為開發者設計的 AI 頭像 API：如何選擇正確的端點

整合體積真正小巧。貼一張照片參考到一個網址，輪詢第二個網址直到狀態翻轉，從回應內容中讀出圖片連結。如果你曾經處理過非同步任務，這大概是一小時的工作量。

接著有人問了，為每位新進員工執行這個功能要花多少錢，整個下午就不見了。同一平台上有十幾個圖片端點，每個都能把肖像照變成大頭照。最便宜的開價 $0.028，而且還是折價後的價格。最貴的單張圖片要 $0.229768。這個價差多半來自解析度等級、品質標記，以及當下推行的促銷方案，這跟臉部品質的好壞差距不是同一回事。

以下這份決策地圖，專為想把 AI 大頭照 API 整合進產品的人而設計。下方所有價格、欄位名稱與列舉值，均來自 Atlas Cloud 自己的模式以及 2026 年 8 月 18 日的定價端點。

重點摘要

大頭照在 API 層級並非獨立的模型類別。它是一種具有固定意圖的圖片編輯呼叫，因此你選擇的端點對每位使用者成本影響遠大於提示詞本身。

專用大頭照端點只接受兩個欄位，回傳一張圖片。一般編輯端點接受十幾個欄位，並要求你自己描述想要的結果。

在 Seedream 編輯呼叫中遺漏尺寸參數，會無聲無息地落入較高價位層級，費用加倍卻沒有任何錯誤訊息可捕捉。

平台上的所有模型共用一個提交與輪詢迴圈，因此之後要切換端點只需修改模型字串，無需重新撰寫程式。

你可以在寫任何程式碼之前先確認輸出風格：這個免費 AI 大頭照產生器讓每個符合資格的帳號可執行一次完整解析度的生成。

左側為人物頭肩肖像的平面插圖，兩條箭頭指向端點卡片，一張是 atlascloud/tool/headshot 接受兩個必填欄位並回傳預設商務風格，另一張是 google/nano-banana-2-lite/edit 接受三個必填欄位加上五個選填欄位，其中服裝、背景與構圖需由開發者自行設定。

為什麼開發者選擇 AI 大頭照 API 而非大頭照網站

消費級大頭照網站是圍繞著「工作階段」設計的。你上傳、等待、下載，配額隔天重置。這個流程中的所有環節，都無法應對一個本季需 onboarding 四百名員工、並將支出對應到成本中心的產品。

API 增加的並非生成能力本身，而是圍繞它的記帳機制。每次提交都會回傳一個 ID 與可輪詢的狀態，這正是可解釋的帳單與不可解釋的帳單之間的差異。

還有第二個較隱晦的優勢。工具端點會公布其模式，因此你在決定採用之前就能讀取完整的輸入介面。Atlas Cloud 提供了一系列這類單一用途的圖片工具，它們的請求結構幾乎相同：

工具端點	必填欄位	選填欄位	每張圖片價格
atlascloud/tool/headshot	model, image	無	$0.045
atlascloud/photo-cleanup	model, image	output_format	$0.02
atlascloud/image-upscaler	model, image	outscale, output_format	$0.01

大頭照端點是三者中最嚴格的：一張照片輸入，一張照片輸出。

對於正在建立大頭照功能的開發者，Atlas Cloud 的定位

在撰寫任何整合程式碼之前，值得先看看模型實際回傳的內容，因為輸出風格是固定的，你要嘛想要，要嘛不想要。Atlas Cloud 將其單一用途工具集中在一個頁面上，而 AI 工具索引頁則是大頭照產生器與放大、清理工具並列之處。工具頁面說明每位符合資格的使用者可獲得一次免費試用，其常見問題中也提到免費生成包含完整高解析度下載。

