Atlas Cloud är nu auktoriserad återförsäljare i USA av Dreamina Seedance 2.5 och Seedream 5.0 Pro.
Hero background 1
ERNIE Image API for Readable Text in Images

ERNIE Image API for Readable Text in Images

ERNIE Image API tar Baidus open-weight 8B Diffusion Transformer till din stack, utgiven av ERNIE-Image Team under Apache 2.0. Den toppar LongTextBench med 0.9733 och gör affischrubriker och pratbubblor i serier läsbara, medan en destillerad Turbo-variant minskar inferensen från 50 steg till 8. Atlas Cloud tillhandahåller den via en OpenAI-kompatibel endpoint med transparent pay-as-you-go-prissättning. Börja bygga i dag.

Atlas Cloud (som drivs av Atlas Cloud AI LLC) tillhandahåller åtkomst till AI-modeller från tredje part som utvecklats och ägs av respektive leverantör. Atlas Cloud äger inte dessa modeller, och alla modellnamn, produktnamn och varumärken tillhör sina respektive ägare.

Kommer Snart

Modeller Lanseras Snart

Vi lägger sista handen vid den här kollektionen — utforska under tiden liknande kollektioner nedan.

Utforska Fler Familjer

Seedance 2.5

Seedance 2.5 API är nu tillgängligt på Atlas Cloud! Det ger utvecklare ByteDances nyaste videomodell. Den genererar upp till 30 sekunder inbyggd video i en enda körning från text, en enskild bild eller upp till 50 multimodala referenser, med synkroniserat ljud och flerspråkig text i bildrutan. På Atlas Cloud når du den genom en enda nyckel, med motivkonsekvens och förbättrad fysik som håller långa tagningar sammanhängande.

Visa Familj

Wan 3.0

Wan 3.0 API är nästa generation av Alibabas Wan-videofamilj, byggd för att ta långformatsgenerering, multireferenskontroll och audiovisuell kvalitet till nya höjder. Atlas Cloud är redan värd för Wan 2.7, 2.6 och 2.5, och Wan 3.0 körs på samma enhetliga nyckel utan separat konfiguration. Börja bygga idag. Rulla ner till uppvisningen för att se vad Wan 3.0 kan skapa.

Visa Familj

MiniMax H3

MiniMax H3 är MiniMax multimodala videofamilj för att skapa med text, bilder och referenser. Via de rutter som stöds bevarar den motiv från referensmedia, erbjuder flexibla bildformat och kombinerar genererat ljud med bild genom H3 Developer, med utdataprofiler som väljs per endpoint. Atlas Cloud samlar hela familjen bakom en enda OpenAI-kompatibel nyckel, med transparent användningsbaserad prissättning från standardpriset $0.038 per sekund. Börja bygga redan idag.

Visa Familj

GPT Image 2.5

gpt-image-2.5-familjen från OpenAI ger utvecklare möjlighet att välja mellan Flare och Sunburst för produktionsarbetsflöden för bilder. Rendera med valfria upplösningar upp till 3840x2160 och välj mellan fem kvalitetsnivåer, däribland xhigh och max, för att uppfylla specifika krav på utdata. Atlas Cloud erbjuder färdig REST-inferens utan cold starts och med standardpriser från $0.004 per generering. Börja bygga idag.

Visa Familj

Seedream 5.0 Pro

Seedream 5.0 Pro API ger utvecklare ByteDances kontrollerbara bildredigeringsmodell på Atlas Cloud. Den placerar redigeringar exakt med ankare och koordinater, separerar bilder i redigerbara lager, slår samman flera referenser och matchar exakta färger och material, med flerspråkig text i 2K och 3K. På Atlas Cloud når du den via en enda nyckel!

Visa Familj

Seedance 2.0

Seedance 2.0 är ByteDance:s produktionsmodell för video och möjliggör exakt skapande av videoklipp. Omvandla prompts till video, animera en bild för första bildrutan med valfri vägledning från sista bildrutan eller forma resultaten med referensmedia och valfri webbsökning. Atlas Cloud samlar dessa arbetsflöden i ett enhetligt API med transparent prissättning enligt användning och en OpenAI-kompatibel nyckel. Börja bygga idag.

Visa Familj

Kling V3.0

Kling 3.0 API tar Kuaishous flaggskeppsvideosvit till Atlas Cloud genom en OpenAI-kompatibel nyckel. Den omfattar två modeller, Kling 3.0 för AI Director-berättande, flerspråkig läppsynkronisering och exakt text på skärmen, samt Kling 3.0 Omni (O3) för kloning av motiv och röst från en kort video eller bild. Båda genererar inbyggt ljud i samma passering, med utmatning upp till 4K. Skapa filmiska narrativ, global marknadsföring, flerspråkiga annonser och serialiserat karaktärsinnehåll på en pålitlig infrastruktur.

