alibaba/qwen-image/edit

इमेज-से-इमेज

Supports multiple image inputs and outputs, allowing for precise modification of text within images, addition, deletion, or movement of objects, alteration of subject actions, transfer of image styles, and enhancement of image details.

इनपुट

पैरामीटर कॉन्फ़िगरेशन लोड हो रहा है...

आउटपुट

निष्क्रिय

जेनरेट की गई छवियां यहां दिखाई देंगी

अपनी सेटिंग्स कॉन्फ़िगर करें और शुरू करने के लिए चलाएं पर क्लिक करें

आपके अनुरोध की लागत 0.032 प्रति रन होगी। $10 के साथ आप इस मॉडल को लगभग 312 बार चला सकते हैं।

आगे आप यह कर सकते हैं:

इमेज-से-वीडियो इमेज-से-इमेज

पैरामीटर

कोड उदाहरण
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/edit",
    "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()

इंस्टॉल करें

अपनी प्रोग्रामिंग भाषा के लिए आवश्यक पैकेज इंस्टॉल करें।

bash

pip install requests

प्रमाणीकरण

सभी API अनुरोधों के लिए API कुंजी के माध्यम से प्रमाणीकरण आवश्यक है। आप अपनी API कुंजी Atlas Cloud डैशबोर्ड से प्राप्त कर सकते हैं।

bash

export ATLASCLOUD_API_KEY="your-api-key-here"

HTTP हेडर

python

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

अपनी API कुंजी सुरक्षित रखें

क्लाइंट-साइड कोड या सार्वजनिक रिपॉज़िटरी में अपनी API कुंजी कभी उजागर न करें। इसके बजाय एनवायरनमेंट वेरिएबल या बैकएंड प्रॉक्सी का उपयोग करें।

अनुरोध सबमिट करें

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())

अनुरोध सबमिट करें

एक असिंक्रोनस जनरेशन अनुरोध सबमिट करें। API एक प्रेडिक्शन ID लौटाता है जिसका उपयोग आप स्थिति जाँचने और परिणाम प्राप्त करने के लिए कर सकते हैं।

POST/api/v1/model/generateImage

अनुरोध बॉडी

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/edit",
    "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']}")

प्रतिक्रिया

{
  "id": "pred_abc123",
  "status": "processing",
  "model": "model-name",
  "created_at": "2025-01-01T00:00:00Z"
}

स्थिति जाँचें

अपने अनुरोध की वर्तमान स्थिति जाँचने के लिए प्रेडिक्शन एंडपॉइंट को पोल करें।

GET/api/v1/model/prediction/{prediction_id}

पोलिंग उदाहरण

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)

स्थिति मान

processingअनुरोध अभी भी प्रोसेस हो रहा है।

completedजनरेशन पूर्ण हो गया है। आउटपुट उपलब्ध हैं।

succeededजनरेशन सफल रहा। आउटपुट उपलब्ध हैं।

failedजनरेशन विफल हो गया। एरर फ़ील्ड जाँचें।

पूर्ण प्रतिक्रिया

{
  "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"
  }
}

फ़ाइलें अपलोड करें

Atlas Cloud स्टोरेज पर फ़ाइलें अपलोड करें और एक URL प्राप्त करें जिसका उपयोग आप अपने API अनुरोधों में कर सकते हैं। अपलोड के लिए multipart/form-data का उपयोग करें।

POST/api/v1/model/uploadMedia

अपलोड उदाहरण

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}")

प्रतिक्रिया

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Input Schema

अनुरोध बॉडी में निम्नलिखित पैरामीटर स्वीकार किए जाते हैं।

कुल: 0आवश्यक: 0वैकल्पिक: 0

कोई पैरामीटर उपलब्ध नहीं है।

अनुरोध बॉडी का उदाहरण

json

{
  "model": "alibaba/qwen-image/edit"
}

Output Schema

API जनरेट किए गए आउटपुट URL के साथ एक प्रेडिक्शन प्रतिक्रिया लौटाता है।

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.

Format: date-time

completed_atstring

ISO 8601 timestamp when the prediction was completed.

Format: date-time

प्रतिक्रिया का उदाहरण

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 300+ AI मॉडल को सीधे आपके AI कोडिंग असिस्टेंट में इंटीग्रेट करता है। इंस्टॉल करने के लिए एक कमांड, फिर इमेज, वीडियो जनरेट करने और LLM के साथ चैट करने के लिए प्राकृतिक भाषा का उपयोग करें।

समर्थित क्लाइंट

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ समर्थित क्लाइंट

इंस्टॉल करें

bash

npx skills add AtlasCloudAI/atlas-cloud-skills

API कुंजी सेटअप करें

Atlas Cloud डैशबोर्ड से अपनी API कुंजी प्राप्त करें और इसे एनवायरनमेंट वेरिएबल के रूप में सेट करें।

bash

export ATLASCLOUD_API_KEY="your-api-key-here"

क्षमताएँ

एक बार इंस्टॉल होने के बाद, आप सभी Atlas Cloud मॉडल तक पहुँचने के लिए अपने AI असिस्टेंट में प्राकृतिक भाषा का उपयोग कर सकते हैं।