過了第一次執行之後，同一個模型就變成了計量收費的遊樂場。AI 大頭照遊樂場在提交前就會在「執行」按鈕上顯示價格，上傳區上方也有一則提示說明素材會送往 Atlas Cloud 儲存，而非從你貼上的連結取得。如果你想自己撰寫提示詞，並控制服裝、背景與構圖，Nano Banana 2 系列涵蓋了一般編輯路線，而它的 Lite 變體正好比固定工具更便宜。定價章節會詳細說明這種取捨的成本。

Atlas Cloud AI 大頭照遊樂場分為四個階段：肖像上傳區、「執行」按鈕旁的計量計費標籤、執行中狀態，以及完成後的下載控制項。

呼叫 AI 大頭照產生器 API 的兩種方式

兩種路徑都使用相同的模型字串，差別在於是否有人在觀看結果回傳。

方法一：在遊樂場中測試專業大頭照 API

登入，開啟上方連結的遊樂場，上傳一張清晰的正面肖像。模式對輸入欄位的描述正是「清晰的正面肖像」，因此模型是針對正面拍攝而非三分之四側面或群體裁切而調整的。

「執行」按鈕上會顯示即將執行的費用，這就是你要納入預算的數值。行銷頁面完全沒有標示價格，因此遊樂場才是實際價格所在。有一個值得注意的不一致之處：工具頁面的文案提到可在商務正式、休閒智慧與純色攝影棚風格之間選擇，但已發布的模式中並沒有風格欄位。無論文案怎麼說，端點回傳的都是模型預設的商務處理效果。

Atlas Cloud 大頭照遊樂場介面，包含已上傳的肖像、「執行」按鈕旁顯示的單次價格，以及輸出面板中生成好的商務大頭照。

方法二：從你自己的程式碼呼叫 AI 大頭照 API

執行流程包含兩個 HTTP 請求，需要三個步驟。

步驟 1：建立 API 金鑰。 在 Atlas Cloud 主控台中產生一組，複製並保留在伺服器端。工具端點與平台上的所有模型使用相同的金鑰。

Atlas Cloud 首頁主控台導覽截圖，顯示頂端導覽列中可存取 API 金鑰管理的主控台按鈕位置

Atlas Cloud API 金鑰管理儀表板截圖，顯示逐步流程：點選 API 金鑰選單，然後點選「建立 API 金鑰」按鈕，並複製產生的 API 金鑰

步驟 2：查閱 API 文件。 認證、共用圖片端點以及輪詢合約都在 API 文件中。每個模型也會發布自己的 OpenAPI 模式，而這個端點的模式是 atlascloud-tool-headshot.json，在猜測欄位名稱前值得先讀過。模型頁面在遊樂場旁邊也有一個 API 分頁，因此請求結構離你測試過的點只差一次點擊。這裡有一件事花了我一些時間：我檢查時，平台的公開模型清單列出了 466 個項目，而大頭照工具並不在其中，儘管它的兄弟工具（放大與照片清理）都在。但模式、自述文件與定價皆正常運作，因此端點是活的。僅靠目錄搜尋是找不到它的。

步驟 3：發送第一個請求。 提交是非同步的，會回傳一個預測 ID。

Bash
1curl -X POST https://api.atlascloud.ai/api/v1/model/generateImage \
2  -H "Content-Type: application/json" \
3  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
4  -d '{
5    "model": "atlascloud/tool/headshot",
6    "image": "https://your-cdn.com/portraits/emp-4192.jpg"
7  }'

輪詢直到狀態穩定：

Bash
1curl -s https://api.atlascloud.ai/api/v1/model/prediction/<PREDICTION_ID> \
2  -H "Authorization: Bearer $ATLASCLOUD_API_KEY"

完成後的回應內容包含 outputs，這是一個陣列，在任務完成前保持空值，完成後則包含託管的圖片 URL。status 是你的輪詢條件，其值為 created、processing、completed 或 failed。

在第一次呼叫時測試一件事，不要假設。模式將 image 類型定義為圖片參考，但未說明檔案可存放的位置，而遊樂場對自己那一方的問題則直言不諱。其上方綠色提示寫著：「不接受 URL：圖片與影片必須透過專用上傳欄位提交。」同系列的編輯模型則將輸入文件記錄為 URL。在將批次作業包裝起來之前，先確認你的金鑰採用哪一種形式。

