ERNIE Image API for Readable Text in Images
L’ERNIE Image API apporte à votre stack le Diffusion Transformer 8B à poids ouverts de Baidu, publié par l’ERNIE-Image Team sous licence Apache 2.0. Il arrive en tête de LongTextBench avec 0.9733, en gardant lisibles les titres d’affiches et les bulles de bande dessinée, tandis qu’une variante Turbo distillée réduit l’inférence de 50 étapes à 8. Atlas Cloud le sert via un endpoint compatible OpenAI, avec une tarification transparente à l’usage. Commencez à développer dès aujourd’hui.
Explorez les Modèles Leaders
Atlas Cloud vous offre les derniers modèles créatifs de pointe de l'industrie.
Comparaison des endpoints ERNIE Image API : Standard et Turbo Text-to-Image
Associez chaque endpoint text-to-image à vos besoins de vitesse et de qualité.
| Modalité | Description |
|---|---|
| ERNIE Image API (Text To Image) | Là où l’endpoint Turbo privilégie le débit, l’ERNIE Image API standard mise sur une fidélité de sortie maximale pour la même tâche text-to-image. Il convient aux livrables de production finale, comme les affiches, les visuels éditoriaux et les mises en page commerciales, lorsque la précision de chaque détail prime sur le délai d’exécution. |
| ERNIE Image Turbo API (Text To Image) | Transformez une seule invite textuelle en jusqu’à dix images par requête, avec sept ratios d’aspect, du carré de 1024 pixels jusqu’à 1376 pixels sur le bord le plus long. Optimisé pour une faible latence, il utilise par défaut huit étapes d’inférence et intègre un Prompt Enhancer qui enrichit les invites trop succinctes avant la génération. Choisissez-le lorsque l’itération rapide, les aperçus en temps réel et les traitements par lots à grand volume comptent davantage que le dernier gain de qualité possible. |
Conçue pour le texte, la mise en page et le contrôle : l’ERNIE Image API
Du rendu de texte de pointe et des mises en page structurées à plusieurs panneaux jusqu’aux prompts bilingues natifs, à l’amélioration de prompt activée par défaut, aux sept dimensions de sortie et aux lots Turbo reproductibles, l’ERNIE Image API transforme des instructions précises en images prêtes pour la production.
Rendu de texte lisible avec l’ERNIE Image API
Un score LongTextBench de référence de 0.9733 permet au modèle d’intégrer directement dans les images générées un texte lisible et correctement orthographié. Bulles de dialogue de bande dessinée, titres d’affiches, libellés d’infographies et textes de maquettes d’interface restent tous nets et faciles à lire.
Mises en page structurées à plusieurs panneaux
Les primitives de génération, d’édition, de composition et d’upscale fonctionnent avec une compréhension des relations spatiales fondées sur des grilles. Ensemble, elles produisent des séquences cohérentes à plusieurs panneaux et des designs formatés que les designers peuvent piloter depuis un pipeline centralisé.
Prompts bilingues dans l’ERNIE Image API
Les prompts en anglais comme en chinois sont traités nativement par le même pipeline d’encodeur, en préservant les tournures idiomatiques propres à chaque langue. Cette double maîtrise facilite une narration visuelle authentique, aussi bien pour les campagnes mondiales que pour les contenus localisés.
Prompt Enhancer activé par défaut
Activé par défaut, un Prompt Enhancer léger réécrit les entrées courtes en descriptions plus riches et structurées avant qu’elles n’atteignent le backbone de diffusion. Désactivez-le requête par requête lorsque le contrôle littéral du libellé exact est prioritaire.
Sept dimensions de sortie natives
Sept tailles de sortie natives couvrent le format carré 1024x1024, les cadrages paysage jusqu’à 1376x768 et les formats portrait jusqu’à 768x1376. Chaque ratio est généré directement, de sorte que le cadrage reste intact dans tous les formats.
L’ERNIE Image API en mode Turbo
Besoin de volume sans attendre ? Le mode Turbo s’exécute avec seulement 8 étapes d’inférence et renvoie jusqu’à 10 images par requête, tandis qu’une seed explicite garantit la reproductibilité de chaque résultat.
