Baidu Models on Atlas Cloud | ERNIE

Atlas Cloud, Baidu API के अंतर्गत ERNIE Image और ERNIE Image Turbo को होस्ट करता है, दोनों उपयोग के आधार पर भुगतान वाले हैं। प्रत्येक मॉडल अंग्रेजी और चीनी में टेक्स्ट रेंडरिंग के लिए ओपन-सोर्स में अग्रणी है।

AI Image Models by Baidu

Atlas Cloud पर अत्याधुनिक AI इमेज जनरेशन मॉडल का उपयोग करके प्रॉम्प्ट और रेफरेंस से शानदार, प्रोडक्शन-रेडी विज़ुअल तैयार करें।

सभी मॉडल देखें

ERNIE Image API for Readable Text in Images

टेक्स्ट-से-इमेज

ERNIE Image API for Readable Text in Images

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।

1 मॉडलERNIE Image API for Readable Text in Images एक्सप्लोर करें

Baidu Models API Pricing Details

Compare standard vs. our pricing across every Baidu model.

Model	Standard Price (USD)	Our Price (USD)	Discount
Baidu ERNIE Image Turbo Text-to-image	—	Start fromFree	—	View

Explore models from other providers

Instantly explore and experiment with 400+ production-ready models in the Atlas Playground. Start customizing with one click.

xAI

Baidu API के उपयोग के मामले जिन्हें आप Atlas Cloud पर बना सकते हैं

ERNIE Image को ऐसे वर्कफ़्लो के लिए बनाया गया है जहाँ जनरेट की गई छवि के अंदर टेक्स्ट पढ़ने योग्य होना चाहिए। टीमें बिना किसी डिज़ाइन टीम के बड़े पैमाने पर द्विभाषी एसेट, संरचित लेआउट और टेक्स्ट-हैवी क्रिएटिव तैयार करने के लिए इसका उपयोग करती हैं।

द्विभाषी मार्केटिंग पोस्टर निर्माण

मार्केटिंग टीमें एक ही API कॉल में पठनीय अंग्रेजी और चीनी टेक्स्ट के साथ अभियान पोस्टर तैयार करने के लिए ERNIE Image का उपयोग करती हैं, जो एक ही प्रॉम्प्ट संरचना से दोनों बाजारों को लक्षित करती हैं। मॉडल दोनों लिपियों को 0.96 से अधिक सटीकता पर प्रस्तुत करता है, जिससे हेडलाइन और मुख्य कॉपी पोस्ट-प्रोडक्शन सुधारों के बिना साफ-सुथरी निकलती हैं। Atlas Cloud की भुगतान-प्रति-उपयोग (pay-as-you-go) मूल्य निर्धारण प्रणाली प्रति-एसेट डिज़ाइन लागत के बिना प्रति अभियान दर्जनों संस्करण तैयार करने को व्यावहारिक बनाती है।

क्रॉस-मार्केट ब्रांड्स के लिए उत्पाद पैकेजिंग

चीनी बाज़ार में प्रवेश करने वाले ब्रांड प्रिंट उत्पादन के लिए प्रतिबद्ध होने से पहले सटीक द्विभाषी पाठ के साथ उत्पाद लेबल और पैकेजिंग मॉकअप उत्पन्न करने के लिए ERNIE Image का उपयोग करते हैं। मॉडल एक ही लेआउट में सरलीकृत चीनी, पारंपरिक चीनी और अंग्रेजी को संभालता है, जिसमें लेबल और घटक सूचियों पर छोटे पाठ भी शामिल हैं। 1024×1024 आउटपुट रिज़ॉल्यूशन पर, मॉकअप उत्पादन-गुणवत्ता वाले होते हैं जो ग्राहक अनुमोदन और विनियामक सबमिशन में उपयोग के लिए पर्याप्त हैं।

कॉमिक और मल्टी-पैनल लेआउट निर्माण

प्रकाशक और कंटेंट स्टूडियो ERNIE Image का उपयोग चीनी या अंग्रेजी में सटीक स्पीच बबल, कैप्शन बॉक्स और पैनल टेक्स्ट के साथ कॉमिक पैनल जनरेट करने के लिए करते हैं। यह मॉडल इस प्रकार के स्ट्रक्चर्ड टेक्स्ट-इन-इमेज आउटपुट के लिए विशेष रूप से LongTextBench पर 0.96 से अधिक स्कोर करता है। Atlas Cloud पर ERNIE Image Turbo मुफ़्त है, जिससे इटरेशन चरण के दौरान उच्च-मात्रा वाले पैनल ड्राफ्टिंग की लागत शून्य हो जाती है।