這個請求結構是值得內化的部分。同一組金鑰、同一個 POST 以及同一個輪詢呼叫，可以到達平台上的所有圖片模型，因此之後從固定的大頭照工具轉移到完全可提示的編輯器，只需修改模型字串並新增該模型接受的欄位即可。你工作流程中的其他部分都不需要改變。

AI 大頭照 API 每張生成圖片的定價

以下所有數字均來自 2026 年 8 月 18 日平台定價計算端點，針對我實際會發送的請求進行定價。所有端點都回傳折扣旗標為 100，表示沒有促銷活動，除了下一小節中的兩個變體。

2026 年 8 月 18 日，十二個 Atlas Cloud 端點的每張圖片價格長條圖，google/nano-banana-2-lite/edit-developer 最低 $0.028，AI 大頭照工具端點 $0.045，GPT Image 2 Edit 高品質最高 $0.229768。

專用大頭照端點定價 $0.045，這意味著一千張生成大頭照需 $45。Nano Banana 2 Lite Edit 以 $0.04 低於它，因此同樣數量只需 $40，而其自述文件明確說明輸入參考圖片的數量不影響價格。每千張省下那 $5 代表必須自行撰寫並維護大頭照提示詞，這是一個真正的決策，而非顯而易見的選擇。

預設值才是金錢流失的地方。Seedream v5.0 Pro Edit 在 1024×1024 或 2048×1152 時收費 $0.045，但其尺寸參數預設為 2048×2048，這會落入較高層級，收費 $0.09。遺漏該欄位，你就會支付雙倍費用，卻沒有任何錯誤可捕捉。同一個模型對第一張之後的每張輸入圖片加收 $0.003，兩張圖片的請求確認價格為 $0.048。GPT Image 2 Edit 以不同角度重複了這個模式：品質預設為中等，收費 $0.071728，而切換到高品質會將一張 1024×1024 的圖片帶到 $0.229768。

解析度層級是最後一個變數。Nano Banana 2 Edit 對 1k、2k、4k 分別收費 $0.08、$0.12、$0.16，而 Lite 變體僅提供 1k。對於最終只會以幾百像素顯示的個人檔案照片來說，支付 4k 的費用是在購買沒人會看到的像素。

AI 大頭照 API 陣容中的折扣開發者端點

在撰寫本文時，有兩個變體帶有活躍折扣：

端點	標價	目前價格	折扣
google/nano-banana-2-lite/edit-developer	$0.04	$0.028	7 折
google/nano-banana-2/edit-developer	$0.08	$0.04	5 折

兩個模型頁面都沒有說明開發者端點與標準端點除了價格之外有何不同，因此在建立成本模型時，請將未折扣的數字視為耐久值。這些旗標之前已變動過，最誠實的檢查方式，是針對平台對你的確切請求進行定價，而不是依賴任何文章（包括這篇）中的數字。

AI 大頭照 API 如何改變一張臉

固定端點是有主見的。其自述文件將任務描述為將隨興肖像轉變為專業品質的商務大頭照，實際上這意味著背景與服裝會被替換，而臉部則應保持可辨識為你本人。

我透過兩種路線執行了同一張肖像，以觀察它們的分歧點。

三張圖片並排。左邊是輸入的 AI 生成虛構人物肖像，長捲髮，裁切為頭肩部，背景為戶外屋頂。中間是 atlascloud/tool/headshot 的輸出，顯示同一張臉穿著淺灰色西裝外套（內無襯衫），背景為純色暖灰攝影棚，長捲髮保留。右邊是 nano-banana-2-lite/edit 的輸出，顯示同一張臉穿著炭灰色西裝外套搭配白襯衫，背景為淺灰色，頭髮被縮短且明顯更對稱。

