Edits and recomposes images with Wan 2.7 image using text instructions, multi-image references, and optional interaction boxes.
코드 예시
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()설치
사용하는 언어에 필요한 패키지를 설치하세요.
bash
pip install requests인증
모든 API 요청에는 API 키를 통한 인증이 필요합니다. Atlas Cloud 대시보드에서 API 키를 받을 수 있습니다.
bash
export ATLASCLOUD_API_KEY="your-api-key-here"HTTP 헤더
python
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}API 키를 안전하게 보관하세요
클라이언트 측 코드나 공개 저장소에 API 키를 노출하지 마세요. 대신 환경 변수 또는 백엔드 프록시를 사용하세요.
요청 제출
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())요청 제출
비동기 생성 요청을 제출합니다. API는 상태 확인 및 결과 조회에 사용할 수 있는 예측 ID를 반환합니다.
POST
/api/v1/model/generateImage요청 본문
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']}")응답
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}상태 확인
예측 엔드포인트를 폴링하여 요청의 현재 상태를 확인합니다.
GET
/api/v1/model/prediction/{prediction_id}폴링 예시
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)상태 값
processing요청이 아직 처리 중입니다.completed생성이 완료되었습니다. 출력을 사용할 수 있습니다.succeeded생성이 성공했습니다. 출력을 사용할 수 있습니다.failed생성에 실패했습니다. 오류 필드를 확인하세요.완료 응답
{
"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"
}
}파일 업로드
Atlas Cloud 스토리지에 파일을 업로드하고 API 요청에 사용할 수 있는 URL을 받습니다. multipart/form-data를 사용하여 업로드합니다.
POST
/api/v1/model/uploadMedia업로드 예시
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}")응답
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}입력 Schema
다음 매개변수가 요청 본문에서 사용 가능합니다.
전체: 0필수: 0선택: 0
사용 가능한 매개변수가 없습니다.
요청 본문 예시
json
{
"model": "alibaba/wan-2.7/image-edit"
}출력 Schema
API는 생성된 출력 URL이 포함된 예측 응답을 반환합니다.
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.
completed_atstring
ISO 8601 timestamp when the prediction was completed.
응답 예시
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 Skills는 300개 이상의 AI 모델을 AI 코딩 어시스턴트에 직접 통합합니다. 한 번의 명령으로 설치하고 자연어로 이미지, 동영상 생성 및 LLM과 대화할 수 있습니다.
지원 클라이언트
Claude Code
OpenAI Codex
Gemini CLI
Cursor
Windsurf
VS Code
Trae
GitHub Copilot
Cline
Roo Code
Amp
Goose
Replit
40+ 지원 클라이언트
설치
bash
npx skills add AtlasCloudAI/atlas-cloud-skillsAPI 키 설정
Atlas Cloud 대시보드에서 API 키를 받아 환경 변수로 설정하세요.
bash
export ATLASCLOUD_API_KEY="your-api-key-here"기능
설치 후 AI 어시스턴트에서 자연어를 사용하여 모든 Atlas Cloud 모델에 접근할 수 있습니다.
이미지 생성Nano Banana 2, Z-Image 등의 모델로 이미지를 생성합니다.
동영상 제작Kling, Vidu, Veo 등으로 텍스트나 이미지에서 동영상을 만듭니다.
LLM 채팅Qwen, DeepSeek 등 대규모 언어 모델과 대화합니다.
미디어 업로드이미지 편집 및 이미지-동영상 변환 워크플로우를 위해 로컬 파일을 업로드합니다.
MCP Server
Atlas Cloud MCP Server는 Model Context Protocol을 통해 IDE와 300개 이상의 AI 모델을 연결합니다. MCP 호환 클라이언트에서 사용할 수 있습니다.
지원 클라이언트
Cursor
VS Code
Windsurf
Claude Code
OpenAI Codex
Gemini CLI
Cline
Roo Code
100+ 지원 클라이언트
설치
bash
npx -y atlascloud-mcp설정
다음 설정을 IDE의 MCP 설정 파일에 추가하세요.
json
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}사용 가능한 도구
atlas_generate_image텍스트 프롬프트로 이미지를 생성합니다.
atlas_generate_video텍스트나 이미지로 동영상을 만듭니다.
atlas_chat대규모 언어 모델과 대화합니다.
atlas_list_models300개 이상의 사용 가능한 AI 모델을 탐색합니다.
atlas_quick_generate자동 모델 선택으로 원스텝 콘텐츠 생성.
atlas_upload_mediaAPI 워크플로우를 위해 로컬 파일을 업로드합니다.
API 스키마
스키마를 사용할 수 없음Alibaba 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.
