Atlas Cloud अब अमेरिका में Dreamina Seedance 2.5 और Seedream 5.0 Pro का अधिकृत रीसेलर है।Atlas Cloud अब अमेरिका में Dreamina Seedance 2.5 और Seedream 5.0 Pro का अधिकृत रीसेलर है।
ERNIE Image API, Baidu के open-weight 8B Diffusion Transformer को आपके stack में लाता है, जिसे ERNIE-Image Team ने Apache 2.0 के तहत रिलीज़ किया है। यह LongTextBench पर 0.9733 के साथ शीर्ष स्थान हासिल करता है, जिससे poster headlines और comic speech bubbles पठनीय बने रहते हैं, जबकि distilled Turbo variant inference को 50 steps से घटाकर 8 कर देता है। Atlas Cloud इसे transparent pay-as-you-go pricing के साथ एक OpenAI-compatible endpoint के जरिए उपलब्ध कराता है। आज ही बनाना शुरू करें।
Atlas Cloud (Atlas Cloud AI LLC द्वारा संचालित) तृतीय-पक्ष AI मॉडलों तक पहुँच प्रदान करता है, जिन्हें उनके संबंधित प्रदाताओं द्वारा विकसित किया गया है और जिनका स्वामित्व उन्हीं के पास है। Atlas Cloud इन मॉडलों का स्वामी नहीं है, और सभी मॉडल नाम, उत्पाद नाम और ट्रेडमार्क उनके संबंधित स्वामियों की संपत्ति हैं।
हम इस संग्रह को अंतिम रूप दे रहे हैं — इस बीच, नीचे समान संग्रह देखें।
Seedance 2.5 API अब Atlas Cloud पर उपलब्ध है! यह डेवलपर्स को ByteDance का नवीनतम वीडियो मॉडल प्रदान करता है। यह टेक्स्ट, एकल छवि, या 50 मल्टीमोडल संदर्भों से एक ही बार में 30 सेकंड तक का नेटिव वीडियो उत्पन्न करता है, जिसमें सिंक्रनाइज़ ऑडियो और इन-फ्रेम बहुभाषी टेक्स्ट शामिल है। Atlas Cloud पर आप इसे एक कुंजी के माध्यम से एक्सेस कर सकते हैं, जिसमें विषय की निरंतरता और बेहतर भौतिकी लंबे शॉट्स को सुसंगत रखती है।
Wan 3.0 API अलीबाबा (Alibaba) के Wan वीडियो परिवार की अगली पीढ़ी है, जिसे लॉन्ग-फॉर्म जनरेशन, मल्टी-रेफरेंस कंट्रोल और ऑडियो-विज़ुअल क्वालिटी को नई ऊंचाइयों पर ले जाने के लिए बनाया गया है। Atlas Cloud पहले से ही Wan 2.7, 2.6 और 2.5 को होस्ट करता है, और Wan 3.0 बिना किसी अलग सेटअप के उसी यूनिफाइड की पर चलता है। आज ही निर्माण शुरू करें। Wan 3.0 क्या बना सकता है, यह देखने के लिए नीचे शोकेस पर स्क्रॉल करें।
MiniMax H3, टेक्स्ट, इमेज और संदर्भ-निर्देशित सृजन के लिए MiniMax का मल्टीमॉडल वीडियो परिवार है। समर्थित रूट्स में यह संदर्भ मीडिया के विषयों को बनाए रखता है, लचीले आस्पेक्ट रेशियो उपलब्ध कराता है और H3 Developer के ज़रिए जनरेटेड साउंड को विज़ुअल्स के साथ संयोजित करता है; आउटपुट प्रोफ़ाइल endpoint के अनुसार चुनी जाती हैं। Atlas Cloud इस परिवार को एक OpenAI-compatible key के पीछे एकीकृत करता है और $0.038 प्रति सेकंड की मानक दर से शुरू होने वाली पारदर्शी pay-as-you-go pricing प्रदान करता है। आज ही निर्माण शुरू करें।
OpenAI का gpt-image-2.5 परिवार डेवलपर्स को प्रोडक्शन इमेज वर्कफ़्लो के लिए Flare और Sunburst में से चुनने की सुविधा देता है। 3840x2160 तक के मनचाहे रिज़ॉल्यूशन पर रेंडर करें और विशिष्ट आउटपुट आवश्यकताओं के अनुरूप xhigh और max समेत पाँच गुणवत्ता स्तरों में से चुनें। Atlas Cloud बिना कोल्ड स्टार्ट और प्रति जनरेशन $0.004 से शुरू होने वाले मानक मूल्य निर्धारण के साथ उपयोग के लिए तैयार REST inference उपलब्ध कराता है। आज से निर्माण शुरू करें।
Seedream 5.0 Pro API डेवलपर्स को Atlas Cloud पर ByteDance का नियंत्रणीय छवि संपादन मॉडल प्रदान करता है। यह एंकर और निर्देशांकों के साथ संपादनों को सटीक रूप से रखता है, छवियों को संपादन योग्य परतों में अलग करता है, कई संदर्भों को मिलाता है, और 2K और 3K पर बहुभाषी पाठ के साथ सटीक रंगों और सामग्रियों का मिलान करता है। Atlas Cloud पर आप एक कुंजी के माध्यम से इस तक पहुँच सकते हैं!
