Integrationen är genuint liten. Skicka en fotoreferens till en URL, polla en andra URL tills statusen ändras, läs ut bildlänken från nyttolasten. En timmes arbete om du har levererat något asynkront tidigare.
Sedan frågar någon vad det kostar att köra detta för varje nyanställd, och eftermiddagen försvinner. Ett dussin bildslutpunkter på samma plattform kommer var och en att omvandla ett porträtt till ett porträttfoto. Det billigaste ligger på $0,028, och det är ett rabatterat pris. Det dyraste tar $0,229768 för en bild. Större delen av den spridningen beror på upplösningsnivåer, kvalitetsflaggor och vilken kampanj som råkar vara aktiv, vilket inte är samma sak som en spridning i hur bra ansiktet blir.
Detta är en fungerande karta över det beslutet för alla som bygger in ett AI-headshot-API i en produkt. Varje pris, fältnamn och enum nedan kommer från Atlas Clouds egna scheman och dess prissättningsslutpunkt den 18 augusti 2026.
Viktiga slutsatser
- Ett headshot är inte en egen modellkategori på API-nivå. Det är ett bildredigeringsanrop med ett fast syfte, så slutpunkten du väljer avgör din kostnad per användare mycket mer än prompten.
- Den dedikerade headshot-slutpunkten accepterar exakt två fält och returnerar en bild. Generella redigeringsslutpunkter accepterar ett dussin fält och förväntar sig att du beskriver resultatet själv.
- Att utelämna storleksparametern i ett Seedream-redigeringsanrop landar dig tyst i den högre prisklassen, vilket fördubblar räkningen utan något fel att fånga upp.
- Varje modell på plattformen delar samma submit-och-polla-loop, så att byta slutpunkt senare är en ändring av en modellsträng snarare än en omskrivning.
- Du kan bekräfta utdatastilen innan du skriver någon kod: den kostnadsfria AI-headshot-generatorn ger varje berättigat konto en fullupplösningskörning.
Varför utvecklare väljer ett AI-headshot-API istället för en headshot-sajt
Konsument-headshot-sajter är byggda kring en session. Du laddar upp, du väntar, du laddar ner, och tilldelningen återställs imorgon. Ingenting i den loopen överlever kontakt med en produkt som måste onboarda fyrahundra anställda detta kvartal och stämma av utgifterna mot en kostnadsställe.
Vad ett API tillför är egentligen inte genereringen. Det är bokföringen runt den. Varje inlämning kommer tillbaka med ett id och en status du kan polla mot, vilket är skillnaden mellan en faktura du kan förklara och en du inte kan.
Det finns en andra, tystare fördel. Verktygsslutpunkter publicerar sina scheman, så du kan läsa hela indataytan innan du bestämmer dig för en. Atlas Cloud exponerar en familj av dessa enändamålsbildverktyg, och deras förfrågningsformer är nästan identiska:
| Verktygsslutpunkt | Obligatoriska fält | Valfria fält | Pris per bild |
|---|---|---|---|
| atlascloud/tool/headshot | model, image | inga | $0.045 |
| atlascloud/photo-cleanup | model, image | output_format | $0.02 |
| atlascloud/image-upscaler | model, image | outscale, output_format | $0.01 |
Headshot-posten är den strängaste av de tre: ett foto in, ett foto ut.
Var Atlas Cloud passar för utvecklare som bygger headshot-funktioner
Värt att se vad modellen faktiskt returnerar innan du skriver någon integrationskod, eftersom utdatastilen är fast och du antingen vill ha den eller inte. Atlas Cloud håller sina enändamålsverktyg på en sida, och AI-verktygsindexet är där headshot-generatorn finns tillsammans med uppskalning och rengöring. Verktygssidan anger att varje berättigad användare får en kostnadsfri testomgång, och dess FAQ tillägger att den kostnadsfria generationen inkluderar en full högupplöst nedladdning.
Efter den första körningen blir samma modell en mätbar lekplats. AI Headshot-lekplatsen skriver ut sitt pris på Kör-knappen innan du skickar, och ett meddelande ovanför uppladdaren förklarar att tillgångar går till Atlas Cloud-lagring snarare än att hämtas från en länk du klistrar in. Om du hellre vill skriva prompten själv och kontrollera garderob, bakgrund och inramning, täcker Nano Banana 2-familjen den allmänna redigeringsvägen, och dess Lite-variant råkar vara billigare per bild än det fasta verktyget. Prissättningsavsnittet går igenom vad den handeln kostar.