स्वचालित इन्फोग्राफिक निर्माण

डेटा टीमें ERNIE Image की टेक्स्ट रेंडरिंग सटीकता का उपयोग करके संरचित डेटा को लेबल किए गए इन्फोग्राफिक इमेज में बदलने के लिए पाइपलाइन बनाती हैं। चार्ट लेबल, कॉलआउट बॉक्स और सेक्शन हेडर एक ही प्रॉम्प्ट से दोनों भाषाओं में सटीक रूप से रेंडर होते हैं, जिससे डेटा आउटपुट और विज़ुअल के बीच मैनुअल डिज़ाइन का चरण समाप्त हो जाता है। बिल्ट-इन Prompt Enhancer स्वचालित रूप से संक्षिप्त डेटा विवरणों को विस्तृत लेआउट निर्देशों में फिर से लिखता है।

बड़े पैमाने पर स्थानीयकृत विज्ञापन क्रिएटिव

परफॉर्मेंस मार्केटिंग टीमें एक ही कैंपेन ब्रीफ़ से चीनी और अंग्रेजी भाषी बाज़ारों के लिए स्थानीयकृत विज्ञापन क्रिएटिव बनाती हैं, और एक ही पाइपलाइन में दोनों भाषा संस्करण तैयार करने के लिए ERNIE Image के द्विभाषी समर्थन का उपयोग करती हैं। प्रत्येक क्रिएटिव सटीक इन-इमेज टेक्स्ट के साथ आता है, जिससे जेनरेट की गई छवियों को संपादित करने या फिर से टाइपसेट करने की आवश्यकता समाप्त हो जाती है। Atlas Cloud पर मुफ्त Turbo टियर परीक्षण लागत को शून्य पर रखता है जबकि टीमें यह मूल्यांकन करती हैं कि किन क्रिएटिव वेरिएंट्स को स्केल करना है।

UI मॉकअप कॉपी जनरेशन

उत्पाद और डिज़ाइन टीमें ERNIE Image का उपयोग करके यथार्थवादी प्लेसहोल्डर कॉपी के साथ UI मॉकअप स्क्रीनशॉट जनरेट करती हैं, जो अंग्रेज़ी या चीनी में सटीक रूप से रेंडर किए जाते हैं। मॉडल बटन लेबल, नेविगेशन टेक्स्ट, फ़ॉर्म फ़ील्ड और मोडल कॉपी को उच्च निष्ठा के साथ संभालता है, जिससे मॉकअप को मैन्युअल टेक्स्ट लेयर संपादन के बिना प्रस्तुतियों में उपयोग किया जा सकता है। यह वायरफ्रेम कॉन्सेप्ट और हितधारकों के लिए तैयार दृश्य के बीच के समय को घंटों से घटाकर मिनटों में कर देता है।

Atlas Cloud AI के साथ अपनी एंटरप्राइज़ विज़न को हकीकत में बदलें।

सेल्स से संपर्क करें

Baidu के बारे में अक्सर पूछे जाने वाले प्रश्न

चीनी टेक्स्ट रेंडरिंग के लिए LongTextBench पर ERNIE Image का स्कोर 0.96 से अधिक है, जो ओपन-वेट टेक्स्ट-टू-इमेज मॉडल में सबसे अधिक है। अधिकांश प्रतिस्पर्धी ओपन-सोर्स मॉडल चीनी टेक्स्ट परिदृश्यों में 0.3 से काफी नीचे स्कोर करते हैं, जिससे वे किसी भी ऐसे वर्कफ़्लो के लिए अविश्वसनीय हो जाते हैं जिसमें जनरेट की गई छवियों के अंदर पठनीय चीनी टेक्स्ट की आवश्यकता होती है। यदि आउटपुट में सटीक चीनी टेक्स्ट एक अनिवार्य आवश्यकता है, तो ERNIE Image एक व्यावहारिक विकल्प है।

हाँ। ERNIE Image एक ही जनरेशन कॉल में दोनों लिपियों को संभालता है, और स्वतंत्र रूप से प्रत्येक के लिए उच्च सटीकता बनाए रखता है। यह द्विभाषी पोस्टर, पैकेजिंग और मार्केटिंग सामग्री के लिए उपयोगी है, जिन्हें एक ही लेआउट में पढ़ने योग्य दोनों भाषाओं की आवश्यकता होती है। अंग्रेजी और चीनी दोनों के लिए LongTextBench स्कोर 0.96 से ऊपर हैं।

ERNIE Image में एक हल्का Prompt Enhancer शामिल है जो छोटे इनपुट प्रॉम्प्ट्स को डिफ्यूजन मॉडल में पास करने से पहले स्वचालित रूप से अधिक समृद्ध, अधिक संरचित विवरणों में फिर से लिख देता है। इसका मतलब है कि आप संक्षिप्त प्रॉम्प्ट भेज सकते हैं और व्यापक प्रॉम्प्ट इंजीनियरिंग के बिना अधिक विस्तृत, सटीक आउटपुट प्राप्त कर सकते हैं। Prompt Enhancer हर API कॉल पर जनरेशन पाइपलाइन के हिस्से के रूप में चलता है।

