

La API ERNIE Image lleva a tu stack el Diffusion Transformer 8B de pesos abiertos de Baidu, publicado por el ERNIE-Image Team bajo Apache 2.0. Encabeza LongTextBench con 0.9733, manteniendo legibles los titulares de pósteres y los globos de diálogo de cómics, mientras que una variante Turbo destilada reduce la inferencia de 50 pasos a 8. Atlas Cloud lo ofrece mediante un endpoint compatible con OpenAI, con precios transparentes de pago por uso. Empieza a construir hoy mismo.
Atlas Cloud le proporciona los últimos modelos creativos líderes en la industria.
Adapta cada endpoint de texto a imagen a tus necesidades de velocidad y calidad.
| Modalidad | Descripción |
|---|---|
| ERNIE Image API (Text To Image) | Mientras que el endpoint Turbo prioriza el rendimiento, la ERNIE Image API estándar se orienta a la máxima fidelidad de salida en la misma tarea de texto a imagen. Es adecuada para trabajos finales de producción, como pósteres, gráficos editoriales y diseños comerciales, donde conseguir cada detalle correcto pesa más que el tiempo de entrega. |
| ERNIE Image Turbo API (Text To Image) | Convierte un único prompt de texto en hasta diez imágenes por solicitud en siete relaciones de aspecto, desde un formato cuadrado de 1024 píxeles hasta 1376 píxeles en el lado largo. Optimizada para baja latencia, usa de forma predeterminada ocho pasos de inferencia e incluye un Prompt Enhancer integrado que amplía los prompts escuetos antes de la generación. Úsala cuando la iteración rápida, las vistas previas en tiempo real y las ejecuciones por lotes de gran volumen importen más que exprimir el último incremento de calidad. |
Desde renderizado de texto líder en la industria y diseños estructurados de varios paneles hasta prompting bilingüe nativo, un mejorador de prompts activado por defecto, siete dimensiones de salida y lotes Turbo reproducibles, la ERNIE Image API convierte instrucciones precisas en imágenes listas para producción.

Una puntuación líder en LongTextBench de 0.9733 permite al modelo renderizar texto legible y correctamente escrito directamente en las imágenes generadas. Los bocadillos de cómic, titulares de pósteres, etiquetas de infografías y textos de maquetas de UI se mantienen nítidos y fáciles de leer.

Las primitivas de generación, edición, composición y escalado trabajan junto con la comprensión de relaciones espaciales basadas en cuadrículas. En conjunto, producen secuencias coherentes de varios paneles y diseños con formato que los diseñadores pueden dirigir desde un único pipeline centralizado.

Los prompts en inglés y chino se procesan de forma nativa mediante el mismo pipeline de encoder, capturando formulaciones idiomáticas en cualquiera de los dos idiomas. Esta doble fluidez permite una narrativa visual auténtica tanto para campañas globales como para contenido localizado.

Activado por defecto, un Prompt Enhancer ligero reescribe entradas breves y las convierte en descripciones más ricas y estructuradas antes de que lleguen al backbone de difusión. Desactívalo por solicitud cuando el control literal sobre la redacción exacta sea más importante.

Siete tamaños de salida nativos abarcan desde un formato cuadrado de 1024x1024 y encuadres horizontales de hasta 1376x768 hasta formatos verticales de 768x1376. Cada relación de aspecto se genera directamente, por lo que el encuadre se mantiene intacto en todos los formatos.

¿Necesitas volumen sin esperas? El modo Turbo ejecuta tan solo 8 pasos de inferencia y devuelve hasta 10 imágenes por solicitud, mientras que una seed explícita mantiene cada resultado reproducible.
Envía exactamente el mismo encargo al modelo insignia ERNIE Image, a un rival popular y a su hermano más rápido; luego compara cómo cada uno representa tipografía, composición y luz lado a lado.
Bodegón flat lay cenital, cámara fijada perfectamente desde arriba mirando en línea recta hacia un mostrador de botica de olmo pálido desgastado, propio de una dispensaría tradicional china de infusiones herbales. Una luz dura y direccional de ventana de finales de la mañana entra rasante desde la derecha, la verdadera protagonista del encuadre: proyecta sombras largas, nítidas y alargadas que se extienden hacia la izquierda sobre la veta de la madera en bruto y funcionan como líneas guía. En el lado derecho, denso, frascos de vidrio transparente muy agrupados resplandecen cuando el sol los atraviesa: capullos translúcidos de crisantemo seco, bayas rojas de goji, cáscara de mandarina ámbar rizada (chenpi) y pétalos secos de roselle rojo carmesí intenso atrapando la luz. Una pequeña balanza manual de latón oxidado con pátina mate, un mortero y mano de piedra desgastados espolvoreados con polvo fino, y hojas de receta de papel escrito a mano de fibra gruesa con caracteres chinos de caligrafía a pincel pulcra en kaishu tradicional ("甘草三钱", "桂花蜜"), con bordes deshilachados y fibrosos. Momento capturado en plena acción: un bote de peltre volcado de lado, con la boca abierta, varias bayas de goji aún rodando y dispersándose hacia fuera, cada una proyectando su propia sombra fina y alargada como una aguja. La composición respira mediante densidad y vacío: el grupo compacto de la derecha se equilibra con una amplia extensión de espacio negativo de madera desnuda a la izquierda. Paleta cálida monocromática en toda la imagen —ámbar, naranja mandarina, dorado de latón envejecido— interrumpida por una única nota de rojo roselle oscuro. Las texturas deben resistir la ampliación: la fragilidad delgada de los pétalos secos, el latón oxidado mate, los bordes irregulares de la fibra del papel, el grano del polvo suelto. Luz natural direccional, sin resplandor artificial, sombras limpias y nítidas, representación realista de los materiales, sobria y elegante, fotografía de bodegón macrodetallada de alimentos y hierbas, tomada con un lente de 85mm, encuadre horizontal panorámico amplio, relación de aspecto 16:9 amplia, a sangre.

