atlascloud/photo-cleanup

công cụ hình ảnh

Photo Cleanup API by Atlas Cloud

atlascloud/photo-cleanup

Photo-cleanup

Restore single images by reducing dust, scratches, noise, and repeated micro-texture artifacts without changing the image content.

Đầu vào

Hình ảnh *

Bạn có thể kéo thả tệp vào đây hoặc nhấp để tải lên

MAX:1

Output format

Đầu ra

Nhàn rỗi

Hình ảnh đã tạo của bạn sẽ xuất hiện ở đây

Cấu hình tham số và nhấp Chạy để bắt đầu tạo

Mỗi lần chạy có giá $0.02. Với $10, bạn có thể chạy khoảng 500 lần.

Bạn có thể tiếp tục với:

Hình ảnh sang video Hình ảnh sang hình ảnh

Tham số

Ví dụ mã
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": "atlascloud/photo-cleanup",  # Required. Model name. options: atlascloud/photo-cleanup
    "image": "example_value",  # Required. Input image URL to clean up
    "output_format": "png",  # Output image format. options: png | jpeg | webp | jpg
}

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()

Cài đặt

Cài đặt gói cần thiết cho ngôn ngữ lập trình của bạn.

pip install requests

Xác thực

Tất cả các yêu cầu API đều cần xác thực thông qua khóa API. Bạn có thể lấy khóa API từ bảng điều khiển 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}"
}

Bảo mật khóa API của bạn

Không bao giờ để lộ khóa API trong mã phía máy khách hoặc kho lưu trữ công khai. Thay vào đó, hãy sử dụng biến môi trường hoặc proxy phía máy chủ.

Gửi yêu cầu

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())

Gửi yêu cầu

Gửi một yêu cầu tạo nội dung không đồng bộ. API trả về một prediction ID mà bạn có thể dùng để kiểm tra trạng thái và lấy kết quả.

POST/api/v1/model/generateImage

Nội dung yêu cầu

import requests

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

data = {
    "model": "atlascloud/photo-cleanup",
    "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']}")

Phản hồi

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

Kiểm tra trạng thái

Truy vấn (poll) endpoint prediction để kiểm tra trạng thái hiện tại của yêu cầu.

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

Ví dụ truy vấn

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)

Giá trị trạng thái

processingYêu cầu vẫn đang được xử lý.

completedQuá trình tạo đã hoàn tất. Kết quả đầu ra đã sẵn sàng.

succeededQuá trình tạo thành công. Kết quả đầu ra đã sẵn sàng.

failedTạo nội dung thất bại. Hãy kiểm tra trường error.

Phản hồi hoàn tất

{
  "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"
  }
}

Tải tệp lên

Tải tệp lên bộ nhớ Atlas Cloud và nhận URL mà bạn có thể sử dụng trong các yêu cầu API của mình. Sử dụng multipart/form-data để tải lên.

POST/api/v1/model/uploadMedia

Ví dụ tải lên

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}")

Phản hồi

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Input Schema

Các tham số sau được chấp nhận trong nội dung yêu cầu.

Tổng cộng: 3Bắt buộc: 2Tùy chọn: 1

modelstringrequired

Model name.

Default: "atlascloud/photo-cleanup"

atlascloud/photo-cleanup

imagestringrequired

Input image URL to clean up.

output_formatstring

Output image format.

Default: "png"

pngjpegwebpjpg

Ví dụ nội dung yêu cầu

{
  "model": "atlascloud/photo-cleanup",
  "image": "example_image",
  "output_format": "png"
}

Output Schema

API trả về phản hồi prediction kèm theo các URL đầu ra đã tạo.

created_atstring

ISO timestamp of when the request was created.

idstring

Unique identifier for the prediction.

modelstring

Model ID used for the prediction.

outputsarray

Array of URLs to the generated content. Empty when status is not completed.

statusstring

Status of the task: created, processing, completed, or failed.

Ví dụ phản hồi

{
  "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 tích hợp hơn 400 mô hình AI trực tiếp vào trợ lý lập trình AI của bạn. Một lệnh để cài đặt, sau đó sử dụng ngôn ngữ tự nhiên để tạo hình ảnh, video và trò chuyện với LLM.

Ứng dụng được hỗ trợ

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ ứng dụng được hỗ trợ

Cài đặt

npx skills add AtlasCloudAI/atlas-cloud-skills

Thiết lập khóa API

Lấy khóa API từ bảng điều khiển Atlas Cloud và đặt nó làm biến môi trường.

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

Khả năng

Sau khi cài đặt, bạn có thể sử dụng ngôn ngữ tự nhiên trong trợ lý AI để truy cập tất cả các mô hình Atlas Cloud.

