Supports multiple image inputs and outputs, allowing for precise modification of text within images, addition, deletion, or movement of objects, alteration of subject actions, transfer of image styles, and enhancement of image details.
อินพุต
กำลังโหลดการตั้งค่าพารามิเตอร์...
เอาต์พุต
รอดำเนินการภาพที่สร้างจะแสดงที่นี่
ตั้งค่าพารามิเตอร์แล้วคลิกรันเพื่อเริ่มสร้าง
แต่ละครั้งจะใช้ 0.021 ด้วย $10 คุณสามารถรันได้ประมาณ 476 ครั้ง
คุณสามารถทำต่อได้:
ตัวอย่างโค้ด
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/edit-plus-20251215",
"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()ติดตั้ง
ติดตั้งแพ็คเกจที่จำเป็นสำหรับภาษาของคุณ
bash
pip install requestsการยืนยันตัวตน
คำขอ API ทั้งหมดต้องมีการยืนยันตัวตนผ่าน API key คุณสามารถรับ API key ได้จากแดชบอร์ด Atlas Cloud
bash
export ATLASCLOUD_API_KEY="your-api-key-here"HTTP Headers
python
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}รักษา API key ของคุณให้ปลอดภัย
อย่าเปิดเผย API key ของคุณในโค้ดฝั่งไคลเอนต์หรือที่เก็บข้อมูลสาธารณะ ให้ใช้ตัวแปรสภาพแวดล้อมหรือพร็อกซีฝั่งเซิร์ฟเวอร์แทน
ส่งคำขอ
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())ส่งคำขอ
ส่งคำขอสร้างแบบอะซิงโครนัส API จะส่งคืน prediction ID ที่คุณสามารถใช้ตรวจสอบสถานะและดึงผลลัพธ์ได้
POST
/api/v1/model/generateImageเนื้อหาคำขอ
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/edit-plus-20251215",
"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']}")การตอบกลับ
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}ตรวจสอบสถานะ
สำรวจ prediction endpoint เพื่อตรวจสอบสถานะปัจจุบันของคำขอ
GET
/api/v1/model/prediction/{prediction_id}ตัวอย่างการสำรวจ
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)ค่าสถานะ
processingคำขอยังอยู่ระหว่างการประมวลผลcompletedการสร้างเสร็จสมบูรณ์แล้ว ผลลัพธ์พร้อมใช้งานsucceededการสร้างสำเร็จแล้ว ผลลัพธ์พร้อมใช้งานfailedการสร้างล้มเหลว ตรวจสอบฟิลด์ errorการตอบกลับที่เสร็จสมบูรณ์
{
"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"
}
}อัปโหลดไฟล์
อัปโหลดไฟล์ไปยังที่เก็บข้อมูล Atlas Cloud และรับ URL ที่คุณสามารถใช้ในคำขอ API ของคุณ ใช้ multipart/form-data ในการอัปโหลด
POST
/api/v1/model/uploadMediaตัวอย่างการอัปโหลด
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}")การตอบกลับ
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}Input Schema
พารามิเตอร์ต่อไปนี้ยอมรับในเนื้อหาคำขอ
ทั้งหมด: 0จำเป็น: 0ไม่บังคับ: 0
ไม่มีพารามิเตอร์ที่ใช้ได้
ตัวอย่างเนื้อหาคำขอ
json
{
"model": "alibaba/qwen-image/edit-plus-20251215"
}Output Schema
API จะส่งคืนการตอบกลับ prediction พร้อม URL ของผลลัพธ์ที่สร้างขึ้น
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.
completed_atstring
ISO 8601 timestamp when the prediction was completed.
