Generates images from text prompts with Wan 2.7 image, supporting fast iteration and strong prompt fidelity for illustration and photorealistic outputs.
Girdi
Parametre yapılandırması yükleniyor...
Çıktı
BoştaOluşturulan görüntüleriniz burada görünecek
Parametreleri yapılandırın ve oluşturmaya başlamak için Çalıştır'a tıklayın
Her çalıştırma 0.03 maliyete sahip. 10$ ile yaklaşık 333 kez çalıştırabilirsiniz.
Şununla devam edebilirsiniz:
Kod örneği
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/text-to-image",
"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()Kurulum
Programlama diliniz için gerekli paketi kurun.
bash
pip install requestsKimlik Doğrulama
Tüm API istekleri, API anahtarı ile kimlik doğrulama gerektirir. API anahtarınızı Atlas Cloud kontrol panelinden alabilirsiniz.
bash
export ATLASCLOUD_API_KEY="your-api-key-here"HTTP Başlıkları
python
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}API anahtarınızı güvende tutun
API anahtarınızı asla istemci tarafı kodunda veya herkese açık depolarda ifşa etmeyin. Bunun yerine ortam değişkenleri veya arka uç proxy kullanın.
İstek gönder
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())İstek Gönder
Asenkron bir oluşturma isteği gönderin. API, durumu kontrol etmek ve sonucu almak için kullanabileceğiniz bir tahmin ID'si döndürür.
POST
/api/v1/model/generateImageİstek Gövdesi
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/text-to-image",
"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']}")Yanıt
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}Durumu Kontrol Et
İsteğinizin mevcut durumunu kontrol etmek için tahmin uç noktasını sorgulayın.
GET
/api/v1/model/prediction/{prediction_id}Sorgulama Örneği
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)Durum Değerleri
processingİstek hâlâ işleniyor.completedOluşturma tamamlandı. Çıktılar kullanılabilir.succeededOluşturma başarılı oldu. Çıktılar kullanılabilir.failedOluşturma başarısız oldu. Hata alanını kontrol edin.Tamamlanmış Yanıt
{
"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"
}
}Dosya Yükle
Dosyaları Atlas Cloud depolama alanına yükleyin ve API isteklerinizde kullanabileceğiniz bir URL alın. Yüklemek için multipart/form-data kullanın.
POST
/api/v1/model/uploadMediaYükleme Örneği
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}")Yanıt
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}Input Schema
İstek gövdesinde aşağıdaki parametreler kabul edilir.
Toplam: 0Zorunlu: 0İsteğe Bağlı: 0
Kullanılabilir parametre yok.
Örnek İstek Gövdesi
json
{
"model": "alibaba/wan-2.7/text-to-image"
}Output Schema
API, oluşturulan çıktı URL'lerini içeren bir tahmin yanıtı döndürür.
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.
Örnek Yanıt
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, 300'den fazla AI modelini doğrudan AI kodlama asistanınıza entegre eder. Kurmak için tek bir komut, ardından görüntü, video oluşturmak ve LLM ile sohbet etmek için doğal dil kullanın.
Desteklenen İstemciler
Claude Code
OpenAI Codex
Gemini CLI
Cursor
Windsurf
VS Code
Trae
GitHub Copilot
Cline
Roo Code
Amp
Goose
Replit
40+ desteklenen i̇stemciler
Kurulum
bash
npx skills add AtlasCloudAI/atlas-cloud-skillsAPI Anahtarını Ayarla
API anahtarınızı Atlas Cloud kontrol panelinden alın ve ortam değişkeni olarak ayarlayın.
bash
export ATLASCLOUD_API_KEY="your-api-key-here"Yetenekler
Kurulduktan sonra, tüm Atlas Cloud modellerine erişmek için AI asistanınızda doğal dil kullanabilirsiniz.
Görüntü OluşturmaNano Banana 2, Z-Image ve daha fazla model ile görüntüler oluşturun.
Video OluşturmaKling, Vidu, Veo vb. ile metin veya görüntülerden videolar oluşturun.
LLM SohbetQwen, DeepSeek ve diğer büyük dil modelleri ile sohbet edin.
Medya YüklemeGörüntü düzenleme ve görüntüden videoya iş akışları için yerel dosyaları yükleyin.
Daha fazla bilgi
MCP Server
Atlas Cloud MCP Server, IDE'nizi Model Context Protocol aracılığıyla 300'den fazla AI modeline bağlar. Herhangi bir MCP uyumlu istemci ile çalışır.
Desteklenen İstemciler
Cursor
VS Code
Windsurf
Claude Code
OpenAI Codex
Gemini CLI
Cline
Roo Code
100+ desteklenen i̇stemciler
Kurulum
bash
npx -y atlascloud-mcpYapılandırma
Aşağıdaki yapılandırmayı IDE'nizin MCP ayarları dosyasına ekleyin.
json
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}Mevcut Araçlar
atlas_generate_imageMetin istemlerinden görüntüler oluşturun.
atlas_generate_videoMetin veya görüntülerden videolar oluşturun.
atlas_chatBüyük dil modelleri ile sohbet edin.
atlas_list_models300'den fazla mevcut AI modelini keşfedin.
atlas_quick_generateOtomatik model seçimi ile tek adımda içerik oluşturma.
atlas_upload_mediaAPI iş akışları için yerel dosyaları yükleyin.
Daha fazla bilgi
API Şeması
Şema mevcut değilİstek geçmişini görüntülemek için oturum açın
Model istek geçmişinize erişmek için oturum açmanız gerekir.
Oturum AçAlibaba WAN 2.7 Text-to-Image
Alibaba WAN 2.7 Text-to-Image is a fast and flexible image-generation model for turning prompts into polished visuals. It is well suited to everyday creative work, from concept exploration to campaign-ready artwork.
What makes it stand out?
- Faster generation path: Optimized for day-to-day creative iteration and lower-latency image generation.
- Flexible output sizing: Supports
1K,2K, and custom pixel sizes such as2048*2048. - Creative controls: Supports flexible output sizing, style exploration, grouped generation, and repeatable results with seed control.
- Prompt-first workflow: Best suited for pure text-to-image generation without requiring reference images.
Designed For
- Design teams iterating on moodboards, product concepts, and campaign mockups.
- Content creators producing social visuals, covers, and brand graphics quickly.
- Product, brand, and content teams that need strong visual quality with faster turnaround.
- Anyone who wants Wan 2.7 image quality in a lighter-weight generation tier.
How to Use
- Write a clear prompt describing subject, style, lighting, and composition.
- Choose the output size that fits your use case.
2Kis a strong default for most work. - Generate one image for precision, or several variations when you want more creative range.
- Use thinking mode when prompt interpretation and composition quality matter more than speed.
- Review the outputs and keep the version that best matches your intent.