ERNIE Image face à face : un prompt, trois modèles
Soumettez exactement le même brief au modèle phare ERNIE Image, à un concurrent populaire et à son petit frère plus rapide, puis jugez côte à côte la façon dont chacun rend la typographie, la mise en page et la lumière.
Nature morte en flat lay vue de dessus, caméra parfaitement fixe en plongée verticale sur un comptoir d’apothicaire en orme pâle patiné, dans une dispensaire traditionnelle chinoise de tisanes médicinales. Une lumière dure et directionnelle de fin de matinée, venant d’une fenêtre basse sur la droite, est le véritable protagoniste de l’image — elle projette de longues ombres nettes et étirées vers la gauche sur le veinage brut du bois, faisant office de lignes directrices. Sur la partie droite, dense, des bocaux en verre transparent très rapprochés rayonnent lorsque le soleil les traverse : boutons de chrysanthème séchés translucides, baies de goji rouges, écorces de mandarine ambrées recourbées (chenpi) et pétales de roselle séchés d’un pourpre profond captant la lumière. Une petite balance à main en laiton oxydé à patine mate, un mortier et un pilon en pierre usés saupoudrés de fine poudre, et des feuillets d’ordonnance manuscrits en papier à fibres grossières, portant des caractères chinois soigneusement tracés au pinceau en kaishu traditionnel ("甘草三钱", "桂花蜜"), aux bords effilochés et fibreux. Instant saisi sur le vif : une boîte en étain renversée sur le côté, ouverture béante, plusieurs baies de goji encore en train de rouler et de se disperser, chacune projetant sa propre ombre fine et longue comme une aiguille. La composition respire par le contraste densité-vide — l’amas serré à droite équilibré par une vaste étendue d’espace négatif en bois nu à gauche. Palette chaude monochromatique sur l’ensemble — ambre, orange mandarine, or de laiton vieilli — rompue par une seule note de rouge roselle sombre. Les textures doivent résister à l’agrandissement : la minceur cassante des pétales séchés, le laiton oxydé mat, les bords de papier aux fibres irrégulières, le grain de la poudre libre. Lumière naturelle directionnelle, aucun éclat artificiel, ombres nettes et propres, rendu réaliste des matériaux, sobre et élégant, photographie de nature morte culinaire et herboriste macro-détaillée, prise avec un objectif 85mm, cadrage paysage horizontal large, ratio d’aspect large 16:9, plein cadre.
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
Une bande manga horizontale en trois cases suivant une adolescente inventrice dans son atelier mansardé encombré. Dans la première case, elle esquisse une petite machine volante à la lumière chaude d’une lampe ; dans la deuxième, l’engin toussote et décolle en plein air en dispersant des boulons ; dans la troisième, elle lève les deux poings en souriant triomphalement. Des bulles de dialogue bilingues soignées portent un lettrage net en anglais et en japonais, dessinées avec un encrage assuré et des ombrages en trame, une lueur ambrée de lampe équilibrée par les ombres froides de l’atelier. Le design du personnage reste cohérent dans les trois cases, les gestes restent expressifs, et l’histoire se lit de gauche à droite avec un déroulé séquentiel clair. Style d’illustration anime vibrant en cel-shading, avec des contours nets et audacieux. Ratio d’aspect large 16:9, plein cadre.
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
Travaux de production réels pris en charge par l’ERNIE Image API
Des affiches au texte impeccable et des bandes dessinées multipanneaux aux campagnes bilingues, catalogues produits, maquettes d’interface et infographies annotées, l’ERNIE Image API transforme des prompts précis en visuels fidèles à la mise en page dans tous les pipelines de contenu.
Production marketing et d’affiches avec l’ERNIE Image API
Les titres, prix et textes produit lisibles sont rendus directement dans les affiches et bannières de campagne grâce à la précision de pointe du modèle pour le texte. Les équipes marketing livrent directement des ressources prêtes pour l’impression, sans étape de composition distincte.
Bandes dessinées et narration séquentielle
Comme le modèle comprend les mises en page en grille et les structures multipanneaux, il génère des pages de bande dessinée cohérentes avec les dialogues placés dans des bulles. Les créateurs indépendants et les studios esquissent des storyboards complets sans redessiner chaque case à la main.