Seedance 2.0 ByteDance का प्रोडक्शन-ग्रेड वीडियो मॉडल है, जो सटीक शॉट निर्माण के लिए बनाया गया है। प्रॉम्प्ट्स को वीडियो में बदलें, वैकल्पिक अंतिम-फ़्रेम मार्गदर्शन के साथ प्रथम-फ़्रेम छवि को एनिमेट करें, या संदर्भ मीडिया और वैकल्पिक वेब खोज की मदद से परिणामों को आकार दें। Atlas Cloud इन वर्कफ़्लो को पारदर्शी उपयोग-आधारित मूल्य निर्धारण और एक OpenAI-संगत कुंजी वाली एकीकृत API में लाता है। आज ही निर्माण शुरू करें।
Kling 3.0 API एक OpenAI-संगत कुंजी के माध्यम से Kuaishou के प्रमुख वीडियो सुइट को Atlas Cloud पर लाता है। इसमें दो मॉडल शामिल हैं: AI Director स्टोरीटेलिंग, बहुभाषी लिप-सिंक और सटीक ऑन-स्क्रीन टेक्स्ट के लिए Kling 3.0, और किसी छोटे वीडियो या छवि से विषय और वॉयस क्लोनिंग के लिए Kling 3.0 Omni (O3)। दोनों एक ही पास में नेटिव ऑडियो उत्पन्न करते हैं, जिसमें 4K तक का आउटपुट होता है। एक विश्वसनीय बुनियादी ढांचे पर सिनेमाई आख्यान, वैश्विक मार्केटिंग, बहुभाषी विज्ञापन और धारावाहिक चरित्र सामग्री का निर्माण करें।
Grok Imagine Video डेवलपर्स को xAI के वीडियो परिवार तक पहुँच प्रदान करता है, जिससे क्लिप बनाए, एनिमेट, विस्तारित और संपादित की जा सकती हैं। प्रॉम्प्ट से 1 से 15 सेकंड के वीडियो जनरेट करें, अधिकतम सात संदर्भ छवियों के साथ लोगों, वस्तुओं या शैलियों का मार्गदर्शन करें, और 480p या 720p में काम करें। Atlas Cloud इन क्षमताओं को OpenAI-संगत एंडपॉइंट्स और पारदर्शी पे-एज़-यू-गो मूल्य निर्धारण के माध्यम से एक साथ उपलब्ध कराता है। आज ही निर्माण शुरू करें।
Vidu Q4, Vidu का नवीनतम फ्लैगशिप वीडियो मॉडल है, जिसे image-to-video और reference-to-video जनरेशन के लिए डिज़ाइन किया गया है। यह एक स्थिर इमेज को एनिमेट कर सकता है और स्वचालित सीन ट्रांज़िशन बना सकता है, जिससे डेवलपर्स को अलग-अलग प्रोडक्ट वर्कफ़्लो के लिए दो इनपुट पथ मिलते हैं। Atlas Cloud, सत्यापित मानक मूल्य $0.04 प्रति सेकंड पर प्रकाशित पैरामीटर स्कीमा वाले समर्पित API endpoints उपलब्ध कराता है। आज ही निर्माण शुरू करें।
Gemini Omni 1.1 Flash, Google DeepMind की लचीले प्रोडक्शन वर्कफ़्लो के लिए मूल रूप से मल्टीमॉडल वीडियो फ़ैमिली है। टेक्स्ट निर्देशों के ज़रिए मौजूदा फ़ुटेज संपादित करें, अधिकतम 10 रेफ़रेंस इमेज और 3 वीडियो क्लिप के साथ दृश्यगत एकरूपता बनाए रखें, या किसी शॉट को आपस में जोड़े जा सकने वाले सेगमेंट में 40 सेकंड तक बढ़ाएँ। एक OpenAI-compatible API key, उपयोग के अनुसार भुगतान वाली कीमत और Day-0 उपलब्धता के साथ Atlas Cloud पर हर वर्कफ़्लो तक पहुँचें। आज ही निर्माण शुरू करें।
Nano Banana 2.1 Google का इमेज मॉडल परिवार है, जो Gemini 3.6 Flash पर निर्मित है। यह Flash-स्तरीय गति पर Pro-स्तरीय जनरेशन और एडिटिंग प्रदान करता है, 1 से 14 इनपुट इमेज के बीच प्राकृतिक भाषा वाले संपादनों और विलयों का समर्थन करता है, और अधिकतम 4 कैरेक्टर तथा 10 ऑब्जेक्ट के लिए संगति बनाए रखता है। Atlas Cloud के माध्यम से, डेवलपर एक OpenAI-compatible key, विश्वसनीय uptime और Day-0 availability के साथ इस परिवार का उपयोग कर सकते हैं। आज ही निर्माण शुरू करें।