Två sätt att anropa AI-headshot-generatorns API
Båda vägarna använder samma modellsträng. Skillnaden är om en person tittar på när resultatet kommer tillbaka.
Metod 1: Testa Professional Headshot-API:t i lekplatsen
Logga in, öppna lekplatsen länkad ovan, och ladda upp ett tydligt framåtvänd porträtt. Schemats egen beskrivning av inmatningsfältet är exakt den frasen, så modellen är inställd på en rakt framifrån-bild snarare än en trekvartsprofil eller en gruppbeskärning.
Kör-knappen bär kostnaden för den körning du är på väg att göra, och det är siffran att budgetera mot. Marknadsföringssidan anger inget pris alls, så lekplatsen är var siffran finns. En användbar avvikelse att känna till medan du är där: verktygssidans text nämner att välja mellan business formal, smart casual och en enkel studiolook, men det publicerade schemat har inget stilfält. Oavsett vad texten antyder returnerar slutpunkten modellens standard business-behandling.
Metod 2: Anropa AI-headshot-API:t från din egen kod
Flödet är två HTTP-förfrågningar. Att komma dit tar tre steg.
Steg 1: Skapa en API-nyckel. Generera en i Atlas Cloud-konsolen, kopiera den och håll den serversidan. Verktygsslutpunkterna använder samma nyckel som varje modell på plattformen.
Steg 2: Kontrollera API-dokumentationen. Autentisering, den delade bildslutpunkten och pollningskontraktet finns i API-dokumentationen. Varje modell publicerar också sitt eget OpenAPI-schema, och den här är atlascloud-tool-headshot.json, värd att läsa innan du gissar på fältnamn. Modellsidan har också en API-flik bredvid lekplatsen, så förfrågningsformen är ett klick bort från där du testade det. En sak som kostade mig tid här: plattformens publika modellista returnerade 466 poster när jag kontrollerade och headshot-verktyget fanns inte bland dem, även om dess syskonverktyg för uppskalning och fotorengöring var där. Schema, readme och prissättning fungerar alla normalt, så slutpunkten är live. Katalogsökning ensam kommer inte att hitta den.
Steg 3: Skicka den första förfrågan. Inlämning är asynkron och returnerar ett prediktions-id.
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 }'
Polla tills statusen stabiliseras:
Bash1curl -s https://api.atlascloud.ai/api/v1/model/prediction/<PREDICTION_ID> \ 2 -H "Authorization: Bearer $ATLASCLOUD_API_KEY"
Den färdiga nyttolasten bär outputs, en array som förblir tom tills jobbet är klart och sedan innehåller den värdbaserade bild-URL:en. status är ditt loopvillkor och läser created, processing, completed eller failed.
Testa en sak på det första anropet snarare än att anta. Schemat typifierar image som en bildreferens utan att säga var filen får finnas, och lekplatsen är tydlig med sin egen sida av den frågan. Den gröna notisen ovanför dess uppladdare lyder "URL:er accepteras inte: bilder och videor måste skickas via dedikerade uppladdningsfält." Syskonredigeringsmodellerna dokumenterar sina indata som URL:er. Bekräfta vilken form din nyckel tar innan du kopplar ett batchjobb runt den.
Den förfrågningsformen är delen värd att internalisera. Samma nyckel, samma POST och samma pollningsanrop når varje bildmodell på plattformen, så att gå från det fasta headshot-verktyget till en fullt promptbar redigerare senare innebär att redigera modellsträngen och lägga till de fält som modellen accepterar. Ingenting annat i din arbetare ändras.
AI Headshot API-prissättning per genererad bild
Varje siffra nedan kom från plattformens prissättningsberäkningsslutpunkt den 18 augusti 2026, prissatt mot den exakta förfrågan jag skulle skicka. Alla returnerade en rabattflagga på 100, vilket innebär att ingen kampanj var aktiv, förutom de två varianterna i nästa underavsnitt.
Den dedikerade headshot-slutpunkten ligger på $0,045, vilket innebär att tusen genererade headshots kostar $45. Nano Banana 2 Lite Edit understiger den med $0,04, så samma volym kostar $40, och dess readme är explicit med att antalet inmatade referensbilder inte påverkar priset. Att spara dessa $5 per tusen innebär att skriva och underhålla din egen headshot-prompt, vilket är ett verkligt beslut snarare än ett självklart.
