De integratie is werkelijk klein. Stuur een fotoreferentie naar één URL, poll een tweede URL tot de status wijzigt, lees de afbeeldingslink uit de payload. Een uurtje werk als je ooit asynchrone dingen hebt verzonden.
Dan vraagt iemand wat het kost om dit uit te voeren voor elke nieuwe medewerker, en de middag is verdwenen. Een dozijn afbeeldingsendpoints op hetzelfde platform zetten elk een portret om in een headshot. De goedkoopste kost $0,028, en dat is een gereduceerde prijs. De duurste vraagt $0,229768 voor één foto. Het grootste deel van die spreiding is terug te voeren op resolutieniveaus, kwaliteitsvlaggen en welke promotie er toevallig loopt, wat niet hetzelfde is als een spreiding in hoe goed het gezicht eruitkomt.
Dit is een werkende kaart van die beslissing voor iedereen die een AI-headshot-API in een product bouwt. Elke prijs, veldnaam en enum hieronder komt van Atlas Cloud's eigen schema's en zijn prijsopgave-endpoint van 18 augustus 2026.
Belangrijkste inzichten
- Een headshot is op API-niveau geen eigen modelcategorie. Het is een image-edit-aanroep met een vaste intentie, dus het endpoint dat je kiest, bepaalt je kosten per gebruiker veel meer dan de prompt.
- Het speciale headshot-endpoint accepteert precies twee velden en retourneert één afbeelding. Algemene edit-endpoints accepteren een dozijn velden en verwachten dat je het resultaat zelf beschrijft.
- Het weglaten van de size-parameter in een Seedream-edit-aanroep plaatst je stilletjes in de duurdere tier, waardoor de rekening verdubbelt zonder een foutmelding om te vangen.
- Elk model op het platform deelt één submit-and-poll-loop, dus later van endpoint wisselen is een wijziging in een modelstring in plaats van een herschrijving.
- Je kunt de uitvoerstijl bevestigen voordat je code schrijft: de gratis AI-headshotgenerator geeft elk in aanmerking komend account één full-resolution run.
Waarom ontwikkelaars naar een AI-headshot-API grijpen in plaats van een headshotsite
Consumenten-headshotsites zijn gebouwd rond een sessie. Je uploadt, je wacht, je downloadt, en de limiet reset morgen. Niets in die loop overleeft contact met een product dat dit kwartaal vierhonderd medewerkers moet inwerken en de uitgaven moet verantwoorden tegen een kostenplaats.
Wat een API toevoegt, is niet echt de generatie. Het is de boekhouding eromheen. Elke inzending komt terug met een id en een status die je kunt pollen, en dat is het verschil tussen een factuur die je kunt uitleggen en een die je niet kunt uitleggen.
Er is een tweede, stiller voordeel. Tool-endpoints publiceren hun schema's, zodat je het volledige invoeroppervlak kunt lezen voordat je je vastlegt op één. Atlas Cloud biedt een familie van deze enkelvoudige afbeeldingstools, en hun aanvraagvormen zijn bijna identiek:
| Tool-endpoint | Vereiste velden | Optionele velden | Prijs per afbeelding |
|---|---|---|---|
| atlascloud/tool/headshot | model, image | geen | $0,045 |
| atlascloud/photo-cleanup | model, image | output_format | $0,02 |
| atlascloud/image-upscaler | model, image | outscale, output_format | $0,01 |
De headshot-vermelding is de strengste van de drie: één foto in, één foto uit.
Waar Atlas Cloud past voor ontwikkelaars die headshotfuncties bouwen
Het is de moeite waard om te zien wat het model daadwerkelijk retourneert voordat je integratiecode schrijft, omdat de uitvoerstijl vast is en je wilt het of je wilt het niet. Atlas Cloud houdt zijn enkelvoudige tools op één pagina, en de AI-tools-index is waar de headshotgenerator staat naast upscaling en cleanup. De toolpagina vermeldt dat elke in aanmerking komende gebruiker één gratis proefversie krijgt, en de FAQ voegt toe dat de gratis generatie een volledige hoge-resolutie download bevat.
