

ERNIE Image API menghadirkan 8B Diffusion Transformer berbobot terbuka dari Baidu ke stack Anda, dirilis oleh ERNIE-Image Team di bawah Apache 2.0. Model ini memuncaki LongTextBench dengan skor 0.9733, menjaga judul poster dan balon dialog komik tetap terbaca, sementara varian Turbo yang didistilasi memangkas inferensi dari 50 langkah menjadi 8. Atlas Cloud menyediakannya melalui satu endpoint yang kompatibel dengan OpenAI, dengan harga pay-as-you-go yang transparan. Mulai bangun hari ini.
Atlas Cloud menyediakan model kreatif terdepan dan terbaru di industri untuk Anda.
Cocokkan setiap endpoint text-to-image dengan kebutuhan kecepatan dan kualitas Anda.
| Modalitas | Deskripsi |
|---|---|
| ERNIE Image API (Text To Image) | Jika endpoint Turbo memprioritaskan throughput, ERNIE Image API standar lebih berfokus pada fidelitas output maksimum untuk tugas text-to-image yang sama. Endpoint ini cocok untuk pekerjaan produksi final seperti poster, grafis editorial, dan tata letak komersial, ketika ketepatan setiap detail lebih penting daripada waktu penyelesaian. |
| ERNIE Image Turbo API (Text To Image) | Ubah satu prompt teks menjadi hingga sepuluh gambar per permintaan dalam tujuh rasio aspek, dari persegi 1024 pixels hingga 1376 pixels pada sisi terpanjang. Dioptimalkan untuk latensi rendah, endpoint ini secara default menggunakan delapan langkah inferensi dan dilengkapi Prompt Enhancer bawaan yang memperluas prompt singkat sebelum pembuatan. Gunakan endpoint ini saat iterasi cepat, pratinjau real-time, dan batch run bervolume tinggi lebih penting daripada mengejar peningkatan kualitas terakhir. |
Mulai dari rendering teks terdepan di industri dan tata letak multi-panel terstruktur hingga prompting dwibahasa native, prompt enhancer default, tujuh dimensi output, dan batch Turbo yang dapat direproduksi, ERNIE Image API mengubah instruksi presisi menjadi gambar siap produksi.

Skor LongTextBench terdepan sebesar 0.9733 memungkinkan model merender teks yang terbaca dan dieja dengan benar langsung ke dalam gambar yang dihasilkan. Balon dialog komik, judul poster, label infografik, dan teks mockup UI tetap tajam dan mudah dibaca.

Primitif generation, edit, composite, dan upscale bekerja bersama pemahaman hubungan spasial berbasis grid. Kombinasi ini menghasilkan rangkaian multi-panel yang koheren dan desain terformat yang dapat dikendalikan desainer melalui satu pipeline terpusat.

Prompt berbahasa Inggris dan Mandarin sama-sama berjalan secara native melalui pipeline encoder yang sama, menangkap ungkapan idiomatis dalam masing-masing bahasa. Kefasihan ganda ini mendukung storytelling visual yang autentik untuk kampanye global maupun konten terlokalisasi.

Aktif secara default, Prompt Enhancer yang ringan menulis ulang input singkat menjadi deskripsi yang lebih kaya dan terstruktur sebelum mencapai diffusion backbone. Nonaktifkan per request kapan pun kontrol literal atas susunan kata yang persis lebih diutamakan.

Tujuh ukuran output native mencakup format persegi 1024x1024, framing landscape hingga 1376x768, dan bentuk portrait hingga 768x1376. Setiap rasio dibuat secara langsung, sehingga framing tetap utuh di semua format.