Standardinställningar är där pengarna läcker. Seedream v5.0 Pro Edit debiterar $0,045 vid 1024×1024 eller 2048×1152, men dess storleksparameter standardinställs till 2048×2048, vilket landar i den högre nivån på $0,09. Utelämna fältet och du betalar dubbelt utan något fel att fånga upp. Samma modell lägger till $0,003 för varje inmatad bild utöver den första, vilket en tvåbildsförfrågan bekräftar genom att prissättas till $0,048. GPT Image 2 Edit upprepar mönstret från en annan vinkel: kvalitet standardinställs till medium på $0,071728, och att gå till hög tar en enda 1024×1024-bild till $0,229768.
Upplösningsnivåer är den sista variabeln. Nano Banana 2 Edit debiterar $0,08, $0,12 och $0,16 för 1k, 2k och 4k, medan Lite-varianten erbjuder endast 1k. För ett profilfoto som slutligen visas i några hundra pixlar är att betala för 4k att spendera på pixlar ingen kommer att se.
Rabatterade utvecklarslutpunkter i AI Headshot API-serien
Två varianter hade en aktiv rabatt på fältnamn skrivningsdagen:
| Slutpunkt | Listpris | Nuvarande pris | Rabatt |
|---|---|---|---|
| google/nano-banana-2-lite/edit-developer | $0,04 | $0,028 | 30% rabatt |
| google/nano-banana-2/edit-developer | $0,08 | $0,04 | 50% rabatt |
Ingen av modellsidorna förklarar hur en utvecklarslutpunkt skiljer sig från standarden förutom priset, så behandla den orabatterade siffran som den hållbara siffran när du bygger en kostnadsmodell. Dessa flaggor har flyttats förut, och det ärliga sättet att kontrollera är att prissätta din exakta förfrågan mot plattformen snarare än att lita på en siffra från en artikel, inklusive denna.
Vad AI Headshot API ändrar på ett ansikte
Den fasta slutpunkten är åsiktsfull. Dess readme beskriver jobbet som att omvandla ett avslappnat porträtt till ett studiekvalitets business-headshot, vilket i praktiken innebär att bakgrunden och kläderna byts ut medan ansiktet är tänkt att förbli igenkännbart ditt.
Jag körde ett porträtt genom båda vägarna för att se var de skiljer sig.
Kördes den 19 augusti 2026. Inmatningen är en AI-genererad fiktiv person, inte ett fotografi av någon verklig.
Båda utdatan är igenkännbart samma ansikte, och båda gjorde jobbet med att klä en person i businesskläder på en slät bakgrund. Skillnaderna ligger i vad ingen bad om. Den fasta slutpunkten valde en ljusgrå blazer utan något under, bestämde beskärningen och lämnade det långa vågiga håret ifred. Redigeringsslutpunkten levererade varje föremål som prompten namngav, den kolsvarta blazern, den vita skjortan, den ljusgrå bakgrunden, huvud-och-axlar-inramningen, och gick sedan längre och förkortade håret till en snyggare, mer symmetrisk form. Prompten hade bett om att ansiktet skulle förbli oförändrat och sa inget om hår.
Att gå den allmänna redigeringsvägen ger besluten tillbaka till dig, på bekostnad av att behöva ange dem. Jämför vad var och en accepterar:
| Fält | atlascloud/tool/headshot | google/nano-banana-2-lite/edit |
|---|---|---|
| prompt | saknas | obligatorisk |
| image / images | en bild, obligatorisk | 1 till 14 bilder, obligatorisk |
| aspect_ratio | saknas | 15 värden inklusive auto |
| resolution | saknas | endast 1k |
| thinking_level | saknas | default, high, minimal |
| enable_base64_output | saknas | Endast API, returnerar BASE64 istället för en URL |
Två saker att planera för. Plattformens readme för Lite-nivån säger att modellen kan ha svårt med små ansikten, korrekt stavning och mycket fina detaljer. Inmatningen i det testet började som en helkroppsbild där ansiktet upptog en liten del av bilden och kom igenom det bra, så varningen är inte en hård gräns, men en gruppfotobeskärning är det svårare fallet och värt att screena för. Samma readme anger att redigerade bilder som standard inkluderar C2PA-innehållsbevis och en omärkbar SynthID-vattenstämpel. Den signaturen följer med filen. LinkedIn visar innehållsbevis på alla bilder som anländer med C2PA-information bifogad, så ett headshot som genereras på detta sätt kan hamna på en profil med dess ursprung synligt.
