alibaba/wan-2.7-pro/image-edit

ภาพเป็นภาพ

PRO

Wan 2.7 Pro Image-to-Image API by Alibaba

alibaba/wan-2.7-pro/image-edit

Image-edit

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

อินพุต

พรอมต์ *

รูปภาพ *(0/9)

ลากไฟล์มาวางที่นี่ หรือคลิกเพื่ออัปโหลด

MAX:9

ขนาด

จำนวน

โหมดคิด

Seed

เอาต์พุต

รอดำเนินการ

ภาพที่สร้างจะแสดงที่นี่

ตั้งค่าพารามิเตอร์แล้วคลิกรันเพื่อเริ่มสร้าง

แต่ละครั้งจะใช้ $0.075 ด้วย $10 คุณสามารถรันได้ประมาณ 133 ครั้ง

คุณสามารถทำต่อได้:

ภาพเป็นวิดีโอ ภาพเป็นภาพ

พารามิเตอร์

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/wan-2.7-pro/image-edit",  # Required. Model name. options: alibaba/wan-2.7-pro/image-edit
    "prompt": "A beautiful landscape with mountains and lake",  # Required. Text instruction used to edit the image
    "images": [
        "https://example.com/image1.jpg"
    ],  # Required. Input images, each provided as a URL or Base64 string
    "size": "2K",  # Output image resolution. options: 1K | 2K
    "n": 1,  # Number of images to generate. (min: 1, max: 4)
    "thinking_mode": True,  # Whether to enable thinking mode for higher-quality image generation
    "seed": -1,  # Random seed for image generation. (min: -1, max: 2147483647)
    "enable_sync_mode": False,  # Whether to wait for generation to finish and return the final result directly in the response
    "enable_base64_output": False,  # Whether to return the generated image as a Base64 string instead of a URL
}

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

ติดตั้งแพ็กเกจที่จำเป็น

pip install requests

การยืนยันตัวตน

คำขอ API ทั้งหมดต้องมีการยืนยันตัวตนผ่าน API key คุณสามารถรับ API key ได้จากแดชบอร์ด Atlas Cloud

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

HTTP Headers

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/generateImage

เนื้อหาคำขอ

import requests

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

data = {
    "model": "alibaba/wan-2.7-pro/image-edit",
    "prompt": "A beautiful landscape with mountains and lake"
}

response = requests.post(url, headers=headers, json=data)
result = response.json()

print(f"Prediction ID: {result['data']['id']}")
print(f"Status: {result['data']['status']}")

การตอบกลับ

{
  "code": 200,
  "data": {
    "id": "pred_abc123",
    "status": "processing",
    "model": "model-name",
    "created_at": "2025-01-01T00:00:00Z"
  }
}

ตรวจสอบสถานะ

ตรวจสอบสถานะปัจจุบันของคำขอด้วยการเรียก prediction endpoint เป็นระยะ

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

ตัวอย่างการตรวจสอบสถานะเป็นระยะ

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

processingคำขอยังอยู่ระหว่างการประมวลผล

completedการสร้างเสร็จสมบูรณ์แล้ว ผลลัพธ์พร้อมใช้งาน

succeededการสร้างสำเร็จแล้ว ผลลัพธ์พร้อมใช้งาน

failedการสร้างล้มเหลว ตรวจสอบฟิลด์ error

การตอบกลับที่เสร็จสมบูรณ์

{
  "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/uploadMedia

ตัวอย่างการอัปโหลด

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: 9จำเป็น: 3ไม่บังคับ: 6

modelstringrequired

Model name.

Default: "alibaba/wan-2.7-pro/image-edit"

alibaba/wan-2.7-pro/image-edit

promptstringrequired

Text instruction used to edit the image. Maximum length is 5000 characters.

imagesarray[string]required

Input images, each provided as a URL or Base64 string. The first image is treated as the primary input; subsequent images serve as references.

Min items: 1Max items: 9

sizestring

Output image resolution.

Default: "2K"

1K2K

ninteger

Number of images to generate.

Default: 1Min: 1Max: 4

thinking_modeboolean

Whether to enable thinking mode for higher-quality image generation.

Default: true

seedinteger

Random seed for image generation. Range: 0 to 2147483647. Use -1 for a random seed.

Default: -1Min: -1Max: 2147483647

enable_sync_modeboolean

Whether to wait for generation to finish and return the final result directly in the response.

Default: false

enable_base64_outputboolean

Whether to return the generated image as a Base64 string instead of a URL.

