, cinematic lighting, 8k resolution."
- Define Style: Explicitly state the medium (e.g., "oil painting," "photograph," "3D render").
- Lighting & Composition: Mention lighting conditions (e.g., "golden hour," "studio lighting") and camera angles.
- Iterate: If the first result isn't perfect, tweak the prompt or use a negative prompt to remove unwanted elements.
Limitations
- Text Accuracy: While improved, complex or long text strings within the image may still occasionally have minor errors.
- Spatial Logic: Extremely complex spatial arrangements might sometimes require prompt tuning.
Version
- Model: Alibaba Qwen-Image Text-to-Image Max
- Family: Qwen-Image
- Technical Context: Large-scale diffusion transformer model optimized for maximum visual fidelity.
