ERNIE Image API for Readable Text in Images
A ERNIE Image API traz o Diffusion Transformer 8B de pesos abertos da Baidu para a sua stack, lançado pela ERNIE-Image Team sob a licença Apache 2.0. Lidera o LongTextBench com 0.9733, mantendo legíveis os títulos de cartazes e os balões de fala de banda desenhada, enquanto uma variante Turbo destilada reduz a inferência de 50 steps para 8. A Atlas Cloud disponibiliza-o através de um único endpoint compatível com OpenAI, com preços transparentes de pagamento conforme o uso. Comece a criar hoje.
Explorar Modelos Líderes
O Atlas Cloud oferece os modelos criativos mais avançados e inovadores do setor.
Comparação dos endpoints ERNIE Image API: Standard e Turbo para texto para imagem
Associe cada endpoint de texto para imagem às suas necessidades de velocidade e qualidade.
| Modalidade | Descrição |
|---|---|
| ERNIE Image API (Text To Image) | Enquanto o endpoint Turbo prioriza o throughput, o ERNIE Image API standard privilegia a máxima fidelidade de saída na mesma tarefa de texto para imagem. É adequado para trabalho final de produção, como cartazes, gráficos editoriais e layouts comerciais, em que acertar todos os detalhes é mais importante do que o tempo de resposta. |
| ERNIE Image Turbo API (Text To Image) | Transforme um único prompt de texto em até dez imagens por pedido, em sete proporções, desde o formato quadrado de 1024 pixels até 1376 pixels no lado maior. Otimizado para baixa latência, usa por padrão oito etapas de inferência e inclui um Prompt Enhancer integrado que expande prompts sucintos antes da geração. Use-o quando iterações rápidas, pré-visualizações em tempo real e execuções em lote de alto volume forem mais importantes do que extrair o último incremento de qualidade. |
Criada para texto, layout e controle: a ERNIE Image API
De renderização de texto líder do setor e layouts estruturados em vários painéis a prompts bilíngues nativos, um aprimorador de prompts padrão, sete dimensões de saída e lotes Turbo reproduzíveis, a ERNIE Image API transforma instruções precisas em imagens prontas para produção.
Renderização de texto legível com a ERNIE Image API
Uma pontuação líder no LongTextBench de 0.9733 permite que o modelo renderize texto legível e com ortografia correta diretamente nas imagens geradas. Balões de fala de quadrinhos, manchetes de pôsteres, rótulos de infográficos e textos de mockups de UI permanecem nítidos e fáceis de ler.
Layouts estruturados em vários painéis
Primitivas de geração, edição, composição e upscale trabalham em conjunto com a compreensão de relações espaciais baseadas em grade. Juntas, elas produzem sequências coerentes em vários painéis e designs formatados que designers podem conduzir por meio de um único pipeline centralizado.
Prompts bilíngues na ERNIE Image API
Prompts em inglês e chinês passam nativamente pelo mesmo pipeline de encoder, capturando formulações idiomáticas em qualquer um dos idiomas. Essa fluência dupla dá suporte a narrativas visuais autênticas tanto para campanhas globais quanto para conteúdo localizado.
Prompt Enhancer ativado por padrão
Ativado por padrão, um Prompt Enhancer leve reescreve entradas curtas como descrições mais ricas e estruturadas antes que elas cheguem ao backbone de difusão. Desative-o por solicitação sempre que o controle literal sobre a formulação exata for mais importante.
Sete dimensões de saída nativas
Sete tamanhos de saída nativos abrangem o formato quadrado 1024x1024, enquadramentos horizontais de até 1376x768 e formatos verticais de até 768x1376. Cada proporção é gerada diretamente, para que o enquadramento permaneça intacto em todos os formatos.
A ERNIE Image API em modo Turbo
Precisa de volume sem esperar? O modo Turbo executa apenas 8 etapas de inferência e retorna até 10 imagens por solicitação, enquanto uma seed explícita mantém todos os resultados reproduzíveis.