Vilket är okej, så länge ansiktet är rätt. LinkedIns profilfotoriktlinjer tillåter en illustration eller konstnärlig återgivning av dig själv, med villkoret att fotot måste spegla din likhet. Ett AI-headshot klarar det testet. Ett genererat ansikte som inte är användarens gör det inte.
Köra ett AI Headshot API i produktion
Några saker värda att bestämma innan du skickar snarare än efter.
| Område | Vad plattformen ger dig | Rimlig standard |
|---|---|---|
| Jobbets slutförande | En fyrstatusstatus på varje prediktion | Polla med backoff, behandla failed som omsändningsbar en gång |
| Latens | Ingen slutföringstidssiffra i schemat | Köa arbetet, blockera aldrig en sidrendering på det |
| Hoppa över pollning | enable_sync_mode på de allmänna redigeringsmodellerna, saknas på det fasta verktyget | Använd synkronläge endast för interaktiva enstaka förfrågningar |
| Utdatabehandling | outputs-array med värdbaserade URL:er | Kopiera till din egen lagring vid slutförande |
| Inmatningskvalitet | Schemat ber om ett tydligt framåtvänd porträtt, inget mer specifikt | Sålla bort gruppbeskärningar och små ansikten innan du spenderar ett anrop |
| Samtycke | Ansvarsfull användningsnotering kräver auktorisation för mediet du laddar upp | Fånga samtycke vid uppladdningstillfället, lagra posten |
Den sista raden är den som team hoppar över. Slutpunktens egen dokumentation ber dig att inhämta samtycke innan du redigerar eller genererar en verklig persons likhet, och att undvika att använda resultat för att lura, trakassera eller imitera. Om din funktion omvandlar anställdas foton till headshots automatiskt, hör samtyckessteget hemma i uppladdningsflödet snarare än i ett policy-dokument ingen läser.
Vanliga frågor
Finns det ett AI-headshot-API för utvecklare med en kostnadsfri nivå?
API:t i sig är mätbart från första anropet. Den kostnadsfria körningen finns på verktygssidan, där varje berättigat konto får en fullupplösningsgenerering. Använd den för att bekräfta utdatastilen, budgetera sedan för prissättning per bild när du integrerar.
Vilken modellsträng ska jag använda för ett professionellt headshot-API-anrop?
atlascloud/tool/headshot om du vill ha den fasta business-behandlingen utan en prompt att underhålla. google/nano-banana-2-lite/edit om du behöver kontroll över garderob, bakgrund eller bildförhållande och är villig att skriva instruktionen själv. Båda postar till /api/v1/model/generateImage.
Hur mycket kostar ett AI-headshot-API per bild?
$0,045 via den dedikerade slutpunkten från och med 18 augusti 2026, utan någon aktiv rabatt. Över de tolv slutpunkter jag prissatte på samma plattform kostade en enda redigerad bild från $0,028 till $0,229768 beroende på modell, upplösningsnivå och kvalitetsinställning.
Behåller AI-headshot-generatorns API personens verkliga ansikte?
Det är det angivna beteendet: verktyget ersätter bakgrund och klädsel snarare än att generera en ny person. Trogenhet beror starkt på inmatningen, och ett litet eller vinklat ansikte i källbilden ger modellen mindre att bevara.
Är AI-headshot-API-utdata vattenmärkta eller signerade?
Nano Banana 2 Lite-redigeringar inkluderar som standard C2PA-innehållsbevis och en SynthID-vattenstämpel, enligt modellens dokumentation på plattformen. Signeringsbeteende är modellspecifikt, så kontrollera readme för den slutpunkt du väljer.
Kan headshots som genereras via ett API användas på LinkedIn?
Ja, förutsatt att bilden återspeglar den verkliga personen. LinkedIns fotoriktlinjer tillåter konstnärliga återgivningar av dig själv och förbjuder foton som enbart består av andras likheter, stockbilder eller fiktiva karaktärer.
Slutsats
Om det du behöver är ett standard business-headshot och du hellre inte vill äga en prompt, är den fasta slutpunkten den kortare vägen. Två fält, en utdata, ett pris du kan läsa innan du anropar den.
Så snart din produkt behöver något specifikt, en viss jacka, en varumärkesbakgrund, en porträttbeskärning som matchar din kortkomponent, har den slutpunkten inget att erbjuda och du skriver en prompt oavsett om du planerat det eller inte. Två frågor avgör det, och ingen av dem är enhetspriset. Kommer någon fortfarande att underhålla den prompten om två år? Och kommer gapet mellan en 1k-utdata och en 4k-utdata någonsin att nå en användares skärm?
