Atlas Cloud เป็นผู้ขายต่อที่ได้รับอนุญาตในสหรัฐฯ ของ Dreamina Seedance 2.5 และ Seedream 5.0 Pro แล้ว
Hero background 1
ERNIE Image API for Readable Text in Images

ERNIE Image API for Readable Text in Images

The ERNIE Image API brings Baidu's open-weight 8B Diffusion Transformer to your stack, released by the ERNIE-Image Team under Apache 2.0. It tops LongTextBench at 0.9733, keeping poster headlines and comic speech bubbles legible, while a distilled Turbo variant cuts inference from 50 steps to 8. Atlas Cloud serves it through one OpenAI-compatible endpoint with transparent pay-as-you-go pricing. Start building today.

Atlas Cloud (ดำเนินการโดย Atlas Cloud AI LLC) ให้บริการเข้าถึงโมเดล AI ของบุคคลที่สาม ซึ่งพัฒนาและเป็นกรรมสิทธิ์ของผู้ให้บริการแต่ละราย Atlas Cloud ไม่ได้เป็นเจ้าของโมเดลเหล่านี้ และชื่อโมเดล ชื่อผลิตภัณฑ์ และเครื่องหมายการค้าทั้งหมดเป็นของเจ้าของที่เกี่ยวข้อง

เร็วๆ นี้

โมเดลกำลังจะเปิดตัว

เรากำลังเก็บรายละเอียดสุดท้ายของคอลเลกชันนี้ — ในระหว่างนี้ ลองสำรวจคอลเลกชันที่คล้ายกันด้านล่าง

สำรวจกลุ่มเพิ่มเติม

Seedance 2.5

Seedance 2.5 API พร้อมใช้งานแล้วบน Atlas Cloud! มอบโมเดลวิดีโอใหม่ล่าสุดของ ByteDance ให้กับนักพัฒนา สร้างวิดีโอเนทีฟได้นานถึง 30 วินาทีในการประมวลผลเพียงครั้งเดียวจากข้อความ รูปภาพเดียว หรือการอ้างอิงหลายรูปแบบสูงสุด 50 รายการ พร้อมเสียงที่ซิงโครไนซ์และข้อความหลายภาษาในเฟรม บน Atlas Cloud คุณสามารถเข้าถึงได้ผ่านคีย์เดียว โดยมีความสอดคล้องของวัตถุและระบบฟิสิกส์ที่ได้รับการปรับปรุงซึ่งช่วยให้ภาพระยะยาวมีความต่อเนื่อง

ดูกลุ่ม

Wan 3.0

Wan 3.0 API คือเจเนอเรชันถัดไปของตระกูลวิดีโอ Wan จาก Alibaba ซึ่งสร้างขึ้นเพื่อยกระดับการสร้างวิดีโอแบบยาว การควบคุมแบบหลายข้อมูลอ้างอิง และคุณภาพของภาพและเสียงให้ก้าวไปอีกขั้น Atlas Cloud ได้โฮสต์ Wan 2.7, 2.6 และ 2.5 ไว้แล้ว และ Wan 3.0 สามารถทำงานบนคีย์แบบรวมเดียวกันโดยไม่ต้องตั้งค่าแยกต่างหาก เริ่มต้นสร้างสรรค์ได้ตั้งแต่วันนี้ เลื่อนลงไปที่ส่วนจัดแสดงเพื่อดูว่า Wan 3.0 สามารถสร้างอะไรได้บ้าง

ดูกลุ่ม

MiniMax H3

MiniMax H3 คือผลิตภัณฑ์วิดีโอแบบมัลติโมดัลของ MiniMax สำหรับการสร้างสรรค์โดยใช้ข้อความ รูปภาพ และข้อมูลอ้างอิง ในเส้นทาง API ที่รองรับ ระบบจะคงลักษณะของวัตถุจากสื่ออ้างอิงไว้ มีอัตราส่วนภาพที่ยืดหยุ่น และจับคู่เสียงที่สร้างขึ้นกับภาพผ่าน H3 Developer โดยโปรไฟล์เอาต์พุตจะถูกเลือกตาม endpoint Atlas Cloud รวมผลิตภัณฑ์ในตระกูลนี้ไว้เบื้องหลังคีย์เดียวที่รองรับ OpenAI พร้อมการคิดค่าบริการตามการใช้งานอย่างโปร่งใส เริ่มต้นที่อัตรามาตรฐาน $0.038 ต่อวินาที เริ่มพัฒนาได้วันนี้