ERNIE Image Head to Head: One Prompt, Three Models
Feed the exact same brief to the flagship ERNIE Image model, a popular rival, and its faster sibling, then judge how each one renders typography, layout, and light side by side.
Top-down flatlay still life, camera locked perfectly overhead looking straight down onto a weathered pale-elm apothecary counter of a traditional Chinese herbal-tea dispensary. Hard directional late-morning window light rakes in low from the right, the true protagonist of the frame — casting long, crisp, elongated shadows that stretch leftward across the raw wood grain and act as leading lines. On the dense right side, tightly clustered clear glass jars glow as the sun passes through them: translucent dried chrysanthemum buds, red goji berries, curled amber tangerine peel (chenpi), and deep crimson dried roselle petals catching the light. A small oxidized brass hand-balance scale with matte patina, a worn stone mortar and pestle dusted with fine powder, and coarse-fibered handwritten paper prescription slips inscribed with neat brush-calligraphy Chinese characters in traditional kaishu ("甘草三钱", "桂花蜜"), edges frayed and fibrous. Caught mid-moment: a toppled pewter canister on its side, its mouth open, several goji berries still rolling and scattering outward, each casting its own thin needle-long shadow. Composition breathes through density-and-void — the packed cluster on the right balanced against a broad expanse of empty bare-wood negative space on the left. Monochromatic warm palette throughout — amber, tangerine-orange, aged brass gold — broken by a single note of dark roselle red. Textures must hold up to magnification: the brittle thinness of dried petals, the dull oxidized brass, the ragged paper fiber edges, the grain of loose powder. Natural directional light, no artificial glow, clean crisp shadows, realistic material rendering, restrained and elegant, macro-detailed food-and-herb still-life photography, shot with an 85mm lens, wide horizontal landscape framing, wide 16:9 aspect ratio, full-bleed.
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
A three-panel horizontal manga strip following a teenage inventor girl in her cluttered attic workshop. In the first panel she sketches a small flying machine by warm lamplight, in the second the contraption sputters and lifts off mid-air scattering bolts, in the third she throws both fists up grinning in triumph. Clean bilingual speech bubbles carry crisp English and Japanese lettering, drawn with confident ink linework and screentone shading, warm amber lamp glow balanced against cool workshop shadows. Character design stays consistent across all three panels, gestures stay expressive, and the story reads left to right with clear sequential flow. Vibrant cel-shaded anime illustration style with bold clean outlines. Wide 16:9 aspect ratio, full-bleed.
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
Trabalho de produção real que a ERNIE Image API realiza
De posters com texto perfeito e comics de vários painéis a campanhas bilingues, catálogos de produtos, mockups de interface e infográficos legendados, a ERNIE Image API transforma prompts precisos em visuais com layouts fiéis em todos os pipelines de conteúdo.
Produção de marketing e posters com a ERNIE Image API
Títulos, preços e copy de produto legíveis são renderizados diretamente em posters e banners de campanha graças à precisão de texto líder do modelo. As equipas de marketing entregam assets prontos para impressão diretamente, sem necessidade de uma etapa separada de composição tipográfica.
Comics e narrativa sequencial
Como o modelo compreende layouts em grelha e estruturas de vários painéis, renderiza páginas de comics coerentes com diálogos dentro de balões de fala. Criadores independentes e estúdios fazem o draft de storyboards completos sem redesenhar cada frame manualmente.
Localização de campanhas bilingues com a ERNIE Image API
O suporte nativo a prompts em inglês e chinês permite que um único workflow produza visuais alinhados com a marca para ambos os mercados, com texto renderizado corretamente em cada sistema de escrita. Equipas globais localizam criativos sem contratar pipelines de design separados por idioma.
Visuais de produto para e-commerce em escala
Gere cenas de lifestyle, mockups de produto e imagens promocionais para um catálogo completo através de uma única chamada de API. A variante Turbo comprime a inferência para oito passos, permitindo que lojas de grande volume atualizem catálogos inteiros em minutos.