Na die eerste run wordt hetzelfde model een gemeten speeltuin. De AI Headshot playground toont zijn prijs op de knop Uitvoeren voordat je verzendt, en een melding boven de uploader legt uit dat assets naar Atlas Cloud-opslag gaan in plaats van te worden opgehaald van een link die je plakt. Als je liever de prompt zelf schrijft en controle hebt over kleding, achtergrond en kadrering, dan dekt de Nano Banana 2-familie de algemene editroute, en de Lite-variant blijkt per afbeelding goedkoper te zijn dan de vaste tool. Het prijsgedeelte werkt uit wat die afweging kost.
Twee manieren om de AI-headshotgenerator-API aan te roepen
Beide paden gebruiken dezelfde modelstring. Het verschil is of een persoon het resultaat ziet terugkomen.
Methode 1: Test de professionele headshot-API in de playground
Log in, open de hierboven gelinkte playground en upload een duidelijke frontale portretfoto. De eigen beschrijving van het schema voor het invoerveld is precies die zin, dus het model is afgestemd op een recht-vooruit-opname in plaats van een driekwartprofiel of een groepsbijsnede.
De knop Uitvoeren draagt de kosten voor de run die je gaat maken, en dat is het getal om tegen te budgetteren. De marketingpagina vermeldt helemaal geen prijs, dus de playground is waar het getal leeft. Een nuttige mismatch om te weten terwijl je daar bent: de paginatekst van de tool spreekt over kiezen tussen zakelijk formeel, smart casual en een eenvoudige studiolook, maar het gepubliceerde schema heeft geen style-veld. Wat de copy ook suggereert, het endpoint retourneert de standaard zakelijke behandeling van het model.
Methode 2: Roep de AI-headshot-API aan vanuit je eigen code
De uitvoeringsstroom bestaat uit twee HTTP-verzoeken. Daar komen in drie stappen.
Stap 1: Maak een API-sleutel aan. Genereer er een in de Atlas Cloud-console, kopieer deze en bewaar deze server-side. De tool-endpoints gebruiken dezelfde sleutel als elk model op het platform.
Stap 2: Controleer de API-documentatie. Authenticatie, het gedeelde afbeeldingsendpoint en het polling-contract staan in de API-documentatie. Elk model publiceert ook zijn eigen OpenAPI-schema, en deze is atlascloud-tool-headshot.json, de moeite waard om te lezen voordat je naar veldnamen gokt. De modelpagina heeft ook een API-tabblad naast de playground, dus de aanvraagvorm is één klik verwijderd van waar je het hebt getest. Iets dat me hier tijd kostte: de openbare modellenlijst van het platform gaf 466 vermeldingen terug toen ik controleerde en de headshottool zat er niet bij, hoewel zijn zustertools voor upscaling en fotocleanup dat wel waren. Schema, readme en prijzen werken allemaal normaal, dus het endpoint is actief. Cataloguszoekopdracht alleen zal het niet naar voren brengen.
Stap 3: Verzend het eerste verzoek. Verzending is asynchroon en geeft een voorspellings-id terug.
Bash1curl -X POST https://api.atlascloud.ai/api/v1/model/generateImage \ 2 -H "Content-Type: application/json" \ 3 -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \ 4 -d '{ 5 "model": "atlascloud/tool/headshot", 6 "image": "https://your-cdn.com/portraits/emp-4192.jpg" 7 }'
Poll tot de status is gestabiliseerd:
Bash1curl -s https://api.atlascloud.ai/api/v1/model/prediction/<PREDICTION_ID> \ 2 -H "Authorization: Bearer $ATLASCLOUD_API_KEY"
De voltooide payload bevat outputs, een array die leeg blijft tot de taak is voltooid en vervolgens de gehoste afbeeldings-URL bevat. status is je loopconditie en leest created, processing, completed of failed.