ดูกลุ่ม

GPT Image 2.5

ตระกูล gpt-image-2.5 จาก OpenAI มอบทางเลือก Flare และ Sunburst ให้แก่นักพัฒนาสำหรับกระบวนการทำงานด้านการสร้างภาพเพื่อใช้งานจริง เรนเดอร์ด้วยความละเอียดตามต้องการสูงสุด 3840x2160 และเลือกได้จากระดับคุณภาพ 5 ระดับ รวมถึง xhigh และ max เพื่อให้ตรงตามข้อกำหนดของเอาต์พุตแต่ละแบบ Atlas Cloud ให้บริการอนุมานผ่าน REST ที่พร้อมใช้งาน โดยไม่มี cold start และคิดค่าบริการตามมาตรฐานเริ่มต้นที่ $0.004 ต่อการสร้างภาพ เริ่มพัฒนาได้วันนี้

ดูกลุ่ม

Seedream 5.0 Pro

Seedream 5.0 Pro API มอบโมเดลการแก้ไขภาพที่ควบคุมได้ของ ByteDance บน Atlas Cloud ให้กับนักพัฒนา โดยจะวางการแก้ไขอย่างแม่นยำด้วยจุดยึดและพิกัด แยกภาพออกเป็นเลเยอร์ที่แก้ไขได้ ผสานข้อมูลอ้างอิงหลายรายการ และจับคู่สีและวัสดุที่แน่นอน พร้อมข้อความหลายภาษาที่ความละเอียด 2K และ 3K บน Atlas Cloud คุณสามารถเข้าถึงได้ผ่านคีย์เดียว!

ดูกลุ่ม

Seedance 2.0

Seedance 2.0 คือโมเดลวิดีโอสำหรับการใช้งานจริงของ ByteDance ที่ออกแบบมาเพื่อสร้างช็อตได้อย่างแม่นยำ เปลี่ยนพรอมป์ต์เป็นวิดีโอ ทำให้ภาพเฟรมแรกเคลื่อนไหวโดยมีตัวเลือกให้ใช้คำแนะนำจากเฟรมสุดท้าย หรือปรับแต่งผลลัพธ์ด้วยสื่ออ้างอิงและการค้นหาเว็บแบบเลือกใช้ได้ Atlas Cloud รวมเวิร์กโฟลว์เหล่านี้ไว้ใน API เดียว พร้อมการคิดค่าบริการตามการใช้งานจริงอย่างโปร่งใสและคีย์เดียวที่เข้ากันได้กับ OpenAI เริ่มสร้างสรรค์ได้วันนี้

ดูกลุ่ม

Kling V3.0

Kling 3.0 API นำชุดเครื่องมือวิดีโอระดับเรือธงของ Kuaishou มาสู่ Atlas Cloud ผ่านคีย์ที่รองรับ OpenAI เพียงคีย์เดียว โดยครอบคลุมสองโมเดล ได้แก่ Kling 3.0 สำหรับการเล่าเรื่องผ่าน AI Director การลิปซิงค์หลายภาษา และข้อความบนหน้าจอที่แม่นยำ และ Kling 3.0 Omni (O3) สำหรับการโคลนวัตถุและเสียงจากวิดีโอสั้นหรือรูปภาพ ทั้งสองโมเดลสร้างเสียงต้นฉบับในกระบวนการเดียวกัน พร้อมเอาต์พุตสูงสุดถึง 4K สร้างการเล่าเรื่องแบบภาพยนตร์ การตลาดระดับโลก โฆษณาหลายภาษา และเนื้อหาตัวละครแบบซีรีส์บนโครงสร้างพื้นฐานที่เชื่อถือได้

ดูกลุ่ม

Grok Imagine Video

Grok Imagine Video เปิดให้นักพัฒนาเข้าถึงตระกูลวิดีโอของ xAI เพื่อสร้าง ทำให้เคลื่อนไหว ขยาย และตัดต่อคลิป สร้างวิดีโอความยาว 1 ถึง 15 วินาทีจากพรอมต์ กำกับบุคคล วัตถุ หรือสไตล์ด้วยภาพอ้างอิงได้สูงสุดเจ็ดภาพ และทำงานที่ความละเอียด 480p หรือ 720p Atlas Cloud รวมความสามารถเหล่านี้ไว้ผ่าน endpoint ที่เข้ากันได้กับ OpenAI พร้อมการคิดค่าบริการแบบจ่ายตามการใช้งานอย่างโปร่งใส เริ่มสร้างสรรค์ได้วันนี้