Visa Familj

Grok Imagine Video

Grok Imagine Video ger utvecklare tillgång till xAI:s videofamilj för att skapa, animera, förlänga och redigera klipp. Generera videor på 1 till 15 sekunder från prompter, styr personer, objekt eller stilar med upp till sju referensbilder och arbeta i 480p eller 720p. Atlas Cloud samlar dessa funktioner via OpenAI-kompatibla endpoints med transparent, användningsbaserad prissättning. Börja bygga idag.

Visa Familj

Vidu Q4 Preview

Vidu Q4 är Vidus senaste flaggskeppsmodell för video, utformad för generering från bild till video och från referens till video. Den kan animera en enskild stillbild och skapa automatiska scenövergångar, vilket ger utvecklare två inmatningsvägar för olika produktarbetsflöden. Atlas Cloud tillhandahåller dedikerade API-endpoints med publicerade parameterscheman till det verifierade standardpriset $0.04 per sekund. Börja bygga redan idag.

Visa Familj

Gemini Omni 1.1 Flash

Gemini Omni 1.1 Flash är Google DeepMinds naturligt multimodala videomodellfamilj för flexibla produktionsarbetsflöden. Redigera befintligt material med textinstruktioner, bibehåll visuell konsekvens med upp till 10 referensbilder och 3 videoklipp eller förläng en tagning i kedjbara segment till 40 sekunder. Få tillgång till alla arbetsflöden på Atlas Cloud med en enda OpenAI-kompatibel API-nyckel, pay-as-you-go-prissättning och tillgänglighet från dag 0. Börja bygga idag.

Visa Familj

Nano Banana 2.1

Nano Banana 2.1 är Googles bildmodellfamilj byggd på Gemini 3.6 Flash. Den erbjuder generering och redigering på Pro-nivå med Flash-hastighet, stöder redigeringar och sammanslagningar på naturligt språk över 1 till 14 indatabilder och bibehåller konsekvens för upp till 4 figurer och 10 objekt. Via Atlas Cloud får utvecklare tillgång till modellfamiljen med en OpenAI-kompatibel nyckel, stabil drifttid och tillgänglighet från dag 0. Börja bygga idag.

Visa Familj

Nano Banana 2

Bygg med Nano Banana 2 API, drivs av Googles Gemini 3.1 Flash Image-modell. Den genererar inbyggda 4K-bilder på upp till 4096x2304 med exakt textåtergivning och konsekventa karaktärer över upp till 14 referensbilder för både generering och redigering. På Atlas Cloud når du den via ett enhetligt API tillsammans med över 300 modeller, med priser från 0,04 dollar per bild, 99,99 % drifttid och gratis krediter för att komma igång.

Visa Familj

Topphastighet

Lägsta kostnad

ModalityDescription
ERNIE Image API (Text To Image)Where the Turbo endpoint prioritizes throughput, the standard ERNIE Image API leans toward maximum output fidelity on the same text-to-image task. It fits final production work such as posters, editorial graphics, and commercial layouts, where getting every detail right outweighs turnaround time.
ERNIE Image Turbo API (Text To Image)Turn a single text prompt into as many as ten images per request across seven aspect ratios, from square 1024 pixels up to 1376 pixels on the long edge. Tuned for low latency, it defaults to eight inference steps and ships a built-in Prompt Enhancer that expands terse prompts before generation. Reach for it when rapid iteration, real-time previews, and high-volume batch runs matter more than squeezing out the last increment of quality.

Byggt för text, layout och kontroll: ERNIE Image API

Från branschledande textrendering och strukturerade layouter med flera paneler till inbyggd tvåspråkig promptning, en Prompt Enhancer som är aktiverad som standard, sju utmatningsdimensioner och reproducerbara Turbo-batchar – ERNIE Image API omvandlar precisa instruktioner till produktionsklara bilder.

Läsbar textrendering med ERNIE Image API

Läsbar textrendering med ERNIE Image API

Ett ledande LongTextBench-resultat på 0.9733 gör att modellen kan rendera läsbar, korrekt stavad text direkt i genererade bilder. Pratbubblor i serier, rubriker på affischer, etiketter i infografik och text i UI-mockuper förblir skarpa och lättlästa.