Test één ding bij die eerste aanroep in plaats van het aan te nemen. Het schema typeert image als een afbeeldingsreferentie zonder te zeggen waar het bestand mag staan, en de playground is bot over zijn eigen kant van die vraag. De groene melding boven de uploader luidt "URL's worden niet geaccepteerd: afbeeldingen en video's moeten via speciale uploadvelden worden ingediend." De zuster-editmodellen documenteren hun invoer als URL's. Bevestig welke vorm jouw sleutel aanneemt voordat je een batchtaak eromheen bouwt.
Die aanvraagvorm is het deel dat het waard is om te internaliseren. Dezelfde sleutel, dezelfde POST en dezelfde polling-aanroep bereiken elk afbeeldingsmodel op het platform, dus later migreren van de vaste headshottool naar een volledig promptbare editor betekent het bewerken van de modelstring en het toevoegen van de velden die dat model accepteert. Niets anders in je worker verandert.
AI-headshot-API-prijzen per gegenereerde afbeelding
Elk getal hieronder kwam van het prijsberekeningsendpoint van het platform op 18 augustus 2026, geprijsd tegen de exacte aanvraag die ik zou verzenden. Ze retourneerden allemaal een discountvlag van 100, wat betekent dat er geen promotie liep, afgezien van de twee varianten in de volgende subsectie.
Het speciale headshot-endpoint staat op $0,045, wat duizend gegenereerde headshots op $45 brengt. Nano Banana 2 Lite Edit onderbiedt het met $0,04, dus hetzelfde volume kost $40, en de readme ervan is expliciet dat het aantal invoer-referentieafbeeldingen de prijs niet beïnvloedt. Die $5 per duizend besparen betekent het schrijven en onderhouden van je eigen headshot-prompt, wat een echte beslissing is in plaats van een duidelijke.
Standaardinstellingen zijn waar het geld weg lekt. Seedream v5.0 Pro Edit rekent $0,045 bij 1024×1024 of 2048×1152, maar de size-parameter standaardiseert naar 2048×2048, wat in de hogere tier terechtkomt op $0,09. Laat je het veld weg, dan betaal je het dubbele zonder een foutmelding om te vangen. Hetzelfde model voegt $0,003 toe voor elke invoerafbeelding na de eerste, wat een tweefoto-verzoek bevestigt door te prijzen op $0,048. GPT Image 2 Edit herhaalt het patroon vanuit een andere hoek: quality standaardiseert naar medium op $0,071728, en verplaatsen naar high brengt een enkele 1024×1024-afbeelding naar $0,229768.
Resolutieniveaus zijn de laatste variabele. Nano Banana 2 Edit berekent $0,08, $0,12 en $0,16 voor 1k, 2k en 4k, terwijl de Lite-variant alleen 1k biedt. Voor een profielfoto die uiteindelijk wordt weergegeven op een paar honderd pixels, is betalen voor 4k geld uitgeven aan pixels die niemand zal zien.
Gereduceerde ontwikkelaarsendpoints in de AI-headshot-API-reeks
Twee varianten hadden een actieve korting op de dag van schrijven:
| Endpoint | Lijstprijs | Huidige prijs | Korting |
|---|---|---|---|
| google/nano-banana-2-lite/edit-developer | $0,04 | $0,028 | 30% korting |
| google/nano-banana-2/edit-developer | $0,08 | $0,04 | 50% korting |
Geen van beide modelpagina's legt uit hoe een ontwikkelaarsendpoint verschilt van de standaard, behalve de prijs. Behandel het niet-gereduceerde getal dus als het duurzame getal wanneer je een kostenmodel bouwt. Deze vlaggen zijn eerder verplaatst, en de eerlijke manier om te controleren is door je exacte verzoek te prijzen tegen het platform in plaats van een getal uit een artikel te vertrouwen, inclusief dit.