Generated with Baidu ERNIE Image Turbo on Atlas Cloud

Generated with Qwen Image 2.0 on Atlas Cloud

Generated with Baidu ERNIE Image Turbo on Atlas Cloud
Una tira de manga horizontal de tres viñetas que sigue a una adolescente inventora en su abarrotado taller del ático. En la primera viñeta dibuja el boceto de una pequeña máquina voladora bajo la luz cálida de una lámpara; en la segunda, el artilugio chisporrotea y despega en el aire esparciendo tornillos; en la tercera, levanta ambos puños sonriendo triunfante. Globos de diálogo bilingües limpios incluyen letras nítidas en English y Japanese, dibujados con trazo de tinta seguro y sombreado de trama, con un resplandor ámbar cálido de lámpara equilibrado con sombras frías del taller. El diseño del personaje se mantiene coherente en las tres viñetas, los gestos siguen siendo expresivos y la historia se lee de izquierda a derecha con un flujo secuencial claro. Estilo de ilustración anime vibrante con cel shading y contornos limpios y marcados. Relación de aspecto 16:9 amplia, a sangre.

Generated with Baidu ERNIE Image Turbo on Atlas Cloud

Generated with Qwen Image 2.0 on Atlas Cloud

Generated with Baidu ERNIE Image Turbo on Atlas Cloud
Desde pósteres con texto impecable y cómics de varias viñetas hasta campañas bilingües, catálogos de productos, mockups de interfaces e infografías etiquetadas, ERNIE Image API convierte prompts precisos en imágenes con diseño exacto para cualquier pipeline de contenido.
Los titulares legibles, los precios y los textos de producto se renderizan directamente en pósteres y banners de campaña gracias a la precisión líder del modelo con el texto. Los equipos de marketing entregan recursos listos para impresión directamente, sin necesidad de un paso separado de maquetación tipográfica.
Como el modelo entiende el diseño basado en cuadrículas y la estructura de varias viñetas, renderiza páginas de cómic coherentes con diálogos dentro de bocadillos. Creadores independientes y estudios preparan storyboards completos sin redibujar cada fotograma a mano.
La compatibilidad nativa con prompts en inglés y chino permite que un único flujo de trabajo produzca imágenes alineadas con la marca para ambos mercados, con el texto renderizado correctamente en cada sistema de escritura. Los equipos globales localizan piezas creativas sin contratar pipelines de diseño separados por idioma.
Genera escenas de estilo de vida, mockups de productos e imágenes promocionales para todo un catálogo mediante una sola llamada a la API. La variante Turbo comprime la inferencia a ocho pasos, de modo que las tiendas de gran volumen pueden actualizar catálogos completos en minutos.
¿Necesitas pantallas realistas para una presentación? El modelo renderiza interfaces de apps y mockups de sitios web con etiquetas, botones y textos de cuerpo legibles, lo que da a los equipos de producto prototipos listos para presentar antes de construir un solo componente.
Su sólida capacidad para seguir instrucciones combina imágenes con diagramas, gráficos y llamadas claramente etiquetados en una sola generación. Educadores y analistas convierten material fuente denso en gráficos explicativos que siguen siendo legibles en cualquier tamaño de pantalla.
Descubre dónde se sitúa ERNIE Image frente a otros generadores abiertos y propietarios en cuanto a origen del desarrollador, modelo de acceso, renderizado de texto bilingüe y coste por imagen.
| Modelo | Desarrollador | Modelo de acceso | Renderizado de texto bilingüe (EN + ZH) | Precio (por imagen) |
|---|---|---|---|---|
| ERNIE-Image | Baidu (equipo de ERNIE-Image) | Pesos abiertos, Apache 2.0 | Líder del sector, LongTextBench 0.9733 | Pago por uso |
| ERNIE-Image Turbo | Baidu (equipo de ERNIE-Image) | Pesos abiertos, Apache 2.0 | Conservado mediante inferencia de 8 pasos destilada con DMD | Pago por uso |
| Qwen Image 2.0 | Alibaba (Tongyi) | Pesos abiertos, Apache 2.0 | Sólido en composiciones tipográficas de 1K tokens | $0.035 |
| Z-Image Turbo | Alibaba (Tongyi Lab) | Pesos abiertos, Apache 2.0 | Gestiona señalética china compleja junto con inglés | $0.005 |