Google के Gemini 3.1 Flash Image मॉडल द्वारा संचालित, Nano Banana 2 API के साथ निर्माण करें। यह जेनरेशन और एडिटिंग दोनों के लिए 14 संदर्भ छवियों तक सटीक टेक्स्ट रेंडरिंग और सुसंगत पात्रों के साथ 4096x2304 तक नेटिव 4K दृश्य उत्पन्न करता है। Atlas Cloud पर आप 300+ मॉडलों के साथ एक एकीकृत API के माध्यम से इस तक पहुंच सकते हैं, जिसकी कीमत $0.04 प्रति छवि से शुरू होती है, 99.99% अपटाइम है, और शुरुआत करने के लिए मुफ्त क्रेडिट मिलते हैं।
हर text-to-image एंडपॉइंट को अपनी गति और गुणवत्ता की ज़रूरतों से मिलाएँ।
| मोडैलिटी | विवरण |
|---|---|
| ERNIE Image API (Text To Image) | जहाँ Turbo एंडपॉइंट थ्रूपुट को प्राथमिकता देता है, वहीं मानक ERNIE Image API उसी text-to-image कार्य में अधिकतम आउटपुट fidelity पर ज़ोर देता है। यह पोस्टर, एडिटोरियल ग्राफ़िक्स और कमर्शियल लेआउट जैसे अंतिम प्रोडक्शन कार्यों के लिए उपयुक्त है, जहाँ हर विवरण को सही पाना तेज़ डिलीवरी से अधिक महत्वपूर्ण होता है। |
| ERNIE Image Turbo API (Text To Image) | एक ही text prompt को प्रति अनुरोध सात aspect ratios में अधिकतम दस इमेज में बदलें—स्क्वेयर 1024 pixels से लेकर लंबी किनारी पर 1376 pixels तक। कम latency के लिए ट्यून किया गया यह एंडपॉइंट डिफ़ॉल्ट रूप से आठ inference steps का उपयोग करता है और इसमें built-in Prompt Enhancer शामिल है, जो जनरेशन से पहले छोटे prompts को विस्तार देता है। जब तेज़ iteration, real-time previews और high-volume batch runs, गुणवत्ता की अंतिम छोटी बढ़त निकालने से अधिक महत्वपूर्ण हों, तब इसका उपयोग करें। |
Industry-leading text rendering और structured multi-panel layouts से लेकर native bilingual prompting, default Prompt Enhancer, seven output dimensions और reproducible Turbo batches तक, ERNIE Image API सटीक निर्देशों को production-ready imagery में बदल देता है।
0.9733 का leading LongTextBench score मॉडल को generated images में सीधे पठनीय और सही spelling वाला text render करने देता है। Comic speech bubbles, poster headlines, infographic labels और UI mockup copy—सब कुछ sharp और readable रहता है।
Generation, edit, composite और upscale primitives, grid-based spatial relationships की समझ के साथ काम करते हैं। मिलकर ये coherent multi-panel sequences और formatted designs देते हैं, जिन्हें designers एक centralized pipeline से चला सकते हैं।
English और Chinese, दोनों prompts उसी encoder pipeline से natively चलते हैं और दोनों भाषाओं की idiomatic phrasing को capture करते हैं। यह dual fluency global campaigns और localized content, दोनों के लिए authentic visual storytelling को support करती है।
Default रूप से enabled, lightweight Prompt Enhancer short inputs को diffusion backbone तक पहुँचने से पहले richer, structured descriptions में rewrite करता है। जब exact wording पर literal control ज़्यादा मायने रखे, तो इसे per request off कर सकते हैं।
Seven native output sizes में square 1024x1024, 1376x768 तक के landscape framings और 768x1376 तक के portrait shapes शामिल हैं। हर ratio सीधे generate होता है, इसलिए हर format में framing intact रहती है।
बिना इंतज़ार के volume चाहिए? Turbo mode सिर्फ 8 inference steps तक में चलता है और per request 10 images तक return करता है, जबकि explicit seed हर result को reproducible बनाए रखता है।