Default: false

ตัวอย่างเนื้อหาคำขอ

{
  "model": "alibaba/wan-2.7-pro/image-edit",
  "prompt": "A beautiful landscape",
  "images": [
    "https://example.com/file.jpg"
  ],
  "size": "2K",
  "n": 1,
  "thinking_mode": true,
  "seed": -1,
  "enable_sync_mode": false,
  "enable_base64_output": false
}

Output Schema

API จะส่งคืนการตอบกลับ prediction พร้อม URL ของผลลัพธ์ที่สร้างขึ้น

codeinteger

messagestring

dataunknown

ตัวอย่างการตอบกลับ

{
  "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 400+ 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

npx skills add AtlasCloudAI/atlas-cloud-skills

ตั้งค่า API Key

รับ API key จากแดชบอร์ด Atlas Cloud และตั้งค่าเป็นตัวแปรสภาพแวดล้อม

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

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server เชื่อมต่อ IDE ของคุณกับโมเดล AI กว่า 400+ ผ่าน Model Context Protocol ใช้งานได้กับไคลเอนต์ที่รองรับ MCP ทุกตัว

ไคลเอนต์ที่รองรับ

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ ไคลเอนต์ที่รองรับ

ติดตั้ง

npx -y atlascloud-mcp

การกำหนดค่า

เพิ่มการกำหนดค่าต่อไปนี้ลงในไฟล์ตั้งค่า MCP ของ IDE ของคุณ

{
  "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 400+ ที่ใช้ได้

atlas_quick_generateสร้างเนื้อหาขั้นตอนเดียวพร้อมเลือกโมเดลอัตโนมัติ

atlas_upload_mediaอัปโหลดไฟล์จากเครื่องสำหรับเวิร์กโฟลว์ API

เรียนรู้เพิ่มเติม

github.com/AtlasCloudAI/mcp-server

API Schema

{
  "info": {
    "title": "AtlasCloud API",
    "version": "1.0.0",
    "description": "The AtlasCloud API."
  },
  "openapi": "3.0.0",
  "paths": {
    "/api/v1/model/generateImage": {
      "post": {
        "requestBody": {
          "content": {
            "application/json": {
              "schema": {
                "$ref": "#/components/schemas/Input"
              }
            }
          },
          "required": true
        },
        "responses": {
          "200": {
            "content": {
              "application/json": {
                "schema": {
                  "$ref": "#/components/schemas/PredictionResponse"
                }
              }
            },
            "description": "The request status."
          }
        }
      },
      "x-api-name": "model_run"
    },
    "/api/v1/model/prediction/{request_id}": {
      "get": {
        "parameters": [
          {
            "in": "path",
            "name": "request_id",
            "required": true,
            "schema": {
              "description": "Request ID",
              "type": "string"
            }
          }
        ],
        "responses": {
          "200": {
            "content": {
              "application/json": {
                "schema": {
                  "$ref": "#/components/schemas/PredictionResponse"
                }
              }
            },
            "description": "Result of the request."
          }
        }
      },
      "x-api-name": "model_result"
    }
  },
  "components": {
    "schemas": {
      "Input": {
        "type": "object",
        "properties": {
          "model": {
            "type": "string",
            "description": "Model name.",
            "default": "alibaba/wan-2.7-pro/image-edit",
            "enum": [
              "alibaba/wan-2.7-pro/image-edit"
            ]
          },
          "prompt": {
            "description": "Text instruction used to edit the image. Maximum length is 5000 characters.",
            "type": "string"
          },
          "images": {
            "description": "Input images, each provided as a URL or Base64 string. The first image is treated as the primary input; subsequent images serve as references.",
            "type": "array",
            "items": {
              "type": "string"
            },
            "minItems": 1,
            "maxItems": 9
          },
          "size": {
            "default": "2K",
            "description": "Output image resolution.",
            "enum": [
              "1K",
              "2K"
            ],
            "type": "string"
          },
          "n": {
            "default": 1,
            "minimum": 1,
            "maximum": 4,
            "description": "Number of images to generate.",
            "type": "integer"
          },
          "thinking_mode": {
            "default": true,
            "description": "Whether to enable thinking mode for higher-quality image generation.",
            "type": "boolean"
          },
          "seed": {
            "default": -1,
            "minimum": -1,
            "maximum": 2147483647,
            "description": "Random seed for image generation. Range: 0 to 2147483647. Use -1 for a random seed.",
            "type": "integer"
          },
          "enable_sync_mode": {
            "default": false,
            "description": "Whether to wait for generation to finish and return the final result directly in the response.",
            "disabled": true,
            "type": "boolean"
          },
          "enable_base64_output": {
            "default": false,
            "description": "Whether to return the generated image as a Base64 string instead of a URL.",
            "disabled": true,
            "type": "boolean"
          }
        },
        "required": [
          "model",
          "prompt",
          "images"
        ],
        "x-order-properties": [
          "model",
          "prompt",
          "images",
          "size",
          "n",
          "thinking_mode",
          "seed",
          "enable_sync_mode",
          "enable_base64_output"
        ]
      },
      "PredictionResponse": {
        "type": "object",
        "properties": {
          "code": {
            "type": "integer"
          },
          "message": {
            "type": "string"
          },
          "data": {
            "$ref": "#/components/schemas/PredictionData"
          }
        }
      },
      "PredictionData": {
        "type": "object",
        "properties": {
          "id": {
            "type": "string",
            "description": "Unique ID of the generation task."
          },
          "model": {
            "type": "string",
            "description": "Model used for the generation."
          },
          "outputs": {
            "type": "array",
            "description": "Generated image results. Each item is an image URL, or a Base64 string when Base64 output is enabled.",
            "items": {
              "type": "string"
            }
          },
          "urls": {
            "type": "object",
            "properties": {
              "get": {
                "type": "string"
              }
            }
          },
          "has_nsfw_contents": {
            "type": "array",
            "items": {
              "type": "boolean"
            }
          },
          "status": {
            "type": "string",
            "description": "Current task status, such as created, processing, completed, unknown, or failed."
          },
          "created_at": {
            "type": "string",
            "format": "date-time"
          },
          "error": {
            "type": "string",
            "description": "Error message returned when the task fails."
          }
        }
      }
    }
  },
  "servers": [
    {
      "url": "https://api.atlascloud.ai"
    }
  ]
}