Wat de AI-headshot-API verandert aan een gezicht
Het vaste endpoint is uitgesproken. De readme beschrijft de taak als het omzetten van een informeel portret in een studio-kwaliteit zakelijke headshot, wat in de praktijk betekent dat de achtergrond en kleding worden vervangen terwijl het gezicht herkenbaar van jou moet blijven.
Ik heb één portret via beide routes uitgevoerd om te zien waar ze uiteengaan.
Uitgevoerd op 19 augustus 2026. De invoer is een AI-gegenereerd fictief persoon, geen foto van een echt persoon.
Beide uitvoeren zijn herkenbaar hetzelfde gezicht, en beide deden het werk om een persoon in zakelijke kleding op een effen achtergrond te plaatsen. De verschillen zitten in wat niemand heeft gevraagd. Het vaste endpoint koos een lichtgrijs colbert met niets eronder, besloot de crop en liet het lange golvende haar met rust. Het edit-endpoint leverde elk item dat de prompt noemde, het antracietkleurige colbert, het witte shirt, de lichtgrijze achtergrond, de hoofd-schouderkadrering, en ging verder door het haar korter en netter, symmetrischer te maken. De prompt had gevraagd om het gezicht ongewijzigd te laten en zei niets over haar.
De algemene edit-route geeft de beslissingen terug aan jou, ten koste van het moeten stellen ervan. Vergelijk wat elk accepteert:
| Veld | atlascloud/tool/headshot | google/nano-banana-2-lite/edit |
|---|---|---|
| prompt | afwezig | vereist |
| image / images | één afbeelding, vereist | 1 tot 14 afbeeldingen, vereist |
| aspect_ratio | afwezig | 15 waarden inclusief auto |
| resolution | afwezig | alleen 1k |
| thinking_level | afwezig | default, high, minimal |
| enable_base64_output | afwezig | Alleen API, retourneert BASE64 in plaats van een URL |
Twee dingen om op te plannen. De readme van het platform voor de Lite-tier zegt dat het model moeite kan hebben met kleine gezichten, nauwkeurige spelling en zeer fijne details. De invoer in die test begon als een full-length opname waarbij het gezicht een klein deel van het frame innam en kwam er prima doorheen, dus de waarschuwing is geen harde ondergrens, maar een groepsfotocrop is het moeilijkere geval en het waard om te screenen. Dezelfde readme stelt dat bewerkte afbeeldingen standaard C2PA-contentcredentials en een onzichtbaar SynthID-watermerk bevatten. Die handtekening reist mee met het bestand. LinkedIn toont contentcredentials bij elke afbeelding die met C2PA-informatie aankomt, dus een op deze manier gegenereerde headshot kan op een profiel belanden met de herkomst zichtbaar.
Dat is prima, zolang het gezicht het juiste is. LinkedIn's profielfotorichtlijnen staan een illustratie of artistieke weergave van jezelf toe, met de voorwaarde dat de foto jouw gelijkenis moet weerspiegelen. Een AI-headshot doorstaat die test. Een gegenereerd gezicht dat niet van de gebruiker is, niet.
Een AI-headshot-API in productie draaien
Een paar dingen die het waard zijn om te beslissen voordat je gaat verzenden in plaats van erna.