Butuh volume tanpa menunggu lama? Mode Turbo berjalan hanya dengan 8 inference steps dan mengembalikan hingga 10 gambar per request, sementara seed eksplisit menjaga setiap hasil tetap dapat direproduksi.
Berikan brief yang persis sama kepada model unggulan ERNIE Image, pesaing populer, dan saudara kandungnya yang lebih cepat, lalu nilai bagaimana masing-masing merender tipografi, tata letak, dan cahaya secara berdampingan.
Still life flatlay dari atas, kamera terkunci sempurna overhead menatap lurus ke bawah ke atas meja apotek kayu elm pucat yang lapuk di sebuah kedai teh herbal tradisional Tiongkok. Cahaya jendela akhir pagi yang keras dan terarah menyapu rendah dari kanan, protagonis sejati dalam bingkai — membentuk bayangan panjang, tajam, dan memanjang yang merentang ke kiri melintasi serat kayu mentah dan berfungsi sebagai garis penuntun. Di sisi kanan yang padat, stoples-stoples kaca bening yang berkelompok rapat berpijar saat matahari menembusnya: kuncup krisan kering yang tembus cahaya, buah goji merah, kulit jeruk keprok amber yang menggulung (chenpi), dan kelopak roselle kering merah tua yang menangkap cahaya. Sebuah timbangan tangan kecil dari kuningan teroksidasi dengan patina matte, lesung dan alu batu usang yang tertaburi serbuk halus, serta slip resep kertas berserat kasar bertulisan tangan dengan karakter Tionghoa kaligrafi kuas yang rapi dalam kaishu tradisional ("甘草三钱", "桂花蜜"), tepinya berjumbai dan berserat. Tertangkap di tengah momen: sebuah kaleng pewter terguling miring, mulutnya terbuka, beberapa buah goji masih menggelinding dan tersebar ke luar, masing-masing membentuk bayangan tipis sepanjang jarum. Komposisi bernapas melalui kepadatan-dan-ruang kosong — gugus padat di kanan diseimbangkan dengan hamparan luas ruang negatif kayu polos yang kosong di kiri. Palet hangat monokromatik di seluruh gambar — amber, oranye jeruk keprok, emas kuningan tua — dipatahkan oleh satu aksen merah roselle gelap. Tekstur harus tetap kuat saat diperbesar: kerapuhan tipis kelopak kering, kuningan teroksidasi yang kusam, tepi serat kertas yang compang-camping, butiran serbuk lepas. Cahaya alami terarah, tanpa pancaran buatan, bayangan bersih dan tajam, rendering material realistis, tertahan dan elegan, fotografi still-life makanan dan herbal yang sangat detail secara makro, diambil dengan lensa 85mm, framing lanskap horizontal lebar, rasio aspek lebar 16:9, memenuhi bidang hingga tepi.

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
Strip manga horizontal tiga panel yang mengikuti seorang gadis inventor remaja di bengkel lotengnya yang berantakan. Pada panel pertama ia membuat sketsa mesin terbang kecil di bawah cahaya lampu yang hangat, pada panel kedua alat itu tersendat-sendat lalu terangkat ke udara sambil menyebarkan baut-baut, pada panel ketiga ia mengangkat kedua tinju sambil menyeringai penuh kemenangan. Balon bicara bilingual yang bersih memuat huruf bahasa Inggris dan Jepang yang tajam, digambar dengan linework tinta yang percaya diri dan shading screentone, cahaya lampu amber hangat diseimbangkan dengan bayangan bengkel yang sejuk. Desain karakter tetap konsisten di ketiga panel, gestur tetap ekspresif, dan cerita terbaca dari kiri ke kanan dengan alur sekuensial yang jelas. Gaya ilustrasi anime cel-shaded yang vibran dengan outline tebal dan bersih. Rasio aspek lebar 16:9, memenuhi bidang hingga tepi.