Mockups de interface e produto
Precisa de ecrãs realistas para uma apresentação? O modelo renderiza interfaces de apps e mockups de websites com etiquetas, botões e texto de corpo legíveis, oferecendo às equipas de produto protótipos prontos para apresentação antes de qualquer componente ser desenvolvido.
Infográficos educativos com a ERNIE Image API
O forte cumprimento de instruções combina imagens com diagramas, gráficos e chamadas claramente legendados numa única geração. Educadores e analistas transformam material de origem denso em gráficos explicativos que se mantêm legíveis em qualquer tamanho de ecrã.
ERNIE Image comparado com modelos rivais de texto para imagem
Veja onde o ERNIE Image se posiciona face a outros geradores abertos e proprietários em termos de origem do desenvolvedor, modelo de acesso, renderização de texto bilingue e custo por imagem.
| Modelo | Desenvolvedor | Modelo de acesso | Renderização de texto bilingue (EN + ZH) | Preço (por imagem) |
|---|---|---|---|---|
| ERNIE-Image | Baidu (ERNIE-Image Team) | Pesos abertos, Apache 2.0 | Líder do setor, LongTextBench 0.9733 | Pagamento conforme o uso |
| ERNIE-Image Turbo | Baidu (ERNIE-Image Team) | Pesos abertos, Apache 2.0 | Preservada por inferência DMD-distilled em 8 passos | Pagamento conforme o uso |
| Qwen Image 2.0 | Alibaba (Tongyi) | Pesos abertos, Apache 2.0 | Forte em layouts tipográficos com 1K tokens | $0.035 |
| Z-Image Turbo | Alibaba (Tongyi Lab) | Pesos abertos, Apache 2.0 | Lida com sinalização complexa em chinês juntamente com inglês | $0.005 |
| Seedream v4.5 | ByteDance | Proprietário | Renderização de nível profissional de design em 4K nativo | $0.04 |
Como Usar ERNIE Image API for Readable Text in Images no Atlas Cloud
Comece em minutos — siga estes passos simples para integrar e implantar modelos pela plataforma da Atlas Cloud.
Crie uma Conta no Atlas Cloud
Cadastre-se em atlascloud.ai e conclua a verificação. Novos usuários recebem créditos gratuitos para explorar a plataforma e testar modelos.
Por Que Usar ERNIE Image API for Readable Text in Images no Atlas Cloud
Combine modelos avançados de ERNIE Image API for Readable Text in Images com a plataforma acelerada por GPU do Atlas Cloud, fornecendo desempenho, escalabilidade e experiência de desenvolvimento incomparáveis.
Desempenho e Flexibilidade
Baixa Latência:
Inferência otimizada por GPU para respostas em tempo real.
API Unificada:
Uma única integração para acessar ERNIE Image API for Readable Text in Images, GPT, Gemini e DeepSeek.
Preços Transparentes:
Faturamento por Token, suporta modo Serverless.
Empresa e Escala
Experiência do Desenvolvedor:
SDK, análise de dados, ferramentas de ajuste fino e modelos tudo em um.
Confiabilidade:
99.99% de disponibilidade, controle de permissões RBAC, logs de conformidade.
Segurança e Conformidade:
Certificação SOC 2 Type II, conformidade HIPAA, soberania de dados nos EUA.
ERNIE Image API: As perguntas que os desenvolvedores mais fazem
A ERNIE Image API dá aos desenvolvedores acesso programático ao modelo text-to-image open-weight da Baidu, um Diffusion Transformer single-stream de 8B combinado com um Prompt Enhancer que expande prompts curtos em descrições mais ricas e estruturadas. Na Atlas Cloud, você acessa o modelo por meio de um endpoint compatível com OpenAI, com preços pay-as-you-go e acesso Day-0.