ดูกลุ่ม

Vidu Q4 Preview

Vidu Q4 คือโมเดลวิดีโอเรือธงรุ่นล่าสุดของ Vidu ออกแบบมาสำหรับการสร้างวิดีโอจากภาพและจากภาพอ้างอิง สามารถทำให้ภาพนิ่งภาพเดียวมีชีวิตขึ้นมาและสร้างการเปลี่ยนฉากโดยอัตโนมัติ ช่วยให้นักพัฒนามีช่องทางป้อนข้อมูล 2 รูปแบบสำหรับเวิร์กโฟลว์ผลิตภัณฑ์ที่แตกต่างกัน Atlas Cloud มี API endpoints เฉพาะ พร้อมสคีมาพารามิเตอร์ที่เผยแพร่ไว้ ในราคามาตรฐานที่ยืนยันแล้วที่ $0.04 ต่อวินาที เริ่มสร้างสรรค์ได้วันนี้

ดูกลุ่ม

Gemini Omni 1.1 Flash

Gemini Omni 1.1 Flash เป็นตระกูลวิดีโอแบบมัลติโมดัลโดยกำเนิดของ Google DeepMind สำหรับเวิร์กโฟลว์การผลิตที่ยืดหยุ่น แก้ไขฟุตเทจที่มีอยู่ด้วยคำสั่งข้อความ รักษาความสอดคล้องทางภาพด้วยภาพอ้างอิงสูงสุด 10 ภาพและคลิปวิดีโอ 3 คลิป หรือขยายช็อตเป็นช่วงที่ต่อเนื่องกันได้สูงสุด 40 วินาที เข้าถึงทุกเวิร์กโฟลว์บน Atlas Cloud ด้วยคีย์ API ที่เข้ากันได้กับ OpenAI เพียงคีย์เดียว ราคาตามการใช้งาน และพร้อมให้บริการตั้งแต่ Day-0 เริ่มสร้างสรรค์ได้วันนี้

ดูกลุ่ม

Nano Banana 2.1

Nano Banana 2.1 คือกลุ่มโมเดลภาพของ Google ที่สร้างขึ้นบน Gemini 3.6 Flash ให้ความสามารถในการสร้างและแก้ไขภาพระดับ Pro ด้วยความเร็วระดับ Flash รองรับการแก้ไขและผสานภาพด้วยภาษาธรรมชาติจากภาพอินพุต 1 ถึง 14 ภาพ พร้อมรักษาความสอดคล้องของตัวละครสูงสุด 4 ตัวและวัตถุ 10 รายการ ผ่าน Atlas Cloud นักพัฒนาสามารถเข้าถึงกลุ่มโมเดลนี้ด้วยคีย์เดียวที่รองรับ OpenAI พร้อมความเสถียรในการให้บริการและพร้อมใช้งานตั้งแต่ Day-0 เริ่มสร้างสรรค์ได้ตั้งแต่วันนี้

ดูกลุ่ม

Nano Banana 2

สร้างสรรค์ผลงานด้วย Nano Banana 2 API ที่ขับเคลื่อนโดยโมเดล Gemini 3.1 Flash Image ของ Google ซึ่งสามารถสร้างภาพ 4K แบบเนทีฟที่ความละเอียดสูงสุด 4096x2304 พร้อมการเรนเดอร์ข้อความที่แม่นยำและตัวละครที่สอดคล้องกันผ่านรูปภาพอ้างอิงสูงสุด 14 รูป สำหรับทั้งการสร้างและการแก้ไข บน Atlas Cloud คุณสามารถเข้าถึงได้ผ่าน API แบบรวมศูนย์ร่วมกับโมเดลอื่นๆ มากกว่า 300 โมเดล โดยมีราคาเริ่มต้นที่ 0.04 ดอลลาร์ต่อรูปภาพ มีอัปไทม์ 99.99% และเครดิตฟรีสำหรับการเริ่มต้น