Strukturerade layouter med flera paneler

Strukturerade layouter med flera paneler

Primitiver för generering, redigering, kompositering och uppskalning fungerar tillsammans med en förståelse för rutnätsbaserade rumsliga relationer. Tillsammans ger de sammanhängande sekvenser med flera paneler och formgivna designer som designers kan styra via en centraliserad pipeline.

Tvåspråkig promptning i ERNIE Image API

Tvåspråkig promptning i ERNIE Image API

Prompter på både engelska och kinesiska körs inbyggt genom samma encoder-pipeline och fångar idiomatiska formuleringar på båda språken. Denna dubbla språkförmåga stödjer autentiskt visuellt berättande för både globala kampanjer och lokaliserat innehåll.

Prompt Enhancer aktiverad som standard

Prompt Enhancer aktiverad som standard

En lättviktig Prompt Enhancer är aktiverad som standard och skriver om korta indata till rikare, strukturerade beskrivningar innan de når diffusionsstommen. Stäng av den per begäran när bokstavlig kontroll över exakt formulering är viktigare.

Sju inbyggda utmatningsdimensioner

Sju inbyggda utmatningsdimensioner

Sju inbyggda utmatningsstorlekar omfattar kvadratiska 1024x1024, liggande format upp till 1376x768 och stående format ned till 768x1376. Varje bildförhållande genereras direkt, så inramningen förblir intakt i alla format.

ERNIE Image API i Turbo-läge

ERNIE Image API i Turbo-läge

Behöver du volym utan väntan? Turbo-läget kör så få som 8 inferenssteg och returnerar upp till 10 bilder per begäran, medan ett explicit seed gör varje resultat reproducerbart.

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.

Prompt

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 Baidu ERNIE Image Turbo on Atlas Cloud

Generated with Qwen Image 2.0 on Atlas Cloud

Generated with Qwen Image 2.0 on Atlas Cloud

Generated with Baidu ERNIE Image Turbo on Atlas Cloud

Generated with Baidu ERNIE Image Turbo on Atlas Cloud

Prompt

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 Baidu ERNIE Image Turbo on Atlas Cloud

Generated with Qwen Image 2.0 on Atlas Cloud

Generated with Qwen Image 2.0 on Atlas Cloud

Generated with Baidu ERNIE Image Turbo on Atlas Cloud

Generated with Baidu ERNIE Image Turbo on Atlas Cloud

Real Production Work the ERNIE Image API Handles

From text-perfect posters and multi-panel comics to bilingual campaigns, product catalogs, interface mockups, and labeled infographics, the ERNIE Image API turns precise prompts into layout-accurate visuals across every content pipeline.

Marketing and Poster Production with the ERNIE Image API

Legible headlines, pricing, and product copy render straight into campaign posters and banners thanks to the model's leading text accuracy. Marketing teams ship print-ready assets directly, with no separate typesetting step required.

Comics and Sequential Storytelling

Because the model understands grid-based layout and multi-panel structure, it renders coherent comic pages with dialogue set inside speech bubbles. Independent creators and studios draft full storyboards without redrawing every frame by hand.

Bilingual Campaign Localization with the ERNIE Image API

Native English and Chinese prompt support means one workflow produces on-brand visuals for both markets, with text rendered correctly in each script. Global teams localize creative without hiring separate design pipelines per language.

E-Commerce Product Visuals at Scale

Generate lifestyle scenes, product mockups, and promotional imagery across a full catalog through a single API call. The Turbo variant compresses inference to eight steps, so high-volume stores refresh entire catalogs in minutes.

Interface and Product Mockups

Need realistic screens for a pitch? The model renders app interfaces and website mockups with readable labels, buttons, and body copy, giving product teams presentation-ready prototypes before a single component is built.

Educational Infographics with the ERNIE Image API

Strong instruction following pairs imagery with clearly labeled diagrams, charts, and callouts in a single generation. Educators and analysts turn dense source material into explainer graphics that stay legible at any display size.

ERNIE Image jämfört med rivaliserande text-till-bild-modeller

Se var ERNIE Image hamnar jämfört med andra öppna och proprietära generatorer vad gäller utvecklarursprung, åtkomstmodell, tvåspråkig textrendering och kostnad per bild.