बिल्कुल वही brief flagship ERNIE Image model, एक लोकप्रिय rival और उसके तेज़ sibling को दें, फिर साथ-साथ परखें कि हर model typography, layout और light को कैसे render करता है।
Top-down flatlay still life, camera बिल्कुल overhead lock है और traditional Chinese herbal-tea dispensary के weathered pale-elm apothecary counter पर सीधे नीचे देख रहा है। Late-morning की hard directional window light दाईं ओर से low angle पर आती है—frame की असली protagonist—जो लंबी, crisp, elongated shadows डालती है जो raw wood grain पर बाईं ओर फैलती हैं और leading lines की तरह काम करती हैं। Dense right side पर, tightly clustered clear glass jars सूरज की रोशनी से चमकते हैं: translucent dried chrysanthemum buds, red goji berries, curled amber tangerine peel (chenpi), और deep crimson dried roselle petals light पकड़ते हुए। Matte patina वाला छोटा oxidized brass hand-balance scale, fine powder से धूल भरा worn stone mortar and pestle, और coarse-fibered handwritten paper prescription slips जिन पर traditional kaishu में साफ़ brush-calligraphy Chinese characters लिखे हैं ("甘草三钱", "桂花蜜"), किनारे frayed और fibrous। Mid-moment capture: एक toppled pewter canister अपनी side पर पड़ा है, उसका mouth खुला है, कई goji berries अभी भी rolling और outward scattering कर रही हैं, हर एक अपनी पतली needle-long shadow डालती हुई। Composition density-and-void के through सांस लेती है—दाईं ओर का packed cluster बाईं ओर के empty bare-wood negative space के broad expanse से balanced है। पूरे frame में monochromatic warm palette—amber, tangerine-orange, aged brass gold—जिसे dark roselle red की single note तोड़ती है। Textures magnification पर भी टिकने चाहिए: dried petals की brittle thinness, dull oxidized brass, ragged paper fiber edges, loose powder का grain। Natural directional light, no artificial glow, clean crisp shadows, realistic material rendering, restrained and elegant, macro-detailed food-and-herb still-life photography, 85mm lens से shot, wide horizontal landscape framing, wide 16:9 aspect ratio, full-bleed.
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
एक three-panel horizontal manga strip जिसमें एक teenage inventor girl अपने cluttered attic workshop में है। पहले panel में वह warm lamplight में एक छोटी flying machine sketch करती है, दूसरे में contraption sputter करते हुए mid-air lift off करता है और bolts बिखेरता है, तीसरे में वह triumph में मुस्कुराते हुए दोनों fists ऊपर उठाती है। Clean bilingual speech bubbles में crisp English और Japanese lettering है, confident ink linework और screentone shading के साथ drawn, warm amber lamp glow को cool workshop shadows के against balance किया गया है। Character design तीनों panels में consistent रहता है, gestures expressive रहते हैं, और story left to right clear sequential flow के साथ read होती है। Bold clean outlines के साथ vibrant cel-shaded anime illustration style। Wide 16:9 aspect ratio, full-bleed.