ดูกลุ่ม

เปรียบเทียบ ERNIE Image API Endpoints: Standard และ Turbo Text-to-Image

เลือก endpoint แบบ text-to-image ให้ตรงกับความต้องการด้านความเร็วและคุณภาพของคุณ

โมดาลิตีคำอธิบาย
ERNIE Image API (Text To Image)ในขณะที่ endpoint แบบ Turbo ให้ความสำคัญกับปริมาณงานที่ประมวลผลได้ endpoint มาตรฐานของ ERNIE Image API จะเน้นความเที่ยงตรงสูงสุดของผลลัพธ์สำหรับงาน text-to-image เดียวกัน เหมาะกับงานผลิตขั้นสุดท้าย เช่น โปสเตอร์ กราฟิกบทความ และเลย์เอาต์เชิงพาณิชย์ ซึ่งการเก็บทุกรายละเอียดให้ถูกต้องสำคัญกว่าเวลาตอบสนอง
ERNIE Image Turbo API (Text To Image)แปลงพรอมป์ต์ข้อความหนึ่งรายการให้เป็นรูปภาพได้สูงสุดสิบภาพต่อคำขอ ครอบคลุมอัตราส่วนภาพเจ็ดแบบ ตั้งแต่สี่เหลี่ยมจัตุรัส 1024 พิกเซล ไปจนถึง 1376 พิกเซลที่ด้านยาว ปรับแต่งมาเพื่อ latency ต่ำ โดยค่าเริ่มต้นใช้ inference steps แปดขั้น และมาพร้อม Prompt Enhancer ในตัวที่ช่วยขยายพรอมป์ต์สั้น ๆ ก่อนการสร้างภาพ เหมาะเมื่อการวนปรับอย่างรวดเร็ว พรีวิวแบบเรียลไทม์ และการรันแบบแบตช์ปริมาณมากสำคัญกว่าการรีดคุณภาพเพิ่มในระดับสุดท้าย

สร้างมาเพื่อข้อความ เลย์เอาต์ และการควบคุม: ERNIE Image API

ตั้งแต่การเรนเดอร์ข้อความระดับแนวหน้าของอุตสาหกรรมและเลย์เอาต์หลายพาเนลแบบมีโครงสร้าง ไปจนถึงการพรอมป์สองภาษาแบบเนทีฟ ตัวเพิ่มประสิทธิภาพพรอมป์ที่เปิดใช้เป็นค่าเริ่มต้น มิติผลลัพธ์เจ็ดแบบ และแบตช์ Turbo ที่ทำซ้ำได้ ERNIE Image API เปลี่ยนคำสั่งที่แม่นยำให้เป็นภาพที่พร้อมใช้ในงานจริง

การเรนเดอร์ข้อความที่อ่านชัดด้วย ERNIE Image API

การเรนเดอร์ข้อความที่อ่านชัดด้วย ERNIE Image API

คะแนน LongTextBench ระดับแนวหน้า 0.9733 ช่วยให้โมเดลเรนเดอร์ข้อความที่อ่านง่ายและสะกดถูกต้องลงในภาพที่สร้างขึ้นได้โดยตรง ไม่ว่าจะเป็นบอลลูนคำพูดในการ์ตูน พาดหัวโปสเตอร์ ป้ายกำกับอินโฟกราฟิก หรือข้อความใน UI mockup ทั้งหมดคมชัดและอ่านได้ดี

เลย์เอาต์หลายพาเนลแบบมีโครงสร้าง

เลย์เอาต์หลายพาเนลแบบมีโครงสร้าง

พริมิทีฟสำหรับการสร้าง แก้ไข ประกอบภาพ และอัปสเกล ทำงานร่วมกับความเข้าใจความสัมพันธ์เชิงพื้นที่แบบกริด เมื่อรวมกันแล้วจึงได้ลำดับหลายพาเนลและงานออกแบบที่จัดรูปแบบอย่างสอดคล้อง ซึ่งนักออกแบบควบคุมได้ผ่านไปป์ไลน์ศูนย์กลางเดียว

การพรอมป์สองภาษาใน ERNIE Image API

การพรอมป์สองภาษาใน ERNIE Image API

พรอมป์ทั้งภาษาอังกฤษและภาษาจีนทำงานแบบเนทีฟผ่าน encoder pipeline เดียวกัน โดยจับสำนวนที่เป็นธรรมชาติของแต่ละภาษาได้ ความคล่องแคล่วสองภาษานี้รองรับการเล่าเรื่องด้วยภาพที่สมจริง ทั้งสำหรับแคมเปญระดับโลกและคอนเทนต์ที่ปรับให้เข้ากับท้องถิ่น