Seu principal diferencial é o texto legível dentro das imagens. O modelo alcança 0.9733 no LongTextBench em English, o melhor resultado entre modelos open-weight, o que o torna confiável para pôsteres, balões de fala em quadrinhos, infográficos e mockups de UI em que cada caractere precisa estar escrito corretamente.
As duas variantes compartilham a mesma arquitetura de 8B, mas equilibram qualidade e velocidade de formas diferentes. O modelo Standard executa 50 etapas de inferência com guidance scale 4.0 para máxima fidelidade em assets finais, enquanto a variante Turbo é destilada com DMD e reinforcement learning para cerca de 8 etapas, permitindo geração rápida e em alto volume.
Sim. Prompts são compatíveis com English, Chinese e Japanese pelo mesmo encoder, e o texto permanece confiável em diferentes sistemas de escrita, com pontuação de 0.9661 no Chinese LongTextBench. Enquanto vários modelos concorrentes degradam bastante em caracteres chineses, este mantém texto em Simplified, Traditional e conteúdo bilíngue misto com boa clareza.
O endpoint Turbo aceita sete tamanhos predefinidos por meio de um único parâmetro size, variando de um quadrado 1024x1024 a formatos landscape 1376x768 e portrait 768x1376. Você também pode solicitar até dez imagens por chamada, definir uma seed para resultados reproduzíveis e ativar ou desativar o Prompt Enhancer integrado com a flag use_pe.
Para começar, basta uma única API key. Cadastre-se na Atlas Cloud, aponte seu cliente compatível com OpenAI existente para o endpoint e envie um prompt com size e seed opcionais para receber URLs de imagens na resposta. A cobrança é pay-as-you-go por chamada, com acesso Day-0 ao modelo.
Em benchmarks publicados, o modelo supera lançamentos abertos comparáveis, como FLUX.2-klein-9B, com 0.8856 contra 0.8481 no GenEval geral. Sua maior vantagem está na renderização de texto, em que o FLUX.2 cai para 0.2183 em Chinese, enquanto o ERNIE Image se mantém acima de 0.96. Para workloads centrados em texto legível dentro da imagem e layouts estruturados, ele é atualmente a escolha open-weight mais forte.
Sim. O ERNIE Image é lançado sob a licença Apache 2.0, que permite uso comercial, modificação e redistribuição. As imagens geradas podem ser usadas em publicidade, produtos, publicações e outros produtos comerciais sem atritos de licença.
Explorar Mais Séries
Seedance 2.0
A API do Seedance 2.0 oferece acesso de produção ao modelo de vídeo multimodal da ByteDance — entradas quadrimodais (texto, imagem, vídeo, áudio) e um sistema "Universal Reference" líder do setor que fixa a composição, o movimento da câmera e as ações dos personagens entre as cenas. Integre um controle de nível de diretor com uma única chamada de API, uma taxa fixa de $0,09/s, chave instantânea e sem lista de espera — respaldado por tempo de atividade e conformidade de nível corporativo. O Seedance 2.0 Native 4K já está no ar!
Grok Imagine
A Grok Imagine API oferece aos desenvolvedores a geração de imagens, vídeos e áudio da xAI em um único pacote. Ela produz imagens de até 2K com renderização de texto multilíngue, além de vídeos de até 15 segundos com áudio nativo sincronizado e edição baseada em referências. Na Atlas Cloud, uma única chave executa todos os modos do Grok Imagine, permitindo que você alterne entre imagem, vídeo e áudio sem configurações separadas, a partir de US$ 0,02 por imagem e US$ 0,05 por segundo.