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
टेक्स्ट-परफेक्ट पोस्टर और मल्टी-पैनल कॉमिक्स से लेकर द्विभाषी कैंपेन, प्रोडक्ट कैटलॉग, इंटरफ़ेस मॉकअप और लेबल वाले इन्फ़ोग्राफ़िक्स तक, ERNIE Image API सटीक प्रॉम्प्ट्स को हर कंटेंट पाइपलाइन में लेआउट-सटीक विज़ुअल्स में बदल देता है।
मॉडल की अग्रणी टेक्स्ट सटीकता के कारण पठनीय हेडलाइन, कीमतें और प्रोडक्ट कॉपी सीधे कैंपेन पोस्टर और बैनर में रेंडर होती हैं। मार्केटिंग टीमें अलग टाइपसेटिंग चरण के बिना सीधे प्रिंट-रेडी एसेट्स शिप कर सकती हैं।
क्योंकि मॉडल ग्रिड-आधारित लेआउट और मल्टी-पैनल संरचना को समझता है, यह स्पीच बबल्स के भीतर सेट किए गए संवादों के साथ सुसंगत कॉमिक पेज रेंडर करता है। स्वतंत्र क्रिएटर्स और स्टूडियो हर फ़्रेम को हाथ से दोबारा बनाए बिना पूरे स्टोरीबोर्ड ड्राफ़्ट कर सकते हैं।
नेटिव English और Chinese प्रॉम्प्ट सपोर्ट का मतलब है कि एक ही वर्कफ़्लो दोनों बाज़ारों के लिए ऑन-ब्रांड विज़ुअल्स बनाता है, जिसमें हर स्क्रिप्ट में टेक्स्ट सही तरह से रेंडर होता है। ग्लोबल टीमें हर भाषा के लिए अलग डिज़ाइन पाइपलाइन रखे बिना क्रिएटिव लोकलाइज़ कर सकती हैं।
एक ही API कॉल के ज़रिए पूरे कैटलॉग में लाइफ़स्टाइल सीन, प्रोडक्ट मॉकअप और प्रमोशनल इमेजरी जनरेट करें। Turbo वैरिएंट inference को आठ steps में संकुचित करता है, इसलिए हाई-वॉल्यूम स्टोर मिनटों में पूरे कैटलॉग रिफ़्रेश कर सकते हैं।
पिच के लिए यथार्थवादी स्क्रीन चाहिए? मॉडल पढ़ने योग्य लेबल, बटन और बॉडी कॉपी के साथ ऐप इंटरफ़ेस और वेबसाइट मॉकअप रेंडर करता है, जिससे प्रोडक्ट टीमों को एक भी कंपोनेंट बनने से पहले प्रेज़ेंटेशन-रेडी प्रोटोटाइप मिल जाते हैं।
मज़बूत instruction following, एक ही generation में इमेजरी को स्पष्ट रूप से लेबल किए गए डायग्राम, चार्ट और कॉलआउट्स के साथ जोड़ता है। शिक्षक और विश्लेषक घने स्रोत सामग्री को ऐसे एक्सप्लेनर ग्राफ़िक्स में बदलते हैं जो किसी भी डिस्प्ले आकार पर पठनीय बने रहते हैं।
देखें कि डेवलपर स्रोत, एक्सेस मॉडल, द्विभाषी टेक्स्ट रेंडरिंग और प्रति-इमेज लागत के आधार पर ERNIE Image अन्य open और proprietary जनरेटरों के सामने कहाँ ठहरता है।
| Model | Developer | Access Model | द्विभाषी टेक्स्ट रेंडरिंग (EN + ZH) | कीमत (प्रति इमेज) |
|---|---|---|---|---|
| ERNIE-Image | Baidu (ERNIE-Image Team) | Open weights, Apache 2.0 | इंडस्ट्री में अग्रणी, LongTextBench 0.9733 | Pay-as-you-go |
| ERNIE-Image Turbo | Baidu (ERNIE-Image Team) | Open weights, Apache 2.0 | DMD-distilled 8-step inference में बरकरार | Pay-as-you-go |
| Qwen Image 2.0 | Alibaba (Tongyi) | Open weights, Apache 2.0 | 1K-token typography layouts में मजबूत | $0.035 |
| Z-Image Turbo | Alibaba (Tongyi Lab) | Open weights, Apache 2.0 | English के साथ जटिल Chinese signage संभालता है | $0.005 |
| Seedream v4.5 | ByteDance | Proprietary | native 4K पर designer-level rendering | $0.04 |
कुछ ही मिनटों में शुरू करें — इन सरल चरणों का पालन करके Atlas Cloud प्लेटफ़ॉर्म के ज़रिए मॉडल इंटीग्रेट और डिप्लॉय करें।
atlascloud.ai पर साइन अप करें और वेरिफिकेशन पूरा करें। नए यूज़र्स को प्लेटफ़ॉर्म एक्सप्लोर करने और मॉडल टेस्ट करने के लिए फ्री क्रेडिट मिलते हैं।
बेजोड़ प्रदर्शन, स्केलेबिलिटी और विकास अनुभव के लिए उन्नत ERNIE Image API for Readable Text in Images मॉडल को Atlas Cloud के GPU त्वरण प्लेटफ़ॉर्म के साथ संयोजित करें।
कम विलंबता:
रियल-टाइम प्रतिक्रिया के लिए GPU-अनुकूलित इंफरेंसिंग।
एकीकृत API:
ERNIE Image API for Readable Text in Images, GPT, Gemini और DeepSeek के लिए एक इंटीग्रेशन।
पारदर्शी मूल्य निर्धारण:
प्रति token बिलिंग, Serverless मोड का समर्थन।
डेवलपर अनुभव:
SDK, डेटा एनालिटिक्स, फाइन-ट्यूनिंग टूल और टेम्पलेट पूरी तरह से उपलब्ध हैं।
विश्वसनीयता:
99.99% उपलब्धता, RBAC अनुमति नियंत्रण, अनुपालन लॉगिंग।
सुरक्षा और अनुपालन:
SOC 2 Type II प्रमाणन, HIPAA अनुपालन, US डेटा संप्रभुता।
ERNIE Image API डेवलपर्स को Baidu के open-weight text-to-image model तक प्रोग्रामेटिक एक्सेस देता है। यह एक 8B single-stream Diffusion Transformer है, जिसके साथ Prompt Enhancer जुड़ा है जो छोटे prompts को अधिक समृद्ध और बेहतर संरचित विवरणों में विस्तार देता है। Atlas Cloud पर आप इसे pay-as-you-go pricing और Day-0 access के साथ एक OpenAI-compatible endpoint के जरिए एक्सेस करते हैं।
इसकी सबसे बड़ी ताकत इमेज के भीतर पढ़ने योग्य टेक्स्ट बनाना है। यह model English में LongTextBench पर 0.9733 स्कोर करता है, जो open-weight models में शीर्ष परिणाम है। इसलिए यह posters, comic speech bubbles, infographics, और UI mockups के लिए भरोसेमंद है, जहां हर character सही तरह से लिखा होना जरूरी होता है।
दोनों variants एक ही 8B architecture साझा करते हैं, लेकिन quality और speed के बीच अलग संतुलन चुनते हैं। Standard model final assets पर अधिकतम fidelity के लिए guidance scale 4.0 पर 50 inference steps चलाता है, जबकि Turbo variant को DMD और reinforcement learning से लगभग 8 steps तक distilled किया गया है, ताकि तेज और high-volume generation हो सके।
हाँ। Prompts को उसी encoder के जरिए English, Chinese, और Japanese में support किया जाता है, और text अलग-अलग scripts में भरोसेमंद रहता है। Chinese LongTextBench पर इसका स्कोर 0.9661 है। जहां कई competing models Chinese characters पर तेजी से कमजोर हो जाते हैं, यह model Simplified, Traditional, और mixed bilingual copy को साफ बनाए रखता है।
Turbo endpoint एक ही size parameter के जरिए सात preset sizes स्वीकार करता है, जिनमें 1024x1024 square से लेकर 1376x768 landscape और 768x1376 portrait formats तक शामिल हैं। आप प्रति call अधिकतम दस images भी request कर सकते हैं, reproducible results के लिए seed fix कर सकते हैं, और use_pe flag से built-in Prompt Enhancer को toggle कर सकते हैं।
शुरू करने के लिए सिर्फ एक API key चाहिए। Atlas Cloud पर sign up करें, अपने मौजूदा OpenAI-compatible client को endpoint की ओर point करें, और response में image URLs पाने के लिए optional size और seed के साथ prompt भेजें। Billing प्रति call pay-as-you-go है और model के लिए Day-0 access मिलता है।
प्रकाशित benchmarks में यह model FLUX.2-klein-9B जैसे comparable open releases से बेहतर प्रदर्शन करता है, और GenEval overall पर 0.8481 के मुकाबले 0.8856 स्कोर करता है। इसकी सबसे बड़ी बढ़त text rendering में है, जहां FLUX.2 Chinese पर गिरकर 0.2183 हो जाता है, जबकि ERNIE Image 0.96 से ऊपर बना रहता है। readable in-image text और structured layouts पर आधारित workloads के लिए यह फिलहाल सबसे मजबूत open-weight विकल्प है।
हाँ। ERNIE Image Apache 2.0 license के तहत जारी किया गया है, जो commercial use, modification, और redistribution की अनुमति देता है। Generated images को advertising, merchandise, publications, और अन्य commercial products में बिना license friction के इस्तेमाल किया जा सकता है।
Atlas Cloud का भरपूर लाभ उठाने में मदद करने वाली गाइड, ट्यूटोरियल और प्रोडक्ट अपडेट।