Prompt Enhancer เปิดใช้งานเป็นค่าเริ่มต้น

Prompt Enhancer เปิดใช้งานเป็นค่าเริ่มต้น

Prompt Enhancer แบบเบาถูกเปิดใช้งานเป็นค่าเริ่มต้น เพื่อเขียนอินพุตสั้นๆ ให้เป็นคำอธิบายที่มีรายละเอียดและมีโครงสร้างมากขึ้นก่อนส่งถึง diffusion backbone สามารถปิดได้ต่อคำขอเมื่อการควบคุมถ้อยคำแบบตรงตัวสำคัญกว่า

มิติผลลัพธ์แบบเนทีฟเจ็ดแบบ

มิติผลลัพธ์แบบเนทีฟเจ็ดแบบ

ขนาดผลลัพธ์แบบเนทีฟเจ็ดแบบครอบคลุมตั้งแต่สี่เหลี่ยมจัตุรัส 1024x1024 เฟรมแนวนอนสูงสุด 1376x768 ไปจนถึงรูปทรงแนวตั้งต่ำสุด 768x1376 แต่ละอัตราส่วนถูกสร้างขึ้นโดยตรง จึงรักษาการจัดเฟรมไว้ครบถ้วนในทุกฟอร์แมต

ERNIE Image API ในโหมด Turbo

ERNIE Image API ในโหมด Turbo

ต้องการปริมาณงานมากโดยไม่ต้องรอนานใช่ไหม? โหมด Turbo ใช้ inference steps น้อยสุดเพียง 8 ขั้น และคืนภาพได้สูงสุด 10 ภาพต่อคำขอ ขณะที่ seed ที่ระบุอย่างชัดเจนช่วยให้ผลลัพธ์ทุกครั้งทำซ้ำได้

ERNIE Image แบบเทียบตัวต่อตัว: หนึ่งพรอมต์ สามโมเดล

ส่งบรีฟเดียวกันเป๊ะให้กับโมเดลเรือธง ERNIE Image, คู่แข่งยอดนิยม และรุ่นน้องที่เร็วกว่า แล้วตัดสินแบบเคียงข้างกันว่าแต่ละโมเดลเรนเดอร์ตัวอักษร เลย์เอาต์ และแสงได้อย่างไร

พรอมต์

ภาพหุ่นนิ่งแบบ flatlay มุมมองจากด้านบน กล้องล็อกนิ่งเหนือศีรษะอย่างสมบูรณ์ มองตรงลงมายังเคาน์เตอร์ร้านจ่ายชาสมุนไพรจีนโบราณที่ทำจากไม้เอล์มสีซีดผุกร่อน แสงหน้าต่างยามสายที่แข็งและมีทิศทางสาดเข้ามาในมุมต่ำจากด้านขวา เป็นตัวเอกที่แท้จริงของเฟรม — ทอดเงายาว คม และยืดออกไปทางซ้ายพาดผ่านลายไม้ดิบ ทำหน้าที่เหมือนเส้นนำสายตา ด้านขวาที่แน่นขนัดมีขวดแก้วใสวางรวมกันอย่างหนาแน่น เรืองแสงเมื่อแสงอาทิตย์ส่องทะลุผ่าน: ดอกเก๊กฮวยแห้งกึ่งโปร่งแสง โกจิเบอร์รีสีแดง เปลือกส้มเขียวหวานแห้งสีอำพันที่ม้วนงอ (chenpi) และกลีบกระเจี๊ยบแห้งสีแดงเข้มที่รับแสง ตาชั่งมือทองเหลืองขนาดเล็กผิวออกซิไดซ์ด้านๆ ครกและสากหินเก่าที่มีผงละเอียดเกาะ และใบสั่งยากระดาษเขียนมือเส้นใยหยาบ จารึกตัวอักษรจีนพู่กันอย่างประณีตในแบบ kaishu ดั้งเดิม ("甘草三钱", "桂花蜜") ขอบกระดาษลุ่ยและเห็นเส้นใย จับภาพเสี้ยวขณะหนึ่ง: กระป๋องพิวเตอร์ล้มตะแคง ปากกระป๋องเปิดอยู่ โกจิเบอร์รีหลายเม็ดยังกลิ้งและกระจายออกไป แต่ละเม็ดทอดเงาบางยาวเหมือนเข็มของตัวเอง องค์ประกอบภาพหายใจผ่านจังหวะของความหนาแน่นและพื้นที่ว่าง — กลุ่มวัตถุที่อัดแน่นด้านขวาถ่วงสมดุลกับพื้นที่ว่างเชิงลบของไม้เปลือยกว้างๆ ทางซ้าย โทนสีอุ่นแบบโมโนโครมตลอดทั้งภาพ — อำพัน ส้มแทนเจอรีน ทองเหลืองเก่า — ถูกตัดด้วยสีแดงเข้มของกระเจี๊ยบเพียงจุดเดียว พื้นผิวต้องคมชัดทนต่อการขยายดูรายละเอียด: ความบางเปราะของกลีบดอกแห้ง ทองเหลืองออกซิไดซ์ที่ด้านหม่น ขอบเส้นใยกระดาษที่รุ่ย และเกรนของผงสมุนไพรที่กระจายอยู่ แสงธรรมชาติแบบมีทิศทาง ไม่มีแสงเรืองเทียม เงาสะอาดคมชัด การเรนเดอร์วัสดุสมจริง สุขุมและสง่างาม ภาพถ่ายหุ่นนิ่งอาหารและสมุนไพรแบบมาโครรายละเอียดสูง ถ่ายด้วยเลนส์ 85mm เฟรมแนวนอนกว้างแบบ landscape อัตราส่วนภาพกว้าง 16:9, 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