ตัวอย่างการตอบกลับ
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
Atlas Cloud Skills เชื่อมต่อโมเดล AI กว่า 300+ เข้ากับผู้ช่วยเขียนโค้ด AI ของคุณโดยตรง ติดตั้งด้วยคำสั่งเดียว จากนั้นใช้ภาษาธรรมชาติเพื่อสร้างรูปภาพ วิดีโอ และสนทนากับ LLM
ไคลเอนต์ที่รองรับ
Claude Code
OpenAI Codex
Gemini CLI
Cursor
Windsurf
VS Code
Trae
GitHub Copilot
Cline
Roo Code
Amp
Goose
Replit
40+ ไคลเอนต์ที่รองรับ
ติดตั้ง
bash
npx skills add AtlasCloudAI/atlas-cloud-skillsตั้งค่า API Key
รับ API key จากแดชบอร์ด Atlas Cloud และตั้งค่าเป็นตัวแปรสภาพแวดล้อม
bash
export ATLASCLOUD_API_KEY="your-api-key-here"ความสามารถ
เมื่อติดตั้งแล้ว คุณสามารถใช้ภาษาธรรมชาติในผู้ช่วย AI ของคุณเพื่อเข้าถึงโมเดล Atlas Cloud ทั้งหมด
สร้างรูปภาพสร้างรูปภาพด้วยโมเดลเช่น Nano Banana 2, Z-Image และอื่นๆ
สร้างวิดีโอสร้างวิดีโอจากข้อความหรือรูปภาพด้วย Kling, Vidu, Veo เป็นต้น
สนทนา LLMสนทนากับ Qwen, DeepSeek และโมเดลภาษาขนาดใหญ่อื่นๆ
อัปโหลดสื่ออัปโหลดไฟล์จากเครื่องสำหรับการแก้ไขรูปภาพและเวิร์กโฟลว์รูปภาพเป็นวิดีโอ
เรียนรู้เพิ่มเติม
MCP Server
Atlas Cloud MCP Server เชื่อมต่อ IDE ของคุณกับโมเดล AI กว่า 300+ ผ่าน Model Context Protocol ใช้งานได้กับไคลเอนต์ที่รองรับ MCP ทุกตัว
ไคลเอนต์ที่รองรับ
Cursor
VS Code
Windsurf
Claude Code
OpenAI Codex
Gemini CLI
Cline
Roo Code
100+ ไคลเอนต์ที่รองรับ
ติดตั้ง
bash
npx -y atlascloud-mcpการกำหนดค่า
เพิ่มการกำหนดค่าต่อไปนี้ลงในไฟล์ตั้งค่า MCP ของ IDE ของคุณ
json
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}เครื่องมือที่ใช้ได้
atlas_generate_imageสร้างรูปภาพจากข้อความ prompt
atlas_generate_videoสร้างวิดีโอจากข้อความหรือรูปภาพ
atlas_chatสนทนากับโมเดลภาษาขนาดใหญ่
atlas_list_modelsเรียกดูโมเดล AI กว่า 300+ ที่ใช้ได้
atlas_quick_generateสร้างเนื้อหาขั้นตอนเดียวพร้อมเลือกโมเดลอัตโนมัติ
atlas_upload_mediaอัปโหลดไฟล์จากเครื่องสำหรับเวิร์กโฟลว์ API
เรียนรู้เพิ่มเติม
API Schema
ไม่มี SchemaAlibaba Qwen-Image Edit Plus (20251215)
An advanced image editing model from Alibaba Cloud, offering precise control and high-quality results. This is a specific snapshot version of the Qwen-Image Edit Plus model, designed to handle complex editing tasks with consistent performance. It supports multi-image input and output, enabling complex tasks such as precise text modification, object addition/deletion/movement, action change, style transfer, and detail enhancement.
Overview
- Purpose: Perform precise image edits using text instructions.
- Core Capability: Supports single-image editing and multi-image blending.
- Foundation: Powered by Alibaba's advanced multi-modal generative AI technology.
- Typical Output: High-quality edited images (1-6 per request) that seamlessly blend changes with the original content.
- Use Cases: E-commerce product photography, professional photo retouching, creative design adjustments, and marketing asset generation.
Key Features
- Multi-image Blending:
- Example: Combine a girl from Image 1, wearing a skirt from Image 2, sitting in a pose from Image 3.
- Example: Combine a girl from Image 1, a necklace from Image 2, and a bag from Image 3.
- Single-image Editing:
- Generate depth-compliant images.
- Replace text (e.g., "HEALTH INSURANCE" -> "明天会更好").
- Replace shirt color.
- Change background (e.g., to Antarctica).
- High Fidelity: Preserves the quality, lighting, and texture of the original image while applying edits.
- Precise Editing: Capable of modifying text within images, adding/deleting/moving objects, changing subject actions, transferring styles, and enhancing details.
- Custom Resolution: Supports specifying output image resolution (512-2048px).
- Prompt Optimization: Supports intelligent prompt rewriting (
prompt_extend) for better results.
Designed For
- Designers: Quickly iterate on visual concepts and make adjustments.
- Photographers: Streamline retouching workflows.
- E-commerce Merchants: Modify product images for different contexts or variations.
- Developers: Build powerful image editing applications.
Input Requirements
To achieve the best results, follow these guidelines:
Inputs
- Structure:
messagesarray withrole: user.contentarray: 1-3 images ({"image": "..."}) + 1 text instruction ({"text": "..."}).
- Image Format: JPG, JPEG, PNG, BMP, TIFF, WEBP, GIF (first frame).
- Resolution: Recommended 384px - 3072px.
- Size Limit: Max 10MB per image.
- Text Limit: Max 800 characters.
Pricing
- Billing Logic: Pay-as-you-go based on the number of successful output images.
- Tier: "Plus" tier offers enhanced capabilities and higher precision compared to the standard version.
How to Use
- Prepare Inputs: Collect 1-3 reference images and define your text instruction.
- Configure Parameters: Set output count (
n), resolution (size), and other options. - Call API: Submit the request with the
messagesstructure containing images and text. - Review: Receive 1-6 edited images based on your specifications.
Limitations & FAQ
- Conversation: Does not support multi-turn conversation (single turn only).
- Languages: Chinese and English are supported; other languages are unverified.
- Aspect Ratio: Output follows the aspect ratio of the input image (or the last image if multiple are provided).
Version
- Model: Alibaba Qwen-Image Edit Plus (20251215)
- Family: Qwen-Image
- Technical Context: A specific snapshot version of the Plus model.