เทมเพลต Prompt สำหรับ LLM

# alibaba/wan-2.7-pro/image-edit

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


## Overview

- **Submit endpoint (POST)**: `https://api.atlascloud.ai/api/v1/model/generateImage` — start an async generation; returns a `prediction_id`
- **Poll endpoint (GET)**: `https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}` — poll this until the prediction finishes
- **Model ID**: `alibaba/wan-2.7-pro/image-edit`


## API Information

This model can be used via our HTTP API or more conveniently via our client libraries.
See the input and output schema below, as well as the usage examples.


### Input Schema

The API accepts the following input parameters:

- **`model`** (`string`, _required_):
  Model name.
  - Default: `"alibaba/wan-2.7-pro/image-edit"`
  - Options: "alibaba/wan-2.7-pro/image-edit"

- **`prompt`** (`string`, _required_):
  Text instruction used to edit the image. Maximum length is 5000 characters.

- **`images`** (`array[string]`, _required_):
  Input images, each provided as a URL or Base64 string. The first image is treated as the primary input; subsequent images serve as references.
  - Min items: 1
  - Max items: 9

- **`size`** (`string`, _optional_):
  Output image resolution.
  - Default: `"2K"`
  - Options: "1K", "2K"

- **`n`** (`integer`, _optional_):
  Number of images to generate.
  - Default: `1`
  - Min: 1
  - Max: 4

- **`thinking_mode`** (`boolean`, _optional_):
  Whether to enable thinking mode for higher-quality image generation.
  - Default: `true`

- **`seed`** (`integer`, _optional_):
  Random seed for image generation. Range: 0 to 2147483647. Use -1 for a random seed.
  - Default: `-1`
  - Min: -1
  - Max: 2147483647

- **`enable_sync_mode`** (`boolean`, _optional_):
  Whether to wait for generation to finish and return the final result directly in the response.
  - Default: `false`

- **`enable_base64_output`** (`boolean`, _optional_):
  Whether to return the generated image as a Base64 string instead of a URL.
  - Default: `false`



**Required Parameters Example**:

```json
{
  "model": "alibaba/wan-2.7-pro/image-edit",
  "prompt": "",
  "images": [
    ""
  ]
}
```


**Full Example**:

```json
{
  "model": "alibaba/wan-2.7-pro/image-edit",
  "prompt": "",
  "images": [
    ""
  ],
  "size": "2K",
  "n": 1,
  "thinking_mode": true,
  "seed": -1,
  "enable_sync_mode": false,
  "enable_base64_output": false
}
```


### Output Schema

The API returns the following output format:


- **`code`** (`integer`, _optional_):

- **`message`** (`string`, _optional_):

- **`data`** (`string`, _optional_):



**Example Response**:

```json
{
  "code": 0,
  "message": "",
  "data": null
}
```


## Usage Examples

### cURL

```bash
# Step 1: Start generation (async)
curl -X POST "https://api.atlascloud.ai/api/v1/model/generateImage" \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "alibaba/wan-2.7-pro/image-edit",
  "prompt": "",
  "images": [
    ""
  ],
  "size": "2K",
  "n": 1,
  "thinking_mode": true,
  "seed": -1,
  "enable_sync_mode": false,
  "enable_base64_output": false
}'

# Response will contain: {"code": 200, "data": {"id": "prediction_id", "status": "processing"}}

# Step 2: Poll for result (replace {prediction_id} with the id returned above)
curl -X GET "https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}" \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY"

# Keep polling until status is "completed", "succeeded" or "failed"
# When completed, outputs will contain the generated content URL(s)
```

## Additional Resources

### Documentation

- [Model Playground](https://www.atlascloud.ai/models/alibaba/wan-2.7-pro/image-edit)

ไม่มีตัวอย่าง

กำลังโหลด...

