alibaba/qwen-image/text-to-image-plus

Texto para Imagem

General-purpose image generation model that supports various art styles and is particularly good at rendering complex text.

Entrada

Carregando configuração de parâmetros...

Saída

Inativo

As imagens geradas serão exibidas aqui

Configure os parâmetros e clique em executar para começar a gerar

Cada execução custará 0.021. Com $10 você pode executar aproximadamente 476 vezes.

Você pode continuar com:

Imagem para Vídeo Imagem para Imagem

Parâmetros

Exemplo de código
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/qwen-image/text-to-image-plus",
    "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()

Instalar

Instale o pacote necessário para a sua linguagem de programação.

bash

pip install requests

Autenticação

Todas as solicitações de API requerem autenticação por meio de uma chave de API. Você pode obter sua chave de API no painel do Atlas Cloud.

bash

export ATLASCLOUD_API_KEY="your-api-key-here"

Cabeçalhos HTTP

python

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

Mantenha sua chave de API segura

Nunca exponha sua chave de API em código do lado do cliente ou repositórios públicos. Use variáveis de ambiente ou um proxy de backend.

Enviar uma solicitação

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())

Enviar uma solicitação

Envie uma solicitação de geração assíncrona. A API retorna um ID de predição que você pode usar para verificar o status e obter o resultado.

POST/api/v1/model/generateImage

Corpo da solicitação

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}

data = {
    "model": "alibaba/qwen-image/text-to-image-plus",
    "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']}")

Resposta

{
  "id": "pred_abc123",
  "status": "processing",
  "model": "model-name",
  "created_at": "2025-01-01T00:00:00Z"
}

Verificar status

Consulte o endpoint de predição para verificar o status atual da sua solicitação.

GET/api/v1/model/prediction/{prediction_id}

Exemplo de polling

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)

Valores de status

processingA solicitação ainda está sendo processada.

completedA geração está completa. As saídas estão disponíveis.

succeededA geração foi bem-sucedida. As saídas estão disponíveis.

failedA geração falhou. Verifique o campo de erro.

Resposta concluída

{
  "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"
  }
}

Enviar arquivos

Envie arquivos para o armazenamento do Atlas Cloud e obtenha uma URL que pode ser usada nas suas solicitações de API. Use multipart/form-data para enviar.

POST/api/v1/model/uploadMedia

Exemplo de upload

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}")

Resposta

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Schema de entrada

Os seguintes parâmetros são aceitos no corpo da solicitação.

Total: 0Obrigatório: 0Opcional: 0

Nenhum parâmetro disponível.

Exemplo de corpo da solicitação

json

{
  "model": "alibaba/qwen-image/text-to-image-plus"
}

Schema de saída

A API retorna uma resposta de predição com as URL de saída geradas.

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.

Format: date-time

completed_atstring

ISO 8601 timestamp when the prediction was completed.

Format: date-time

Exemplo de resposta

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

O Atlas Cloud Skills integra mais de 300 modelos de IA diretamente no seu assistente de codificação com IA. Um comando para instalar e depois use linguagem natural para gerar imagens, vídeos e conversar com LLM.

Clientes compatíveis

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ clientes compatíveis

Instalar

bash

npx skills add AtlasCloudAI/atlas-cloud-skills

Configurar chave de API

Obtenha sua chave de API no painel do Atlas Cloud e defina-a como variável de ambiente.

bash

export ATLASCLOUD_API_KEY="your-api-key-here"

Funcionalidades

Após a instalação, você pode usar linguagem natural no seu assistente de IA para acessar todos os modelos do Atlas Cloud.

Geração de imagensGere imagens com modelos como Nano Banana 2, Z-Image e mais.

Criação de vídeosCrie vídeos a partir de texto ou imagens com Kling, Vidu, Veo, etc.

Chat com LLMConverse com Qwen, DeepSeek e outros modelos de linguagem de grande escala.

Upload de mídiaEnvie arquivos locais para fluxos de trabalho de edição de imagens e imagem para vídeo.

Saiba mais

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

O Atlas Cloud MCP Server conecta seu IDE com mais de 300 modelos de IA através do Model Context Protocol. Funciona com qualquer cliente compatível com MCP.