ERNIE Image Turbo अनुमान (inference) को 50 चरणों से घटाकर 8 करने के लिए DMD (डिफ्यूजन मॉडल डिस्टिलेशन) और रीइन्फोर्समेंट लर्निंग का उपयोग करता है, जिससे गति में 6 गुना से अधिक का सुधार होता है। Turbo, Atlas Cloud पर निःशुल्क है और त्वरित पुनरावृत्ति (rapid iteration) तथा ड्राफ्ट जनरेशन के लिए उपयुक्त है। मानक मॉडल व्यावसायिक पोस्टर और संपादकीय ग्राफिक्स जैसी अंतिम उत्पादन संपत्तियों के लिए पूर्ण गुणवत्ता पर चलता है।

हाँ। ERNIE Image को Apache 2.0 लाइसेंस के तहत जारी किया गया है, जो व्यावसायिक उपयोग, संशोधन और वितरण की अनुमति देता है। उत्पन्न छवियों का उपयोग विज्ञापन, पैकेजिंग, प्रकाशनों और अन्य व्यावसायिक अनुप्रयोगों में किया जा सकता है। किसी भी विशिष्ट शर्त के लिए ERNIE Image के GitHub रिपॉजिटरी पर पूर्ण लाइसेंस शर्तों की समीक्षा करें।

अधिक सीरीज़ एक्सप्लोर करें

Seedance 2.0

Seedance 2.0 API आपको ByteDance के मल्टीमॉडल वीडियो मॉडल तक प्रोडक्शन एक्सेस देता है — क्वाड-मॉडल इनपुट्स (टेक्स्ट, इमेज, वीडियो, ऑडियो) और एक उद्योग-अग्रणी "Universal Reference" सिस्टम जो शॉट्स के बीच कंपोजिशन, कैमरा मूवमेंट और कैरेक्टर एक्शन्स को लॉक करता है। एक API कॉल के साथ डायरेक्टर-लेवल कंट्रोल को इंटीग्रेट करें, $0.09/s की फ्लैट दर, इंस्टेंट की और बिना किसी वेटलिस्ट के — जिसे एंटरप्राइज़-ग्रेड अपटाइम और कंप्लायंस का समर्थन प्राप्त है। Seedance 2.0 Native 4K अब लाइव है!

सीरीज़ देखें

Grok Imagine

Grok Imagine API डेवलपर्स को एक ही सूट में xAI की इमेज, वीडियो और ऑडियो जेनरेशन प्रदान करता है। यह बहुभाषी टेक्स्ट रेंडरिंग के साथ 2K तक की इमेज, और नेटिव, सिंक्रनाइज़ ऑडियो और संदर्भ-आधारित संपादन के साथ 15 सेकंड तक के वीडियो बनाता है। Atlas Cloud पर, एक ही कुंजी (key) हर Grok Imagine मोड को चलाती है, जिससे आप अलग-अलग सेटअप के बिना इमेज, वीडियो और ऑडियो के बीच स्विच कर सकते हैं, जिसकी कीमत $0.02 प्रति इमेज और $0.05 प्रति सेकंड से शुरू होती है।

सीरीज़ देखें

Gemini Omni Flash

Gemini Omni API, Google I/O 2026 में पेश किए गए Google DeepMind के मल्टीमोडल वीडियो जेनरेशन और एडिटिंग मॉडल को आपके स्टैक तक लाता है। Gemini Omni, Gemini के रीज़निंग इंजन को जेनरेटिव मीडिया के साथ जोड़ता है और टेक्स्ट, इमेज, वीडियो तथा ऑडियो के किसी भी संयोजन को स्वीकार कर सुसंगत, ज्ञान-आधारित आउटपुट तैयार करता है। स्वाभाविक बातचीत के ज़रिए परिणामों को निखारें — ऑब्जेक्ट बदलें, सीन दोबारा लिखें और स्टाइल बदलें, जबकि फ़िज़िक्स, किरदार और निरंतरता ज्यों की त्यों बनी रहती है। Atlas Cloud पूरी Gemini Omni Flash सीरीज़ — टेक्स्ट-टू-वीडियो, 7 रेफ़रेंस इमेज तक के साथ इमेज-टू-वीडियो, और रेफ़रेंस-टू-वीडियो — एक एकीकृत API के माध्यम से उपलब्ध कराता है, जिसमें $0.112 से शुरू होने वाली पारदर्शी प्रति-सेकंड कीमत है और कोई सब्सक्रिप्शन नहीं। आज ही बनाना शुरू करें।

