ERNIE Image API for Readable Text in Images

ERNIE Image API는 개발자가 Baidu의 open-weight text-to-image 모델에 프로그래밍 방식으로 접근할 수 있게 해 줍니다. 이 모델은 짧은 프롬프트를 더 풍부하고 구조화된 설명으로 확장하는 Prompt Enhancer와 결합된 8B single-stream Diffusion Transformer입니다. Atlas Cloud에서는 OpenAI-compatible endpoint 하나로 사용할 수 있으며, 사용량 기반 요금제와 Day-0 access를 제공합니다.

가장 두드러진 강점은 이미지 안의 텍스트를 또렷하고 읽기 쉽게 생성한다는 점입니다. 이 모델은 English LongTextBench에서 0.9733점을 기록했으며, open-weight 모델 중 최고 성능입니다. 따라서 모든 문자가 정확히 표기되어야 하는 포스터, 만화 말풍선, 인포그래픽, UI mockup에 안정적으로 사용할 수 있습니다.

두 variant는 동일한 8B 아키텍처를 공유하지만, 품질과 속도에서 차이가 있습니다. Standard 모델은 최종 에셋에서 최대 충실도를 제공하기 위해 guidance scale 4.0으로 50 inference steps를 실행하는 반면, Turbo variant는 빠른 대량 생성을 위해 DMD와 reinforcement learning으로 약 8 steps까지 distilled되었습니다.

네. 동일한 encoder를 통해 영어, 중국어, 일본어 프롬프트를 지원하며, 스크립트가 달라도 텍스트 품질이 안정적으로 유지됩니다. Chinese LongTextBench에서는 0.9661점을 기록했습니다. 여러 경쟁 모델이 중국어 문자에서 성능이 크게 저하되는 반면, 이 모델은 간체, 번체, 혼합 이중 언어 문구까지 깔끔하게 유지합니다.

Turbo endpoint는 단일 size parameter를 통해 7가지 preset size를 지원하며, 1024x1024 정사각형부터 1376x768 landscape 및 768x1376 portrait 형식까지 사용할 수 있습니다. 또한 한 번의 호출로 최대 10개의 이미지를 요청할 수 있고, 재현 가능한 결과를 위해 seed를 고정할 수 있으며, use_pe flag로 내장 Prompt Enhancer를 켜거나 끌 수 있습니다.

시작하는 데 필요한 것은 API key 하나뿐입니다. Atlas Cloud에 가입하고, 기존 OpenAI-compatible client가 해당 endpoint를 가리키도록 설정한 뒤, 선택 사항인 size와 seed를 포함해 prompt를 보내면 response로 image URL을 받을 수 있습니다. 과금은 호출당 사용량 기반이며, 모델에 대한 Day-0 access가 제공됩니다.

공개 benchmark에서 이 모델은 FLUX.2-klein-9B 같은 유사한 open release보다 높은 성능을 보이며, GenEval overall에서 0.8481 대비 0.8856점을 기록했습니다. 가장 큰 격차는 text rendering에서 나타나는데, FLUX.2는 중국어에서 0.2183까지 떨어지는 반면 ERNIE Image는 0.96 이상을 유지합니다. 읽기 쉬운 이미지 내 텍스트와 구조화된 레이아웃을 중심으로 하는 workload라면 현재 가장 강력한 open-weight 선택지입니다.

네. ERNIE Image는 Apache 2.0 license로 공개되어 상업적 사용, 수정, 재배포가 허용됩니다. 생성된 이미지는 광고, merchandise, 출판물 및 기타 상업용 제품에 라이선스 제약 없이 사용할 수 있습니다.