Gemini Omni Flash
A Gemini Omni API traz para o seu stack o modelo multimodal de geração e edição de vídeo do Google DeepMind, apresentado no Google I/O 2026. O Gemini Omni funde o motor de raciocínio do Gemini com mídia generativa, aceitando qualquer combinação de texto, imagens, vídeo e áudio para produzir resultados consistentes e fundamentados em conhecimento. Refine os resultados por meio de conversas naturais — troque objetos, reescreva cenas e mude estilos, enquanto a física, os personagens e a continuidade permanecem intactos. A Atlas Cloud oferece toda a linha Gemini Omni Flash — texto para vídeo, imagem para vídeo com até 7 imagens de referência e referência para vídeo — por meio de uma única API unificada, com preços transparentes por segundo a partir de $0.112 e sem assinatura. Comece a construir hoje mesmo.
GPT Image 2
A API do GPT Image 2 dá aos desenvolvedores acesso ao mais recente modelo de imagem da OpenAI, o sucessor do GPT Image 1.5. Ele gera e edita imagens com renderização de texto precisa em caracteres latinos e CJK, além de uma forte composição para pôsteres, mockups e infográficos. Na Atlas Cloud, você o acessa através de uma API unificada junto a mais de 300 modelos, com créditos gratuitos, 99,99% de tempo de atividade e sem a necessidade de verificação de organização da OpenAI.
Os modelos criativos mais poderosos do Google estão todos disponíveis na Atlas Cloud. O Veo 3.1 oferece geração de vídeo cinematográfico, o Nano Banana 2 impulsiona a criação de imagens de alta fidelidade e o Gemini traz inteligência multimodal para cada fluxo de trabalho. Acesse o pacote completo de modelos do Google por meio de uma única API key com disponibilidade Day-0 e preços de pagamento conforme o uso (pay-as-you-go).
Seedance 2.0 Mini
O Seedance 2.0 Mini leva a geração de vídeo multimodal da ByteDance para fluxos de trabalho onde a velocidade e o custo são essenciais. Ele oferece os principais recursos do Seedance 2.0 com menor impacto — geração mais rápida, menor custo por vídeo e a mesma integração de API que você já usa. Para equipes que executam pipelines de alto volume ou prototipagem em escala, o Mini é a opção padrão prática.
ByteDance
Da geração de vídeo cinematográfico à criação de imagens de alta fidelidade, os modelos mais poderosos da ByteDance estão disponíveis no Atlas Cloud. Execute o Seedance e o Seedream em grande escala com os preços de inferência mais baixos e zero custos indiretos de infraestrutura.
Alibaba
O Atlas Cloud reúne toda a linha de modelos da Alibaba sob uma única API: Qwen para tarefas de linguagem e imagem, e Wan para geração de vídeo em até 1080p. Acesse cada modelo no formato pré-pago (pay-as-you-go) sem necessidade de assinaturas. A API da Alibaba está disponível por meio de uma única URL base usando seu cliente compatível com OpenAI existente.
OpenAI
O Atlas Cloud oferece acesso a toda a linha da API da OpenAI, desde o GPT Image 2 para geração de imagens até o Sora 2 para vídeo. Todos os modelos estão disponíveis na modalidade de pagamento conforme o uso, sem compromisso mensal. Integre-se trocando apenas uma URL base usando a API compatível com a OpenAI.
xAI
Construa pipelines completos de imagem e vídeo usando a xAI API no Atlas Cloud. Gere em 2K, edite com imagens de referência e anime imagens em clipes sincronizados com áudio.
Kwaivgi
A API da Kwaivgi com preço 15% abaixo do padrão. A Atlas Cloud oferece acesso Day-0 a novos lançamentos da Kling com preços de pagamento conforme o uso e sem limite de assentos. Uma conta, uma chave, todos os modelos da Kling do nível padrão ao nível master.
Seedream 5.0 Pro
A API do Seedream 5.0 Pro fornece aos desenvolvedores o modelo de edição de imagens controlável da ByteDance no Atlas Cloud. Ela posiciona as edições com precisão usando âncoras e coordenadas, separa as imagens em camadas editáveis, funde múltiplas referências e combina cores e materiais exatos, com texto multilíngue em 2K e 3K. No Atlas Cloud, você pode acessá-lo por meio de uma única chave!