| Zorgpunt | Wat het platform je geeft | Redelijke standaard |
|---|---|---|
| Taakvoltooiing | Een vier-toestanden status op elke voorspelling | Poll met backoff, behandel failed als eenmaal opnieuw probeerbaar |
| Latentie | Geen voltooiingstijdgetal in het schema | Wachtrij de taak, blokkeer nooit een paginarendering erop |
| De poll overslaan | enable_sync_mode op de algemene editmodellen, afwezig op de vaste tool | Gebruik sync-modus alleen voor interactieve enkele verzoeken |
| Verwerking uitvoer | outputs-array van gehoste URL's | Kopieer naar je eigen opslag bij voltooiing |
| Invoerkwaliteit | Het schema vraagt om een duidelijke frontale portret, niets specifiekers | Screen groepsbijsnedes en kleine gezichten uit voordat je een aanroep uitgeeft |
| Toestemming | Verantwoordelijkheidsnota vraagt om autorisatie voor de media die je uploadt | Leg toestemming vast bij uploadtijd, bewaar het record |
Die laatste rij is degene die teams overslaan. De eigen documentatie van het endpoint vraagt je om toestemming te verkrijgen voordat je de gelijkenis van een echt persoon bewerkt of genereert, en om resultaten niet te gebruiken om te misleiden, te intimideren of te imiteren. Als je functie automatisch medewerkersfoto's omzet in headshots, hoort de toestemmingsstap in de uploadstroom thuis, niet in een beleidsdocument dat niemand leest.
Veelgestelde vragen
Is er een AI-headshot-API voor ontwikkelaars met een gratis tier?
De API zelf is vanaf de eerste aanroep gemeten. De gratis run leeft op de toolpagina, waar elk in aanmerking komend account één full-resolution generatie krijgt. Gebruik het om de uitvoerstijl te bevestigen en budgetteer dan voor per-afbeelding prijzen zodra je integreert.
Welke modelstring moet ik gebruiken voor een professionele headshot-API-aanroep?
atlascloud/tool/headshot als je de vaste zakelijke behandeling wilt zonder een prompt te onderhouden. google/nano-banana-2-lite/edit als je controle nodig hebt over kleding, achtergrond of aspect ratio en bereid bent de instructie zelf te schrijven. Beide posten naar /api/v1/model/generateImage.
Hoeveel kost een AI-headshot-API per afbeelding?
$0,045 via het speciale endpoint per 18 augustus 2026, zonder actieve korting. Van de twaalf endpoints die ik op hetzelfde platform heb geprijsd, liep een enkele bewerkte afbeelding van $0,028 tot $0,229768, afhankelijk van model, resolutieniveau en kwaliteitsinstelling.
Behoudt de AI-headshotgenerator-API het echte gezicht van de persoon?
Dat is het beschreven gedrag: de tool vervangt de achtergrond en kleding in plaats van een nieuwe persoon te genereren. Getrouwheid hangt sterk af van de invoer, en een klein of schuin gezicht in de bronfoto geeft het model minder om te behouden.
Zijn AI-headshot-API-uitvoeren voorzien van watermerken of handtekeningen?
Nano Banana 2 Lite-bewerkingen bevatten standaard C2PA-contentcredentials en een SynthID-watermerk, volgens de documentatie van het model op het platform. Ondertekeningsgedrag is modelspecifiek, dus controleer de readme voor het endpoint waarop je je vastlegt.
Kunnen via een API gegenereerde headshots op LinkedIn worden gebruikt?
Ja, op voorwaarde dat de afbeelding de werkelijke persoon weergeeft. LinkedIn's fotorichttlijnen staan artistieke weergaven van jezelf toe en verbieden foto's die uitsluitend bestaan uit gelijkenissen van anderen, stockfoto's of fictieve personages.
Conclusie
Als je een standaard zakelijke headshot nodig hebt en liever geen prompt onderhoudt, is het vaste endpoint de kortere weg. Twee velden, één uitvoer, een prijs die je kunt lezen voordat je hem aanroept.
Het moment dat je product iets specifieks nodig heeft, een bepaald jasje, een merkachtergrond, een portretcrop die past bij je kaartcomponent, heeft dat endpoint niets te bieden en je schrijft een prompt, of je dat van plan was of niet. Twee vragen bepalen het, en geen van beide is de eenheidsprijs. Zal iemand die prompt over twee jaar nog onderhouden? En zal het verschil tussen een 1k-uitvoer en een 4k-uitvoer ooit het scherm van een gebruiker bereiken?