सीरीज़ देखें

GPT Image 2

GPT Image 2 API डेवलपर्स को OpenAI के नवीनतम इमेज मॉडल तक पहुंच प्रदान करता है, जो GPT Image 1.5 का उत्तराधिकारी है। यह लैटिन और CJK लिपियों में सटीक टेक्स्ट रेंडरिंग के साथ चित्र बनाता और संपादित करता है, साथ ही पोस्टर, मॉकअप और इन्फोग्राफिक्स के लिए मजबूत संयोजन (कंपोजिशन) प्रदान करता है। Atlas Cloud पर आप इसे 300+ मॉडलों के साथ एक एकीकृत API के माध्यम से एक्सेस कर सकते हैं, जिसमें मुफ्त क्रेडिट, 99.99% अपटाइम और OpenAI संगठन सत्यापन की कोई आवश्यकता नहीं है।

सीरीज़ देखें

Google

Google के सबसे शक्तिशाली क्रिएटिव मॉडल अब Atlas Cloud पर उपलब्ध हैं। Veo 3.1 सिनेमैटिक वीडियो जनरेशन प्रदान करता है, Nano Banana 2 हाई-फिडेलिटी इमेज क्रिएशन को शक्ति देता है, और Gemini हर वर्कफ़्लो में मल्टीमॉडल इंटेलिजेंस लाता है। Day-0 उपलब्धता और पे-एज़-यू-गो (pay-as-you-go) प्राइसिंग के साथ एक ही API key के माध्यम से संपूर्ण Google मॉडल सूट तक पहुंचें।

सीरीज़ देखें

Seedance 2.0 Mini

Seedance 2.0 Mini, ByteDance के मल्टीमोडल वीडियो जनरेशन को उन वर्कफ़्लो में लाता है जहाँ गति और लागत सबसे अधिक मायने रखते हैं। यह एक हल्के फुटप्रिंट पर Seedance 2.0 की मुख्य क्षमताएँ प्रदान करता है — तेज़ जनरेशन, प्रति वीडियो कम लागत, और वही API एकीकरण जिसका आप पहले से उपयोग करते हैं। उच्च-मात्रा वाले पाइपलाइन चलाने या बड़े पैमाने पर प्रोटोटाइपिंग करने वाली टीमों के लिए, Mini व्यावहारिक डिफ़ॉल्ट विकल्प है।

सीरीज़ देखें

ByteDance

सिनेमैटिक वीडियो जनरेशन से लेकर हाई-फिडेलिटी इमेज क्रिएशन तक, ByteDance के सबसे शक्तिशाली मॉडल Atlas Cloud पर लाइव हैं। सबसे कम इन्फ्रेंस प्राइसिंग और शून्य इन्फ्रास्ट्रक्चर ओवरहेड के साथ बड़े पैमाने पर Seedance और Seedream को रन करें।

सीरीज़ देखें

Alibaba

Atlas Cloud एक ही API के तहत Alibaba के पूरे मॉडल लाइनअप को एक साथ लाता है: भाषा और छवि कार्यों के लिए Qwen, और 1080p तक के वीडियो निर्माण के लिए Wan। बिना किसी सब्सक्रिप्शन के पे-एज़-यू-गो (pay-as-you-go) के आधार पर प्रत्येक मॉडल तक पहुँच प्राप्त करें। Alibaba API आपके मौजूदा OpenAI-संगत क्लाइंट का उपयोग करके एकल बेस URL के माध्यम से उपलब्ध है।

सीरीज़ देखें

OpenAI

Atlas Cloud आपको पूर्ण OpenAI API लाइनअप तक पहुंच प्रदान करता है, छवि निर्माण के लिए GPT Image 2 से लेकर वीडियो के लिए Sora 2 तक। हर मॉडल बिना किसी मासिक प्रतिबद्धता के 'पे-ऐज़-यू-गो' (pay-as-you-go) आधार पर उपलब्ध है। OpenAI-संगत API का उपयोग करके एकल बेस URL स्वैप के साथ प्लग इन करें।

सीरीज़ देखें

xAI

Atlas Cloud पर xAI API का उपयोग करके संपूर्ण इमेज और वीडियो पाइपलाइन बनाएं। 2K रिज़ॉल्यूशन पर जनरेट करें, संदर्भ छवियों के साथ संपादित करें, और छवियों को ऑडियो-सिंक किए गए क्लिप में एनिमेट करें।

सीरीज़ देखें

Kwaivgi

Kwaivgi API मानक मूल्य निर्धारण से 15% कम पर। Atlas Cloud नए Kling रिलीज़ के लिए पे-एज़-यू-गो (उपयोग के अनुसार भुगतान) मूल्य निर्धारण और बिना किसी सीट सीमा के डे-0 (Day-0) एक्सेस प्रदान करता है। एक खाता, एक कुंजी, मानक से लेकर मास्टर टियर तक हर Kling मॉडल।

सीरीज़ देखें

Seedream 5.0 Pro

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!

सीरीज़ देखें