Wan 2.7 Image-to-Image API by Alibaba
Edits and recomposes images with Wan 2.7 image using text instructions, multi-image references, and optional interaction boxes.
इनपुट
आउटपुट
निष्क्रियआपके अनुरोध की लागत $0.03 प्रति रन होगी। $10 के साथ आप इस मॉडल को लगभग 333 बार चला सकते हैं।
आगे आप यह कर सकते हैं:
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/wan-2.7/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।
pip install requestsप्रमाणीकरण
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।
export ATLASCLOUD_API_KEY="your-api-key-here"HTTP हेडर
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}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।
/api/v1/model/generateImageअनुरोध 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/wan-2.7/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।
/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।
/api/v1/model/uploadMediaअपलोड 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।
कोई पैरामीटर उपलब्ध नहीं है।
अनुरोध बॉडी का उदाहरण
{
"model": "alibaba/wan-2.7/image-edit"
}Output Schema
API जनरेट किए गए आउटपुट URL के साथ एक प्रेडिक्शन प्रतिक्रिया लौटाता है।
प्रतिक्रिया का उदाहरण
{
"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
इंस्टॉल करें
npx skills add AtlasCloudAI/atlas-cloud-skillsAPI कुंजी सेटअप करें
Atlas Cloud डैशबोर्ड से अपनी API कुंजी प्राप्त करें और इसे एनवायरनमेंट वेरिएबल के रूप में सेट करें।
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।
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
इंस्टॉल करें
npx -y atlascloud-mcpकॉन्फ़िगरेशन
अपने IDE की MCP सेटिंग्स फ़ाइल में निम्नलिखित कॉन्फ़िगरेशन जोड़ें।
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}उपलब्ध टूल
API स्कीमा
स्कीमा उपलब्ध नहींकोई उदाहरण 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 करेंAlibaba WAN 2.7 Image Edit
Alibaba WAN 2.7 Image Edit enables instruction-driven image editing and multi-image composition. It is designed for workflows where you want to preserve the source scene, combine references, and steer the result with natural language.
Why creators love it
- Instruction-based editing: Rewrite clothing, materials, color, scene details, or object relationships with a plain-language prompt.
- Single-image and multi-image input: Works well for focused edits as well as reference-driven composition.
- Reference composition: Combine multiple images and a text instruction in one edit request.
- Practical controls: Supports
size,n,watermark,thinking_mode, andseed.
Perfect for
- Marketing teams adapting hero visuals for multiple campaigns.
- E-commerce teams refreshing product shots and styled composites.
- Users who want Wan 2.7 editing quality in the standard tier.
- Creative teams that need reliable visual revisions without rebuilding an image from scratch.
How to Use
- Provide a main source image, and add extra references when style, objects, or composition details need to be guided.
- Write a prompt that explains the desired edit clearly and specifically.
- Choose the target size and decide whether you want one result or multiple variations.
- Review the edited outputs and keep the one that best balances fidelity and creative change.
Pro tips
- Be explicit about what should change and what should remain stable.
- Use a single output when you want tighter control, and multiple outputs when exploring different directions.