พรอมต์

แถบมังงะแนวนอนสามช่อง เล่าเรื่องเด็กสาวนักประดิษฐ์วัยรุ่นในเวิร์กช็อปใต้หลังคาที่รกไปด้วยของ ในช่องแรกเธอร่างแบบเครื่องบินขนาดเล็กใต้แสงโคมไฟอุ่นๆ ช่องที่สอง สิ่งประดิษฐ์ส่งเสียงกระตุกแล้วลอยขึ้นกลางอากาศพร้อมน็อตสลักกระเด็นกระจาย ช่องที่สาม เธอยกกำปั้นทั้งสองข้างขึ้นพร้อมยิ้มกว้างอย่างมีชัย บอลลูนคำพูดสองภาษาที่สะอาดตา มีตัวอักษรภาษาอังกฤษและภาษาญี่ปุ่นคมชัด วาดด้วยเส้นหมึกมั่นใจและการไล่เงาแบบ screentone แสงโคมไฟสีอำพันอบอุ่นสมดุลกับเงาเย็นๆ ของเวิร์กช็อป ดีไซน์ตัวละครคงเส้นคงวาตลอดทั้งสามช่อง ท่าทางสื่ออารมณ์ชัดเจน และเรื่องราวอ่านจากซ้ายไปขวาด้วยลำดับภาพที่ไหลลื่นชัดเจน สไตล์ภาพประกอบอนิเมะแบบ cel-shaded สีสันสดใส พร้อมเส้นขอบหนาสะอาด อัตราส่วนภาพกว้าง 16:9, 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

งานโปรดักชันจริงที่ ERNIE Image API รองรับได้

ตั้งแต่โปสเตอร์ที่ข้อความคมชัดตรงตามต้องการและการ์ตูนหลายช่อง ไปจนถึงแคมเปญสองภาษา แคตตาล็อกสินค้า ม็อกอัปอินเทอร์เฟซ และอินโฟกราฟิกที่มีป้ายกำกับ ERNIE Image API เปลี่ยนพรอมป์ที่ละเอียดแม่นยำให้เป็นภาพที่จัดเลย์เอาต์ได้ถูกต้องในทุกสายงานคอนเทนต์

การผลิตสื่อการตลาดและโปสเตอร์ด้วย ERNIE Image API

หัวข้อ ราคา และข้อความสินค้าแสดงผลอ่านง่ายได้โดยตรงบนโปสเตอร์และแบนเนอร์แคมเปญ ด้วยความแม่นยำด้านข้อความระดับแนวหน้าของโมเดล ทีมการตลาดจึงส่งมอบแอสเซ็ตที่พร้อมพิมพ์ได้ทันที โดยไม่ต้องมีขั้นตอนจัดตัวอักษรแยกต่างหาก

การ์ตูนและการเล่าเรื่องแบบต่อเนื่อง

เพราะโมเดลเข้าใจเลย์เอาต์แบบกริดและโครงสร้างหลายช่อง จึงสร้างหน้าการ์ตูนที่ต่อเนื่องเป็นเรื่องเดียวกันได้ พร้อมบทสนทนาที่วางอยู่ในบอลลูนคำพูด ครีเอเตอร์อิสระและสตูดิโอสามารถร่างสตอรีบอร์ดเต็มรูปแบบได้โดยไม่ต้องวาดซ้ำทุกเฟรมด้วยมือ