Tạo hình ảnhTạo hình ảnh với các mô hình như Nano Banana 2, Z-Image và nhiều hơn nữa.

Tạo videoTạo video từ văn bản hoặc hình ảnh với Kling, Vidu, Veo, v.v.

Trò chuyện LLMTrò chuyện với Qwen, DeepSeek và các mô hình ngôn ngữ lớn khác.

Tải lên phương tiệnTải tệp cục bộ lên để chỉnh sửa hình ảnh và quy trình chuyển hình ảnh sang video.

Tìm hiểu thêm

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server kết nối IDE của bạn với hơn 400 mô hình AI thông qua Model Context Protocol. Hoạt động với bất kỳ ứng dụng tương thích MCP nào.

Ứng dụng được hỗ trợ

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ ứng dụng được hỗ trợ

Cài đặt

npx -y atlascloud-mcp

Cấu hình

Thêm cấu hình sau vào tệp cài đặt MCP của IDE.

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

Công cụ khả dụng

atlas_generate_imageTạo hình ảnh từ mô tả văn bản.

atlas_generate_videoTạo video từ văn bản hoặc hình ảnh.

atlas_chatTrò chuyện với các mô hình ngôn ngữ lớn.

atlas_list_modelsDuyệt hơn 400 mô hình AI khả dụng.

atlas_quick_generateTạo nội dung một bước với khả năng tự động chọn mô hình tốt nhất.

atlas_upload_mediaTải tệp cục bộ lên cho quy trình API.

Tìm hiểu thêm

github.com/AtlasCloudAI/mcp-server

Schema API

{
  "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": {
        "properties": {
          "model": {
            "type": "string",
            "description": "Model name.",
            "default": "atlascloud/photo-cleanup",
            "enum": [
              "atlascloud/photo-cleanup"
            ]
          },
          "image": {
            "description": "Input image URL to clean up.",
            "type": "string",
            "x-format": "image"
          },
          "output_format": {
            "default": "png",
            "description": "Output image format.",
            "enum": [
              "png",
              "jpeg",
              "webp",
              "jpg"
            ],
            "type": "string",
            "x-ui-component": "select"
          }
        },
        "required": [
          "model",
          "image"
        ],
        "type": "object",
        "x-order-properties": [
          "model",
          "image",
          "output_format"
        ]
      },
      "PredictionResponse": {
        "properties": {
          "created_at": {
            "description": "ISO timestamp of when the request was created.",
            "format": "date-time",
            "type": "string"
          },
          "has_nsfw_contents": {
            "description": "Array of boolean values indicating NSFW detection for each output.",
            "items": {
              "type": "boolean"
            },
            "type": "array"
          },
          "id": {
            "description": "Unique identifier for the prediction.",
            "type": "string"
          },
          "model": {
            "description": "Model ID used for the prediction.",
            "type": "string"
          },
          "outputs": {
            "description": "Array of URLs to the generated content. Empty when status is not completed.",
            "items": {
              "type": "string"
            },
            "type": "array"
          },
          "status": {
            "description": "Status of the task: created, processing, completed, or failed.",
            "type": "string"
          },
          "urls": {
            "description": "Object containing related API endpoints.",
            "type": "object"
          }
        },
        "type": "object"
      }
    }
  },
  "servers": [
    {
      "url": "https://api.atlascloud.ai"
    }
  ]
}

Mẫu Prompt Thân thiện với LLM

# atlascloud/photo-cleanup

> Restore single images by reducing dust, scratches, noise, and repeated micro-texture artifacts without changing the image content.


## 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**: `atlascloud/photo-cleanup`


## 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: `"atlascloud/photo-cleanup"`
  - Options: "atlascloud/photo-cleanup"

- **`image`** (`string`, _required_):
  Input image URL to clean up.

- **`output_format`** (`string`, _optional_):
  Output image format.
  - Default: `"png"`
  - Options: "png", "jpeg", "webp", "jpg"



**Required Parameters Example**:

```json
{
  "model": "atlascloud/photo-cleanup",
  "image": ""
}
```


**Full Example**:

```json
{
  "model": "atlascloud/photo-cleanup",
  "image": "",
  "output_format": "png"
}
```


### Output Schema

The API returns the following output format:


- **`created_at`** (`string`, _optional_):
  ISO timestamp of when the request was created.

- **`has_nsfw_contents`** (`array[boolean]`, _optional_):
  Array of boolean values indicating NSFW detection for each output.

- **`id`** (`string`, _optional_):
  Unique identifier for the prediction.

- **`model`** (`string`, _optional_):
  Model ID used for the prediction.

- **`outputs`** (`array[string]`, _optional_):
  Array of URLs to the generated content. Empty when status is not completed.