Alibaba WAN 2.7 Pro Image Edit

Alibaba WAN 2.7 Pro Image Edit is the higher-fidelity image editing tier in the Wan 2.7 family. It is designed for instruction-guided edits and multi-image composition when output quality matters more than raw turnaround speed.

Why creators love it

Higher-quality edits: Better fit for texture transfer, material changes, and polished visual refinement.
Multi-image composition: Use one or more reference images alongside a text instruction.
Instruction-first workflow: Good for scene restyling, object replacement, and composition-guided editing.
Practical control surface: Supports flexible sizing, multiple variations, and consistent exploration with seed control.

Perfect for

Premium campaign and commercial design edits.
Product photography refinement and compositing.
Creative teams building polished before/after variations from source assets.
Professional creative teams that need stronger edit quality than the standard tier.

Recommended size guidance:

Prefer 1K or 2K for edit scenarios.
Even though the Pro family supports 4K for text-only generation, image-involved scenarios should stay on the lower supported sizes.

How to Use

Provide the source image and add extra references when needed.
Write a direct instruction describing the transformation you want.
Choose the target size, usually 1K or 2K.
Review the edited outputs and keep the version with the best balance of fidelity and polish.

Pro tips

Ask for one controlled edit at a time when you want stable, premium output.
Add more references only when they serve a clear visual purpose.

Wan 2.7 Pro Image-to-Image API by Alibaba

อินพุต

เอาต์พุต

พารามิเตอร์

ตัวอย่างโค้ด

ติดตั้ง

การยืนยันตัวตน

HTTP Headers

ส่งคำขอ

ส่งคำขอ

เนื้อหาคำขอ

การตอบกลับ

ตรวจสอบสถานะ

ตัวอย่างการตรวจสอบสถานะเป็นระยะ

ค่าสถานะ

การตอบกลับที่เสร็จสมบูรณ์

อัปโหลดไฟล์

ตัวอย่างการอัปโหลด

การตอบกลับ

Input Schema

ตัวอย่างเนื้อหาคำขอ

Output Schema

ตัวอย่างการตอบกลับ

Atlas Cloud Skills

ไคลเอนต์ที่รองรับ

ติดตั้ง

ตั้งค่า API Key

ความสามารถ

MCP Server

ไคลเอนต์ที่รองรับ

ติดตั้ง

การกำหนดค่า

เครื่องมือที่ใช้ได้

API Schema

เทมเพลต Prompt สำหรับ LLM

Alibaba WAN 2.7 Pro Image Edit

Why creators love it

Perfect for

How to Use

Pro tips

สำรวจโมเดลที่คล้ายกัน

Wan-2.7 Pro Text-to-image

Wan-2.7 Image-to-image

Wan-2.7 Text-to-image

Qwen Image 2.0 Pro Text-to-image

Qwen Image 2.0 Text-to-image

Qwen Image 2.0 Edit

Qwen Image 2.0 Pro Edit

Qwen-Image Edit Plus 20251215

Wan-2.6 Image-to-image

Qwen Image Edit

Qwen-Image Text-to-image Max

Qwen-Image Text-to-image Plus

Wan-2.5 Image Edit

Wan-2.5 Text-to-image

Qwen-Image Edit Plus

Qwen-Image Edit

API เดียวสำหรับ AI สื่อทุกประเภท

Join our Discord community

อินพุต

เอาต์พุต

พารามิเตอร์

ตัวอย่างโค้ด

ติดตั้ง

การยืนยันตัวตน

HTTP Headers

ส่งคำขอ

ส่งคำขอ

เนื้อหาคำขอ

การตอบกลับ

ตรวจสอบสถานะ

ตัวอย่างการตรวจสอบสถานะเป็นระยะ

ค่าสถานะ

การตอบกลับที่เสร็จสมบูรณ์

อัปโหลดไฟล์

ตัวอย่างการอัปโหลด

การตอบกลับ

Input Schema

ตัวอย่างเนื้อหาคำขอ

Output Schema