Localisation de campagnes bilingues avec l’ERNIE Image API
La prise en charge native des prompts en anglais et en chinois permet à un seul workflow de produire des visuels conformes à la marque pour les deux marchés, avec un texte correctement rendu dans chaque système d’écriture. Les équipes internationales localisent les créations sans devoir mettre en place des pipelines de design distincts pour chaque langue.
Visuels e-commerce à grande échelle
Générez des scènes lifestyle, des maquettes produit et des visuels promotionnels sur l’ensemble d’un catalogue via un seul appel API. La variante Turbo réduit l’inférence à huit étapes, ce qui permet aux boutiques à fort volume de rafraîchir des catalogues entiers en quelques minutes.
Maquettes d’interface et de produit
Besoin d’écrans réalistes pour une présentation ? Le modèle génère des interfaces d’application et des maquettes de site web avec des libellés, boutons et textes courants lisibles, offrant aux équipes produit des prototypes prêts à présenter avant même la création du moindre composant.
Infographies pédagogiques avec l’ERNIE Image API
Grâce à un suivi précis des instructions, l’imagerie s’associe à des diagrammes, graphiques et annotations clairement libellés en une seule génération. Les enseignants et analystes transforment des contenus sources denses en visuels explicatifs qui restent lisibles sur tous les formats d’affichage.
ERNIE Image comparé aux modèles texte-vers-image concurrents
Découvrez où se situe ERNIE Image face à d’autres générateurs ouverts et propriétaires en matière d’origine développeur, de modèle d’accès, de rendu de texte bilingue et de coût par image.
| Modèle | Développeur | Modèle d’accès | Rendu de texte bilingue (EN + ZH) | Prix (par image) |
|---|---|---|---|---|
| ERNIE-Image | Baidu (équipe ERNIE-Image) | Poids ouverts, Apache 2.0 | Leader du secteur, LongTextBench 0.9733 | Paiement à l’usage |
| ERNIE-Image Turbo | Baidu (équipe ERNIE-Image) | Poids ouverts, Apache 2.0 | Conservé grâce à l’inférence en 8 étapes distillée par DMD | Paiement à l’usage |
| Qwen Image 2.0 | Alibaba (Tongyi) | Poids ouverts, Apache 2.0 | Solide sur des mises en page typographiques de 1K tokens | $0.035 |
| Z-Image Turbo | Alibaba (Tongyi Lab) | Poids ouverts, Apache 2.0 | Gère une signalétique chinoise complexe aux côtés de l’anglais | $0.005 |
| Seedream v4.5 | ByteDance | Propriétaire | Rendu de niveau designer en 4K native | $0.04 |
Comment utiliser ERNIE Image API for Readable Text in Images sur Atlas Cloud
Soyez opérationnel en quelques minutes — suivez ces étapes simples pour intégrer et déployer des modèles via la plateforme Atlas Cloud.
Créer un compte Atlas Cloud
Inscrivez-vous sur atlascloud.ai et complétez la vérification. Les nouveaux utilisateurs reçoivent des crédits gratuits pour explorer la plateforme et tester les modèles.
Pourquoi Utiliser ERNIE Image API for Readable Text in Images sur Atlas Cloud
Combiner les modèles ERNIE Image API for Readable Text in Images avancés avec la plateforme accélérée par GPU d'Atlas Cloud offre des performances, une évolutivité et une expérience développeur inégalées.
Performance et Flexibilité
Faible Latence :
Inférence optimisée par GPU pour un raisonnement en temps réel.
API Unifiée :
Exécutez ERNIE Image API for Readable Text in Images, GPT, Gemini et DeepSeek avec une seule intégration.
Tarification Transparente :
Facturation prévisible par token avec options serverless.
Entreprise et Échelle
Expérience Développeur :
SDK, analytiques, outils de fine-tuning et modèles.
Fiabilité :
99,99% de disponibilité, RBAC et journalisation conforme.
Sécurité et Conformité :
SOC 2 Type II, alignement HIPAA, souveraineté des données aux États-Unis.
ERNIE Image API : les questions les plus fréquentes des développeurs
L’ERNIE Image API donne aux développeurs un accès programmatique au modèle text-to-image à poids ouverts de Baidu, un Diffusion Transformer single-stream de 8B associé à un Prompt Enhancer qui transforme des prompts courts en descriptions plus riches et mieux structurées. Sur Atlas Cloud, vous y accédez via un endpoint compatible OpenAI unique, avec une tarification à l’usage et un accès Day-0.