- **`status`** (`string`, _optional_):
  Status of the task: created, processing, completed, or failed.

- **`urls`** (`object`, _optional_):
  Object containing related API endpoints.



**Example Response**:

```json
{
  "created_at": "",
  "has_nsfw_contents": [],
  "id": "",
  "model": "",
  "outputs": [
    ""
  ],
  "status": "",
  "urls": {}
}
```


## 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": "atlascloud/photo-cleanup",
  "image": "",
  "output_format": "png"
}'

# 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/atlascloud/photo-cleanup)

Đang tải...

Photo Cleanup

Photo Cleanup restores single images by reducing dust, scratches, noise, and repeated micro-texture artifacts. It is designed for post-processing generated or uploaded images that need a cleaner surface without changing the image content.

Highlights

Image cleanup chain: Runs dust cleanup followed by denoise cleanup for a balanced restoration pass.
Dust and scratch reduction: Softens small specks, scratch-like marks, and dirty surface artifacts.
Noise and micro-texture reduction: Reduces repeated fine texture, scale-like artifacts, and noisy high-frequency edges.
Content-preserving output: Keeps the original composition, subject, framing, and color intent.
Single-image workflow: Optimized for still images. Video cleanup is not supported by this model.

Parameters

Parameter	Required	Description
`model`	Yes	Use `atlascloud/photo-cleanup`.
`image`	Yes	Input image URL.
`output_format`	No	Output image format: `png`, `jpeg`, `webp`, or `jpg`. Default: `png`.

Limits

Photo Cleanup is an image-to-image model. It does not upscale images, does not process video input, and does not expose the internal single-stage cleanup runners as public parameters.

Use input images that are accessible by URL. Very large inputs may be rejected by the backend before processing.

Example Request

{
  "model": "atlascloud/photo-cleanup",
  "image": "https://atlas-test-input.oss-us-west-1.aliyuncs.com/1024_square.png",
  "output_format": "png"
}

Best For

Cleaning generated images with visible repeated micro-texture or scale-like artifacts.
Reducing dust, fine scratches, and small specks in still images.
Softening noisy water, metal, foliage, glass, or reflective texture regions.
Preparing images for visual review when the source image is already close to usable.

Pricing

Photo Cleanup uses flat per-image billing.

Unit	Price
Per image	`$0.0200`

Notes

Cleanup reduces artifacts; it does not guarantee complete artifact removal.
Strong cleanup can increase edge artifacts or soften real detail.
Severe generation artifacts are better handled with rerolling or localized regeneration.
This model does not upscale images and does not process video input.

Photo Cleanup API by Atlas Cloud

Đầu vào

Đầu ra

Tham số

Ví dụ mã

Cài đặt

Xác thực

HTTP Headers

Gửi yêu cầu

Gửi yêu cầu

Nội dung yêu cầu

Phản hồi

Kiểm tra trạng thái

Ví dụ truy vấn

Giá trị trạng thái

Phản hồi hoàn tất

Tải tệp lên

Ví dụ tải lên

Phản hồi

Input Schema

Ví dụ nội dung yêu cầu

Output Schema

Ví dụ phản hồi

Atlas Cloud Skills

Ứng dụng được hỗ trợ

Cài đặt

Thiết lập khóa API

Khả năng

MCP Server

Ứng dụng được hỗ trợ

Cài đặt

Cấu hình

Công cụ khả dụng

Schema API

Mẫu Prompt Thân thiện với LLM

Photo Cleanup

Highlights

Parameters

Limits

Example Request

Best For

Pricing

Notes

Khám phá Các Mô hình Tương tự

Face Swap

Z-Image-Turbo LoRA

Openai GPT Image 2 Text-to-Image

Openai GPT Image 2 Edit

GPT Image 2 Developer Edit

GPT Image 2 Developer Text-to-Image

Seedream v5.0 Pro Edit

Seedream v5.0 Pro Text-to-Image

Nano Banana 2 Lite Edit Developer

Nano Banana 2 Lite Text-to-Image Developer

Nano Banana 2 Lite Edit

Nano Banana 2 Lite Text-to-image

MAI-Image-2.5-Flash Text-to-image

MAI-Image-2.5 Edit

MAI-Image-2.5 Text-to-image

Youchuan V8.1 Remove Background

Một API cho mọi AI đa phương tiện.

Join our Discord community

Đầu vào

Đầu ra

Tham số

Ví dụ mã

Cài đặt

Xác thực

HTTP Headers

Gửi yêu cầu

Gửi yêu cầu

Nội dung yêu cầu

Phản hồi

Kiểm tra trạng thái

Ví dụ truy vấn

Giá trị trạng thái

Phản hồi hoàn tất

Tải tệp lên

Ví dụ tải lên

Phản hồi