ModellUtvecklareÅtkomstmodellTvåspråkig textrendering (EN + ZH)Pris (per bild)
ERNIE-ImageBaidu (ERNIE-Image-teamet)Öppna vikter, Apache 2.0Branschledande, LongTextBench 0.9733Betala per användning
ERNIE-Image TurboBaidu (ERNIE-Image-teamet)Öppna vikter, Apache 2.0Bibehålls genom DMD-destillerad inferens i 8 stegBetala per användning
Qwen Image 2.0Alibaba (Tongyi)Öppna vikter, Apache 2.0Stark för typografilayouter med 1K token$0.035
Z-Image TurboAlibaba (Tongyi Lab)Öppna vikter, Apache 2.0Hanterar komplex kinesisk skyltning tillsammans med engelska$0.005
Seedream v4.5ByteDanceProprietärRendering på designernivå i inbyggd 4K$0.04

Hur man använder ERNIE Image API for Readable Text in Images på Atlas Cloud

Get started in minutes — follow these simple steps to integrate and deploy models through Atlas Cloud’s platform.

Skapa ett Atlas Cloud-konto

Registrera dig på atlascloud.ai och slutför verifieringen. Nya användare får gratis krediter för att utforska plattformen och testa modeller.

Varför Använda ERNIE Image API for Readable Text in Images på Atlas Cloud

Att kombinera de avancerade ERNIE Image API for Readable Text in Images-modellerna med Atlas Clouds GPU-accelererade plattform ger oöverträffad prestanda, skalbarhet och utvecklarupplevelse.

Prestanda & flexibilitet

Låg Latens:
GPU-optimerad inferens för realtidsresonemang.

Enhetligt API:
Kör ERNIE Image API for Readable Text in Images, GPT, Gemini och DeepSeek med en integration.

Transparent Prissättning:
Förutsägbar fakturering per token med serverlösa alternativ.

Företag & Skala

Utvecklarupplevelse:
SDK:er, analys, finjusteringsverktyg och mallar.

Tillförlitlighet:
99.99% drifttid, RBAC och efterlevnadsredo loggning.

Säkerhet & Efterlevnad:
SOC 2 Type II, HIPAA-anpassning, datasuveränitet i USA.

ERNIE Image API: Frågorna utvecklare oftast ställer

ERNIE Image API ger utvecklare programmatisk åtkomst till Baidus open-weight text-to-image-modell, en 8B single-stream Diffusion Transformer kombinerad med en Prompt Enhancer som utvecklar korta prompter till rikare och mer strukturerade beskrivningar. På Atlas Cloud når du den via en OpenAI-kompatibel endpoint med pay-as-you-go-prissättning och Day-0-åtkomst.

Dess främsta styrka är läsbar text i bilder. Modellen får 0.9733 på LongTextBench på engelska, det bästa resultatet bland open-weight-modeller, vilket gör den pålitlig för affischer, pratbubblor i serier, infografik och UI-mockups där varje tecken måste vara korrekt stavat.

Båda varianterna delar samma 8B-arkitektur men väger kvalitet mot hastighet. Standard-modellen kör 50 inferenssteg med guidance scale 4.0 för maximal detaljtrogenhet i slutliga resurser, medan Turbo-varianten är destillerad med DMD och reinforcement learning ned till ungefär 8 steg för snabb generering i hög volym.

Ja. Prompter stöds på engelska, kinesiska och japanska via samma encoder, och texten förblir tillförlitlig över olika skriftsystem, med 0.9661 på Chinese LongTextBench. Där flera konkurrerande modeller försämras kraftigt på kinesiska tecken håller den här modellen förenklad, traditionell och blandad tvåspråkig text ren.

Turbo-endpointen accepterar sju förinställda storlekar via en enda size-parameter, från en kvadrat på 1024x1024 till liggande format på 1376x768 och stående format på 768x1376. Du kan också begära upp till tio bilder per anrop, ange en seed för reproducerbara resultat och slå på eller av den inbyggda Prompt Enhancer med flaggan use_pe.

Det räcker med en enda API-nyckel för att komma igång. Registrera dig på Atlas Cloud, peka din befintliga OpenAI-kompatibla klient mot endpointen och skicka en prompt med valfri size och seed för att få bild-URL:er i svaret. Debiteringen är pay-as-you-go per anrop med Day-0-åtkomst till modellen.

I publicerade benchmarktester överträffar modellen jämförbara öppna releaser som FLUX.2-klein-9B, med 0.8856 jämfört med 0.8481 totalt på GenEval. Det största försprånget finns inom textåtergivning, där FLUX.2 faller till 0.2183 på kinesiska medan ERNIE Image håller sig över 0.96. För arbetslaster som bygger på läsbar text i bilder och strukturerade layouter är den för närvarande det starkaste open-weight-valet.

Ja. ERNIE Image släpps under Apache 2.0-licensen, som tillåter kommersiell användning, modifiering och vidare distribution. Genererade bilder kan användas i annonsering, merchandise, publikationer och andra kommersiella produkter utan licensfriktion.

Ett API för all media-AI.

Utforska alla modeller