การปรับแคมเปญสองภาษาให้เข้ากับท้องถิ่นด้วย ERNIE Image API

การรองรับพรอมป์ภาษาอังกฤษและภาษาจีนแบบเนทีฟทำให้เวิร์กโฟลว์เดียวสร้างภาพที่ตรงกับแบรนด์สำหรับทั้งสองตลาดได้ โดยแสดงข้อความอย่างถูกต้องในแต่ละระบบตัวเขียน ทีมระดับโลกจึงปรับงานครีเอทีฟให้เข้ากับท้องถิ่นได้โดยไม่ต้องจ้างสายงานออกแบบแยกตามภาษา

ภาพสินค้าอีคอมเมิร์ซในสเกลใหญ่

สร้างฉากไลฟ์สไตล์ ม็อกอัปสินค้า และภาพโปรโมชันสำหรับแคตตาล็อกทั้งหมดผ่านการเรียก API เพียงครั้งเดียว รุ่น Turbo บีบอัดการอนุมานเหลือแปดขั้นตอน ทำให้ร้านค้าที่มีปริมาณงานสูงรีเฟรชแคตตาล็อกทั้งชุดได้ภายในไม่กี่นาที

ม็อกอัปอินเทอร์เฟซและผลิตภัณฑ์

ต้องการหน้าจอที่ดูสมจริงสำหรับการพิตช์ใช่ไหม โมเดลสร้างอินเทอร์เฟซแอปและม็อกอัปเว็บไซต์พร้อมป้ายกำกับ ปุ่ม และข้อความเนื้อหาที่อ่านได้ ช่วยให้ทีมผลิตภัณฑ์มีต้นแบบพร้อมนำเสนอ ก่อนจะสร้างคอมโพเนนต์จริงแม้แต่ชิ้นเดียว

อินโฟกราฟิกเพื่อการศึกษาด้วย ERNIE Image API

ความสามารถในการทำตามคำสั่งอย่างแม่นยำช่วยจับคู่ภาพกับไดอะแกรม แผนภูมิ และคอลเอาต์ที่ติดป้ายกำกับชัดเจนในการสร้างครั้งเดียว นักการศึกษาและนักวิเคราะห์จึงเปลี่ยนเนื้อหาต้นทางที่หนาแน่นให้เป็นกราฟิกอธิบายที่ยังอ่านง่ายในทุกขนาดหน้าจอ

เปรียบเทียบ ERNIE Image กับโมเดลแปลงข้อความเป็นรูปภาพคู่แข่ง

ดูว่า ERNIE Image อยู่ในตำแหน่งใดเมื่อเทียบกับตัวสร้างรูปภาพแบบเปิดและแบบกรรมสิทธิ์อื่น ๆ ในด้านผู้พัฒนา รูปแบบการเข้าถึง การเรนเดอร์ข้อความสองภาษา และต้นทุนต่อภาพ

โมเดลผู้พัฒนารูปแบบการเข้าถึงการเรนเดอร์ข้อความสองภาษา (EN + ZH)ราคา (ต่อภาพ)
ERNIE-ImageBaidu (ทีม ERNIE-Image)น้ำหนักโมเดลแบบเปิด, Apache 2.0ระดับแนวหน้าของอุตสาหกรรม, LongTextBench 0.9733จ่ายตามการใช้งาน
ERNIE-Image TurboBaidu (ทีม ERNIE-Image)น้ำหนักโมเดลแบบเปิด, Apache 2.0คงคุณภาพไว้ผ่านการอนุมาน 8 ขั้นตอนที่กลั่นด้วย DMDจ่ายตามการใช้งาน
Qwen Image 2.0Alibaba (Tongyi)น้ำหนักโมเดลแบบเปิด, Apache 2.0ทำได้ดีในเลย์เอาต์ตัวอักษรระดับ 1K-token$0.035
Z-Image TurboAlibaba (Tongyi Lab)น้ำหนักโมเดลแบบเปิด, Apache 2.0รองรับป้ายภาษาจีนที่ซับซ้อนควบคู่กับภาษาอังกฤษ$0.005
Seedream v4.5ByteDanceกรรมสิทธิ์การเรนเดอร์ระดับนักออกแบบที่ 4K แบบเนทีฟ$0.04