| Seedream v4.5 | ByteDance | Propietario | Renderizado de nivel diseñador en 4K nativo | $0.04 |
Empieza en minutos — sigue estos sencillos pasos para integrar y desplegar modelos a través de la plataforma de Atlas Cloud.
Regístrate en atlascloud.ai y completa la verificación. Los nuevos usuarios reciben créditos gratuitos para explorar la plataforma y probar modelos.
Combina modelos avanzados de ERNIE Image API for Readable Text in Images con la plataforma acelerada por GPU de Atlas Cloud, proporcionando rendimiento, escalabilidad y experiencia de desarrollo incomparables.
Baja Latencia:
Inferencia optimizada por GPU para respuestas en tiempo real.
API Unificada:
Una sola integración para acceder a ERNIE Image API for Readable Text in Images, GPT, Gemini y DeepSeek.
Precios Transparentes:
Facturación por Token, soporta modo Serverless.
Experiencia del Desarrollador:
SDK, análisis de datos, herramientas de ajuste fino y plantillas todo en uno.
Confiabilidad:
99.99% de disponibilidad, control de permisos RBAC, registros de cumplimiento.
Seguridad y Cumplimiento:
Certificación SOC 2 Type II, cumplimiento HIPAA, soberanía de datos en EE.UU.
ERNIE Image API ofrece a los desarrolladores acceso programático al modelo de texto a imagen de pesos abiertos de Baidu, un Diffusion Transformer de flujo único de 8B combinado con un Prompt Enhancer que amplía prompts breves para convertirlos en descripciones más ricas y estructuradas. En Atlas Cloud se accede a él mediante un único endpoint compatible con OpenAI, con precios de pago por uso y acceso Day-0.
Su gran punto fuerte es el texto legible dentro de las imágenes. El modelo obtiene 0.9733 en LongTextBench en inglés, el mejor resultado entre los modelos de pesos abiertos, lo que lo hace fiable para carteles, bocadillos de cómic, infografías y mockups de UI en los que cada carácter debe estar escrito correctamente.
Ambas variantes comparten la misma arquitectura de 8B, pero equilibran calidad y velocidad de forma distinta. El modelo Standard ejecuta 50 pasos de inferencia con guidance scale 4.0 para lograr la máxima fidelidad en recursos finales, mientras que la variante Turbo se destila con DMD y aprendizaje por refuerzo hasta aproximadamente 8 pasos para una generación rápida y de alto volumen.
Sí. Los prompts son compatibles con inglés, chino y japonés mediante el mismo encoder, y el texto se mantiene fiable en distintos sistemas de escritura, con una puntuación de 0.9661 en Chinese LongTextBench. Mientras varios modelos competidores se degradan de forma notable con los caracteres chinos, este mantiene limpio el texto en chino simplificado, tradicional y en copias bilingües mixtas.
El endpoint Turbo acepta siete tamaños predefinidos mediante un único parámetro size, desde un formato cuadrado de 1024x1024 hasta formatos horizontales de 1376x768 y verticales de 768x1376. También puedes solicitar hasta diez imágenes por llamada, fijar una seed para obtener resultados reproducibles y activar o desactivar el Prompt Enhancer integrado con el flag use_pe.
Para empezar solo necesitas una API key. Regístrate en Atlas Cloud, apunta tu cliente compatible con OpenAI existente al endpoint y envía un prompt con un size y una seed opcionales para recibir las URL de las imágenes en la respuesta. La facturación es de pago por uso por llamada, con acceso Day-0 al modelo.
En benchmarks publicados, el modelo supera a lanzamientos abiertos comparables como FLUX.2-klein-9B, con una puntuación global de 0.8856 frente a 0.8481 en GenEval. Su mayor ventaja está en el renderizado de texto: FLUX.2 cae hasta 0.2183 en chino, mientras que ERNIE Image se mantiene por encima de 0.96. Para cargas de trabajo centradas en texto legible dentro de imágenes y layouts estructurados, actualmente es la opción de pesos abiertos más sólida.
Sí. ERNIE Image se publica bajo la licencia Apache 2.0, que permite uso comercial, modificación y redistribución. Las imágenes generadas pueden utilizarse en publicidad, merchandising, publicaciones y otros productos comerciales sin problemas de licencia.
Join the Discord community for the latest model updates, prompts, and support.