Clientes compatíveis

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ clientes compatíveis

Instalar

bash

npx -y atlascloud-mcp

Configuração

Adicione a seguinte configuração ao arquivo de configuração de MCP do seu IDE.

json

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

Ferramentas disponíveis

atlas_generate_imageGere imagens a partir de prompts de texto.

atlas_generate_videoCrie vídeos a partir de texto ou imagens.

atlas_chatConverse com modelos de linguagem de grande escala.

atlas_list_modelsExplore mais de 300 modelos de IA disponíveis.

atlas_quick_generateCriação de conteúdo em uma etapa com seleção automática de modelo.

atlas_upload_mediaEnvie arquivos locais para fluxos de trabalho de API.

Saiba mais

github.com/AtlasCloudAI/mcp-server

API Schema

Schema não disponível

Faça login para ver o histórico de solicitações

Você precisa fazer login para acessar o histórico de solicitações do modelo.

Fazer Login

Alibaba Qwen-Image Text-to-Image Plus

An enhanced text-to-image generation model from Alibaba Cloud that strikes an optimal balance between high-quality visual output and generation efficiency. Qwen-Image Plus is designed to handle a wide variety of creative tasks, producing detailed and aesthetically pleasing images from text prompts with excellent semantic understanding.

Overview

Purpose: Generate high-quality images from text descriptions efficiently.
Core Capability: Strong prompt adherence and versatile style generation.
Foundation: Powered by Alibaba's advanced multi-modal generative AI technology.
Typical Output: Detailed, coherent images suitable for content creation, social media, and design drafts.
Use Cases: Social media content, blog illustrations, rapid prototyping, storyboarding, and general creative design.

Key Features

Enhanced Visual Quality: Produces sharp, vibrant, and well-composed images that exceed standard model capabilities.
Semantic Accuracy: Effectively understands and visualizes complex prompts and descriptive attributes.
Balanced Performance: Optimized to deliver high-quality results with faster generation times compared to the Max variant.
Style Adaptability: Capable of generating images in various artistic styles, including anime, photorealism, sketch, and digital art.
Text Rendering: Good capability for rendering text elements within images.

Designed For

Content Creators: Quickly generate engaging visuals for social platforms and articles.
Developers: Integrate reliable image generation into applications and workflows.
Designers: Rapidly iterate on concepts and create mood boards.
General Users: Explore AI art generation with high-quality results.

Input Requirements

To achieve the best results, follow these guidelines:

Text Prompt

Content: Clear and descriptive English prompts detailing the subject, action, and desired style.
Structure: Subject + Action/Context + Art Style + Lighting/Color.
Negative Prompt: Supported to help exclude unwanted elements.

Parameters

Aspect Ratio: Supports standard ratios (1:1, 16:9, 9:16, 4:3, 3:4).
Resolution: Supports standard high resolutions (e.g., 1024x1024).
Steps: Configurable for balancing speed and detail.

Pricing

Billing is based on the number of images generated.

Billing Logic: Per-image generation cost.
Tier: "Plus" tier offers a cost-effective solution for high-quality generation, positioned between standard and flagship (Max) tiers.

How to Use

Enter Prompt: Provide a descriptive text prompt for the image.
Configure Settings: Select aspect ratio and other generation parameters.
Generate: Submit the request to the Qwen-Image Plus model.
Review: View the generated image and iterate if necessary.

Best Practices

Descriptive Prompts: Provide sufficient detail about the main subject and background.
Style Keywords: Use specific style terms (e.g., "cyberpunk," "watercolor," "studio photo") to guide the aesthetic.
Iterative Refinement: Start with a core idea and add details to the prompt to refine the output.

Limitations

Complex Scenes: May occasionally struggle with highly complex multi-subject compositions compared to the Max model.
Fine Details: Extremely intricate textures or small details might be less defined than in the Max version.

Version

Model: Alibaba Qwen-Image Text-to-Image Plus
Family: Qwen-Image
Technical Context: Advanced diffusion model optimized for a balance of quality and performance.

Explorar Modelos Semelhantes

Wan-2.7 Pro Image-to-image

Edits and recomposes images with Wan 2.7 image pro using text instructions and multi-image references for higher quality outputs.

Wan-2.7 Pro Text-to-image

Generates images from text prompts with Wan 2.7 image pro, supporting higher fidelity outputs and 4K-ready workflows.

Wan-2.7 Image-to-image

Edits and recomposes images with Wan 2.7 image using text instructions, multi-image references, and optional interaction boxes.

Wan-2.7 Text-to-image

Generates images from text prompts with Wan 2.7 image, supporting fast iteration and strong prompt fidelity for illustration and photorealistic outputs.

$0.03/imagem

Mais de 300 Modelos, Comece Agora,

Explorar Todos os Modelos