วิธีใช้ ERNIE Image API for Readable Text in Images บน Atlas Cloud

เริ่มต้นได้ในไม่กี่นาที — ทำตามขั้นตอนง่าย ๆ เหล่านี้เพื่อเชื่อมต่อและใช้งานโมเดลผ่านแพลตฟอร์ม Atlas Cloud

สร้างบัญชี Atlas Cloud

สมัครสมาชิกที่ atlascloud.ai และยืนยันตัวตน ผู้ใช้ใหม่จะได้รับเครดิตฟรีเพื่อสำรวจแพลตฟอร์มและทดสอบโมเดล

ทำไมต้องใช้ ERNIE Image API for Readable Text in Images บน Atlas Cloud

การรวมโมเดล ERNIE Image API for Readable Text in Images ขั้นสูงเข้ากับแพลตฟอร์มที่เร่งด้วย GPU ของ Atlas Cloud ให้ประสิทธิภาพ ความสามารถในการขยาย และประสบการณ์นักพัฒนาที่ไม่มีใครเทียบได้

ประสิทธิภาพและความยืดหยุ่น

เวลาแฝงต่ำ:
inference ที่ปรับแต่ง GPU เพื่อการตอบสนองแบบเรียลไทม์

API แบบรวมศูนย์:
รัน ERNIE Image API for Readable Text in Images, GPT, Gemini และ DeepSeek ด้วยการเชื่อมต่อเดียว

ราคาโปร่งใส:
ชำระเงินต่อโทเค็นที่คาดเดาได้พร้อมตัวเลือก serverless

องค์กรและขนาด

ประสบการณ์นักพัฒนา:
SDK, การวิเคราะห์, เครื่องมือปรับแต่ง และเทมเพลต

ความน่าเชื่อถือ:
ความพร้อมใช้งาน 99.99%, RBAC และการบันทึกที่พร้อมสำหรับการปฏิบัติตาม

ความปลอดภัยและการปฏิบัติตาม:
SOC 2 Type II, สอดคล้อง HIPAA, อธิปไตยข้อมูลในสหรัฐอเมริกา

ERNIE Image API: Questions Developers Ask Most

The ERNIE Image API gives developers programmatic access to Baidu's open-weight text-to-image model, an 8B single-stream Diffusion Transformer paired with a Prompt Enhancer that expands short prompts into richer, more structured descriptions. On Atlas Cloud you reach it through one OpenAI-compatible endpoint with pay-as-you-go pricing and Day-0 access.

Its standout strength is legible in-image text. The model scores 0.9733 on LongTextBench in English, the top result among open-weight models, which makes it dependable for posters, comic speech bubbles, infographics, and UI mockups where every character has to be spelled correctly.

Both variants share the same 8B architecture but trade quality against speed. The Standard model runs 50 inference steps at guidance scale 4.0 for maximum fidelity on final assets, while the Turbo variant is distilled with DMD and reinforcement learning down to roughly 8 steps for rapid, high-volume generation.

Yes. Prompts are supported in English, Chinese, and Japanese through the same encoder, and text stays reliable across scripts, scoring 0.9661 on the Chinese LongTextBench. Where several competing models degrade sharply on Chinese characters, this one keeps Simplified, Traditional, and mixed bilingual copy clean.

The Turbo endpoint accepts seven preset sizes through a single size parameter, ranging from a 1024x1024 square to 1376x768 landscape and 768x1376 portrait formats. You can also request up to ten images per call, fix a seed for reproducible results, and toggle the built-in Prompt Enhancer with the use_pe flag.

Getting started takes a single API key. Sign up on Atlas Cloud, point your existing OpenAI-compatible client at the endpoint, and send a prompt with an optional size and seed to receive image URLs in the response. Billing is pay-as-you-go per call with Day-0 access to the model.

In published benchmarks the model outperforms comparable open releases such as FLUX.2-klein-9B, scoring 0.8856 against 0.8481 on GenEval overall. Its widest lead is in text rendering, where FLUX.2 collapses to 0.2183 on Chinese while ERNIE Image holds above 0.96. For workloads built around readable in-image text and structured layouts, it is currently the strongest open-weight choice.

Yes. ERNIE Image is released under the Apache 2.0 license, which permits commercial use, modification, and redistribution. Generated images can go into advertising, merchandise, publications, and other commercial products without license friction.

API เดียวสำหรับ AI สื่อทุกประเภท

สำรวจโมเดลทั้งหมด