इमेज जनरेशनNano Banana 2, Z-Image और अन्य मॉडल के साथ इमेज जनरेट करें।

वीडियो निर्माणKling, Vidu, Veo आदि के साथ टेक्स्ट या इमेज से वीडियो बनाएँ।

LLM चैटQwen, DeepSeek और अन्य बड़े भाषा मॉडल के साथ चैट करें।

मीडिया अपलोडइमेज एडिटिंग और इमेज-टू-वीडियो वर्कफ़्लो के लिए लोकल फ़ाइलें अपलोड करें।

और जानें

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server आपके IDE को Model Context Protocol के माध्यम से 300+ AI मॉडल से जोड़ता है। किसी भी MCP-संगत क्लाइंट के साथ काम करता है।

समर्थित क्लाइंट

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ समर्थित क्लाइंट

इंस्टॉल करें

bash

npx -y atlascloud-mcp

कॉन्फ़िगरेशन

अपने IDE की MCP सेटिंग्स फ़ाइल में निम्नलिखित कॉन्फ़िगरेशन जोड़ें।

json

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

उपलब्ध टूल

atlas_generate_imageटेक्स्ट प्रॉम्प्ट से इमेज जनरेट करें।

atlas_generate_videoटेक्स्ट या इमेज से वीडियो बनाएँ।

atlas_chatबड़े भाषा मॉडल के साथ चैट करें।

atlas_list_models300+ उपलब्ध AI मॉडल ब्राउज़ करें।

atlas_quick_generateऑटो मॉडल चयन के साथ एक-चरण कंटेंट निर्माण।

atlas_upload_mediaAPI वर्कफ़्लो के लिए लोकल फ़ाइलें अपलोड करें।

और जानें

github.com/AtlasCloudAI/mcp-server

API स्कीमा

स्कीमा उपलब्ध नहीं

अनुरोध इतिहास देखने के लिए कृपया साइन इन करें

अपने मॉडल अनुरोध इतिहास तक पहुंचने के लिए आपको साइन इन करना होगा।

साइन इन करें

Alibaba Qwen-Image Edit

An advanced image editing model from Alibaba Cloud, offering precise control and high-quality results. Qwen-Image Edit is designed to handle common editing tasks, allowing users to modify images with natural language prompts. It supports single-image editing and multi-image blending.

Overview

Purpose: Perform image edits using text instructions.
Core Capability: Supports single-image editing and multi-image blending.
Foundation: Powered by Alibaba's advanced multi-modal generative AI technology.
Typical Output: High-quality edited image (1 per request) that blends changes with the original content.
Use Cases: Social media content adjustment, basic photo retouching, and creative experimentation.

Key Features

Multi-image Blending:
- Example: Combine a girl from Image 1, wearing a skirt from Image 2, sitting in a pose from Image 3.
- Example: Combine a girl from Image 1, a necklace from Image 2, and a bag from Image 3.
Single-image Editing:
- Generate depth-compliant images.
- Replace text (e.g., "HEALTH INSURANCE" -> "明天会更好").
- Replace shirt color.
- Change background (e.g., to Antarctica).
High Fidelity: Preserves the quality of the original image while applying edits.
Smart Inpainting: Fills gaps or replaces objects based on the surrounding context.

Designed For

Content Creators: Quickly adjust visuals for social platforms.
General Users: Easily modify personal photos or creative projects.
Developers: Integrate image editing capabilities into applications.

Input Requirements

To achieve the best results, follow these guidelines:

Inputs

Structure:
- messages array with role: user.
- content array: 1-3 images ({"image": "..."}) + 1 text instruction ({"text": "..."}).
Image Format: JPG, JPEG, PNG, BMP, TIFF, WEBP, GIF (first frame).
Resolution: Recommended 384px - 3072px.
Size Limit: Max 10MB per image.
Text Limit: Max 800 characters.

Parameters

n: Number of output images. Fixed at 1.
negative_prompt: Description of content to exclude (max 500 characters).
size: Not customizable. Output resolution maintains the aspect ratio of the input (or last input image), typically around 1024x1024.
watermark: Boolean to add "Qwen-Image" watermark. Default is false.
seed: Integer for reproducibility.

Pricing

Billing Logic: Pay-as-you-go based on the number of successful output images.
Tier: Standard tier offering a balance of performance and cost.

Limitations & FAQ

Conversation: Does not support multi-turn conversation (single turn only).
Languages: Chinese and English are supported; other languages are unverified.
Aspect Ratio: Output follows the aspect ratio of the input image (or the last image if multiple are provided).
Resolution: Does not support custom output resolution.
Output Quantity: Only supports generating 1 image per request.

Version

Model: Alibaba Qwen-Image Edit
Family: Qwen-Image
Technical Context: Standard version with essential editing capabilities.

समान मॉडल देखें

Wan-2.7 Pro Image-to-image

Edits and recomposes images with Wan 2.7 image pro using text instructions and multi-image references for higher quality outputs.

Wan-2.7 Pro Text-to-image

Generates images from text prompts with Wan 2.7 image pro, supporting higher fidelity outputs and 4K-ready workflows.

Wan-2.7 Image-to-image

Edits and recomposes images with Wan 2.7 image using text instructions, multi-image references, and optional interaction boxes.

Wan-2.7 Text-to-image

Generates images from text prompts with Wan 2.7 image, supporting fast iteration and strong prompt fidelity for illustration and photorealistic outputs.

$0.03/छवि

300+ मॉडल से शुरू करें,

सभी मॉडल एक्सप्लोर करें