Son principal point fort est le texte lisible dans l’image. Le modèle obtient un score de 0.9733 sur LongTextBench en anglais, le meilleur résultat parmi les modèles à poids ouverts, ce qui le rend fiable pour les affiches, les bulles de dialogue de bandes dessinées, les infographies et les maquettes d’interface où chaque caractère doit être orthographié correctement.
Les deux variantes partagent la même architecture 8B, mais arbitrent différemment entre qualité et vitesse. Le modèle Standard exécute 50 étapes d’inférence avec une guidance scale de 4.0 pour une fidélité maximale sur les ressources finales, tandis que la variante Turbo est distillée avec DMD et reinforcement learning jusqu’à environ 8 étapes pour une génération rapide et à grand volume.
Oui. Les prompts sont pris en charge en anglais, en chinois et en japonais via le même encodeur, et le texte reste fiable dans différents systèmes d’écriture, avec un score de 0.9661 sur le LongTextBench chinois. Là où plusieurs modèles concurrents se dégradent fortement sur les caractères chinois, celui-ci conserve un rendu propre en chinois simplifié, en chinois traditionnel et dans les contenus bilingues mixtes.
L’endpoint Turbo accepte sept tailles prédéfinies via un unique paramètre size, allant d’un carré 1024x1024 aux formats paysage 1376x768 et portrait 768x1376. Vous pouvez aussi demander jusqu’à dix images par appel, définir une seed pour obtenir des résultats reproductibles et activer ou désactiver le Prompt Enhancer intégré avec le flag use_pe.
Il suffit d’une seule clé API pour commencer. Inscrivez-vous sur Atlas Cloud, faites pointer votre client compatible OpenAI existant vers l’endpoint, puis envoyez un prompt avec une taille et une seed optionnelles afin de recevoir les URL des images dans la réponse. La facturation est à l’usage, par appel, avec un accès Day-0 au modèle.
Dans les benchmarks publiés, le modèle surpasse les versions ouvertes comparables comme FLUX.2-klein-9B, avec un score global de 0.8856 contre 0.8481 sur GenEval. Son avance la plus nette concerne le rendu du texte, où FLUX.2 chute à 0.2183 en chinois tandis qu’ERNIE Image reste au-dessus de 0.96. Pour les workloads centrés sur du texte lisible dans l’image et des mises en page structurées, c’est actuellement le meilleur choix à poids ouverts.
Oui. ERNIE Image est publié sous licence Apache 2.0, qui autorise l’usage commercial, la modification et la redistribution. Les images générées peuvent être utilisées dans la publicité, les produits dérivés, les publications et d’autres produits commerciaux sans difficulté liée à la licence.
Explorer Plus de Familles
Seedance 2.0
L'API Seedance 2.0 vous donne un accès en production au modèle vidéo multimodal de ByteDance — des entrées quadrimodales (texte, image, vidéo, audio) et un système « Universal Reference » leader du secteur qui verrouille la composition, les mouvements de caméra et les actions des personnages à travers les plans. Intégrez un contrôle de niveau réalisateur avec un seul appel d'API, un tarif fixe de 0,09 $/s, une clé instantanée et aucune liste d'attente — le tout soutenu par une disponibilité et une conformité de niveau entreprise. Seedance 2.0 Native 4K est désormais disponible !
Grok Imagine
La Grok Imagine API offre aux développeurs la génération d'images, de vidéos et d'audio de xAI dans une seule suite. Elle produit des images jusqu'à 2K avec un rendu de texte multilingue, ainsi que des vidéos allant jusqu'à 15 secondes avec un audio natif synchronisé et une édition basée sur des références. Sur Atlas Cloud, une seule clé exécute chaque mode Grok Imagine, ce qui vous permet de passer d'une image, d'une vidéo et d'un audio à l'autre sans configuration distincte, à partir de 0,02 $ par image et 0,05 $ par seconde.