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
Dari poster dengan teks yang akurat dan komik multi-panel hingga kampanye bilingual, katalog produk, mockup antarmuka, dan infografik berlabel, ERNIE Image API mengubah prompt yang presisi menjadi visual dengan tata letak akurat di setiap pipeline konten.
Headline, harga, dan copy produk yang mudah dibaca dirender langsung ke dalam poster dan banner kampanye berkat akurasi teks model yang unggul. Tim marketing dapat merilis aset siap cetak secara langsung, tanpa perlu tahap typesetting terpisah.
Karena model memahami tata letak berbasis grid dan struktur multi-panel, model ini merender halaman komik yang koheren dengan dialog di dalam balon bicara. Kreator independen dan studio dapat menyusun storyboard lengkap tanpa menggambar ulang setiap frame secara manual.
Dukungan prompt native English dan Chinese berarti satu workflow dapat menghasilkan visual yang sesuai brand untuk kedua pasar, dengan teks yang dirender dengan benar dalam tiap sistem tulisan. Tim global dapat melokalkan materi kreatif tanpa harus merekrut pipeline desain terpisah untuk setiap bahasa.
Hasilkan adegan lifestyle, mockup produk, dan gambar promosi untuk seluruh katalog melalui satu panggilan API. Varian Turbo memadatkan inferensi menjadi delapan langkah, sehingga toko dengan volume tinggi dapat menyegarkan seluruh katalog dalam hitungan menit.
Butuh layar realistis untuk pitch? Model ini merender antarmuka aplikasi dan mockup website dengan label, tombol, dan body copy yang mudah dibaca, sehingga tim produk mendapatkan prototipe siap presentasi sebelum satu komponen pun dibuat.
Kemampuan mengikuti instruksi yang kuat memadukan visual dengan diagram, grafik, dan callout berlabel jelas dalam satu kali generasi. Pendidik dan analis dapat mengubah materi sumber yang padat menjadi grafik penjelas yang tetap terbaca di ukuran layar apa pun.
Lihat posisi ERNIE Image dibanding generator terbuka dan proprietary lainnya berdasarkan asal pengembang, model akses, rendering teks bilingual, dan biaya per gambar.
| Model | Pengembang | Model Akses | Rendering Teks Bilingual (EN + ZH) | Harga (per gambar) |
|---|---|---|---|---|
| ERNIE-Image | Baidu (Tim ERNIE-Image) | Bobot terbuka, Apache 2.0 | Terdepan di industri, LongTextBench 0.9733 | Bayar sesuai pemakaian |
| ERNIE-Image Turbo | Baidu (Tim ERNIE-Image) | Bobot terbuka, Apache 2.0 | Tetap terjaga melalui inferensi 8 langkah hasil distilasi DMD | Bayar sesuai pemakaian |
| Qwen Image 2.0 | Alibaba (Tongyi) | Bobot terbuka, Apache 2.0 | Kuat pada tata letak tipografi 1K-token | $0.035 |
| Z-Image Turbo | Alibaba (Tongyi Lab) | Bobot terbuka, Apache 2.0 | Menangani papan tanda berbahasa Mandarin yang kompleks bersama bahasa Inggris | $0.005 |
| Seedream v4.5 | ByteDance | Proprietary | Rendering setara desainer pada 4K native | $0.04 |
Mulai dalam hitungan menit — ikuti langkah-langkah sederhana berikut untuk mengintegrasikan dan men-deploy model melalui platform Atlas Cloud.
Daftar di atlascloud.ai dan selesaikan verifikasi. Pengguna baru mendapatkan kredit gratis untuk menjelajahi platform dan menguji model.
Gabungkan model ERNIE Image API for Readable Text in Images canggih dengan platform akselerasi GPU Atlas Cloud untuk performa, skalabilitas, dan pengalaman pengembangan yang tak tertandingi.
Latensi Rendah:
Inferensi yang dioptimalkan GPU untuk respons real-time.
API Terpadu:
Satu integrasi untuk ERNIE Image API for Readable Text in Images, GPT, Gemini, dan DeepSeek.
Harga Transparan:
Billing per token, mendukung mode Serverless.
Pengalaman Developer:
SDK, analitik data, alat fine-tuning, dan template tersedia lengkap.
Keandalan:
Ketersediaan 99.99%, kontrol izin RBAC, logging kepatuhan.
Keamanan & Kepatuhan:
Sertifikasi SOC 2 Type II, kepatuhan HIPAA, kedaulatan data AS.
The ERNIE Image API gives developers programmatic access to Baidu's open-weight text-to-image model, an 8B single-stream Diffusion Transformer paired with a Prompt Enhancer that expands short prompts into richer, more structured descriptions. On Atlas Cloud you reach it through one OpenAI-compatible endpoint with pay-as-you-go pricing and Day-0 access.
Its standout strength is legible in-image text. The model scores 0.9733 on LongTextBench in English, the top result among open-weight models, which makes it dependable for posters, comic speech bubbles, infographics, and UI mockups where every character has to be spelled correctly.
Both variants share the same 8B architecture but trade quality against speed. The Standard model runs 50 inference steps at guidance scale 4.0 for maximum fidelity on final assets, while the Turbo variant is distilled with DMD and reinforcement learning down to roughly 8 steps for rapid, high-volume generation.
Yes. Prompts are supported in English, Chinese, and Japanese through the same encoder, and text stays reliable across scripts, scoring 0.9661 on the Chinese LongTextBench. Where several competing models degrade sharply on Chinese characters, this one keeps Simplified, Traditional, and mixed bilingual copy clean.
The Turbo endpoint accepts seven preset sizes through a single size parameter, ranging from a 1024x1024 square to 1376x768 landscape and 768x1376 portrait formats. You can also request up to ten images per call, fix a seed for reproducible results, and toggle the built-in Prompt Enhancer with the use_pe flag.
Getting started takes a single API key. Sign up on Atlas Cloud, point your existing OpenAI-compatible client at the endpoint, and send a prompt with an optional size and seed to receive image URLs in the response. Billing is pay-as-you-go per call with Day-0 access to the model.
In published benchmarks the model outperforms comparable open releases such as FLUX.2-klein-9B, scoring 0.8856 against 0.8481 on GenEval overall. Its widest lead is in text rendering, where FLUX.2 collapses to 0.2183 on Chinese while ERNIE Image holds above 0.96. For workloads built around readable in-image text and structured layouts, it is currently the strongest open-weight choice.
Yes. ERNIE Image is released under the Apache 2.0 license, which permits commercial use, modification, and redistribution. Generated images can go into advertising, merchandise, publications, and other commercial products without license friction.
Join the Discord community for the latest model updates, prompts, and support.