Gemini Omni Flash
La Gemini Omni API apporte à votre stack le modèle multimodal de génération et d'édition vidéo de Google DeepMind, présenté à Google I/O 2026. Gemini Omni fusionne le moteur de raisonnement de Gemini avec les médias génératifs : il accepte n'importe quelle combinaison de texte, d'images, de vidéo et d'audio pour produire des résultats cohérents et ancrés dans la connaissance. Affinez vos résultats par simple conversation — remplacez des objets, réécrivez des scènes, changez de style — tandis que la physique, les personnages et la continuité restent intacts. Atlas Cloud propose toute la gamme Gemini Omni Flash — texte vers vidéo, image vers vidéo avec jusqu'à 7 images de référence, et référence vers vidéo — via une API unifiée, avec une tarification transparente à la seconde à partir de $0.112 et sans abonnement. Commencez à développer dès aujourd'hui.
GPT Image 2
L'API GPT Image 2 offre aux développeurs un accès au dernier modèle d'image d'OpenAI, le successeur de GPT Image 1.5. Elle génère et modifie des images avec un rendu de texte précis pour les caractères latins et CJK, ainsi qu'une composition solide pour les affiches, les maquettes et les infographies. Sur Atlas Cloud, vous y accédez via une API unifiée aux côtés de plus de 300 modèles, avec des crédits gratuits, une disponibilité de 99,99 % et sans aucune vérification d'organisation OpenAI requise.
Les modèles créatifs les plus puissants de Google sont tous disponibles sur Atlas Cloud. Veo 3.1 offre une génération de vidéos cinématographiques, Nano Banana 2 permet de créer des images haute fidélité, et Gemini apporte une intelligence multimodale à chaque flux de travail. Accédez à la suite complète de modèles Google via une seule API key avec une disponibilité Day-0 et une tarification à l'usage (pay-as-you-go).
Seedance 2.0 Mini
Seedance 2.0 Mini apporte la génération de vidéos multimodale de ByteDance aux flux de travail où la vitesse et les coûts sont primordiaux. Il offre les capacités de base de Seedance 2.0 avec une empreinte plus légère — une génération plus rapide, un coût par vidéo réduit et la même intégration API que celle que vous utilisez déjà. Pour les équipes qui gèrent des pipelines à haut volume ou du prototypage à grande échelle, Mini est le choix par défaut pratique.
ByteDance
De la génération de vidéos cinématiques à la création d'images haute fidélité, les modèles les plus puissants de ByteDance sont disponibles sur Atlas Cloud. Exécutez Seedance et Seedream à grande échelle avec les prix d'inférence les plus bas et aucune surcharge d'infrastructure.
Alibaba
Atlas Cloud rassemble l'ensemble de la gamme de modèles d'Alibaba sous une seule API : Qwen pour les tâches linguistiques et d'imagerie, et Wan pour la génération de vidéos jusqu'en 1080p. Accédez à chaque modèle avec une tarification à l'usage (pay-as-you-go) sans abonnement. L'API Alibaba est disponible via une URL de base unique en utilisant votre client existant compatible avec OpenAI.
OpenAI
Atlas Cloud vous donne accès à l'ensemble de la gamme de l'API OpenAI, de GPT Image 2 pour la génération d'images à Sora 2 pour la vidéo. Chaque modèle est disponible en paiement à l'usage sans engagement mensuel. Intégrez-le en remplaçant simplement l'URL de base à l'aide de l'API compatible OpenAI.
xAI
Créez des pipelines complets d'images et de vidéos en utilisant la xAI API sur Atlas Cloud. Générez en 2K, éditez avec des images de référence et animez des images en clips synchronisés avec l'audio.
Kwaivgi
L'API Kwaivgi à 15 % en dessous du tarif standard. Atlas Cloud offre un accès Day-0 aux nouvelles versions de Kling avec une tarification à l'usage et sans limite de postes. Un seul compte, une seule clé, tous les modèles Kling du niveau standard au niveau master.
Seedream 5.0 Pro
L'API Seedream 5.0 Pro offre aux développeurs le modèle d'édition d'images contrôlable de ByteDance sur Atlas Cloud. Elle positionne les modifications avec précision à l'aide d'ancrages et de coordonnées, sépare les images en calques modifiables, fusionne de multiples références et fait correspondre les couleurs et matériaux exacts, avec du texte multilingue en 2K et 3K. Sur Atlas Cloud, vous y accédez via une seule clé !