執行於 2026 年 8 月 19 日。輸入為 AI 生成的虛構人物，並非任何真實人物的照片。

兩個輸出都明顯是同一張臉，且都完成了將人物置入商務服裝與純色背景的工作。差異在於沒人要求的部分。固定端點選擇了淺灰色西裝外套（內無襯衫）、決定了裁切，並保留了長捲髮。編輯端點則提供了提示詞中命名的每一項：炭灰色西裝外套、白襯衫、淺灰色背景、頭肩構圖，然後更進一步將頭髮縮短成更整齊、更對稱的形狀。提示詞要求臉部保持不變，並未提及頭髮。

走一般編輯路線會將決定權交還給你，但代價是你必須明確說出這些決定。比較兩者接受的欄位：

欄位	atlascloud/tool/headshot	google/nano-banana-2-lite/edit
prompt	無	必填
image / images	一張圖片，必填	1 到 14 張圖片，必填
aspect_ratio	無	15 個值，包含 auto
resolution	無	僅 1k
thinking_level	無	default, high, minimal
enable_base64_output	無	僅 API，回傳 BASE64 而非 URL

有兩件事需要規劃。平台對 Lite 層級的自述文件說明，該模型可能難以處理小臉、準確拼寫與非常精細的細節。該測試中的輸入最初是一張全身照，臉部僅佔畫面一小部分，但仍順利通過，因此這個警告並非絕對下限，但群體照片裁切是較困難的情況，值得先篩選。同一份自述文件說明，編輯後的圖片預設包含 C2PA 內容憑證與一個不可見的 SynthID 浮水印。該簽名會隨檔案一起傳遞。LinkedIn 會對任何附帶 C2PA 資訊的圖片顯示內容憑證，因此以這種方式生成的大頭照可能會帶著其來源資訊顯示在個人檔案上。

這沒問題，只要臉部是正確的。LinkedIn 的個人檔案照片規範允許使用你自己的插圖或藝術渲染，但條件是照片必須反映你的容貌。AI 大頭照符合這項測試。但生成不是使用者本人的臉部則不符合。

在生產環境中執行 AI 大頭照 API

幾件值得在發佈前而非之後決定的事。

考量	平台提供的內容	合理的預設值
任務完成	每個預測都有四個狀態	使用退避輪詢，將失敗視為可重試一次
延遲	模式中沒有完成時間的數據	將工作排入佇列，絕不讓頁面渲染因它而阻塞
跳過輪詢	一般編輯模型上有 enable_sync_mode，固定工具上沒有	僅在互動式單一請求時使用同步模式
輸出處理	outputs 陣列，包含託管 URL	完成時複製到你自己的儲存空間
輸入品質	模式要求清晰的正面肖像，沒有更具體的說明	在花費一次呼叫之前，篩選掉群體裁切與小臉
同意	負責任使用說明要求你上傳的媒體需獲得授權	在上傳時捕捉同意，並儲存該記錄

最後一項是團隊常忽略的。端點自身的文件要求你在編輯或生成真實人物的肖像前獲得同意，並避免使用結果來欺騙、騷擾或冒充他人。如果你的功能會自動將員工照片轉換為大頭照，那麼同意步驟應屬於上傳流程，而非存在於沒人會讀的政策文件中。

常見問題

是否有提供免費方案的 AI 大頭照 API 給開發者？

API 本身從第一次呼叫就開始計量。免費執行存在於工具頁面，每個符合資格的帳號可獲得一次完整解析度的生成。用它來確認輸出風格，然後在整合後以每張圖片定價來編列預算。

我應該使用哪個模型字串來進行專業大頭照 API 呼叫？

如果你想要固定的商務處理效果，且不想維護提示詞，請使用 atlascloud/tool/headshot。如果你需要控制服裝、背景或長寬比，並願意自行撰寫指令，則使用 google/nano-banana-2-lite/edit。兩者都 POST 到 /api/v1/model/generateImage。

AI 大頭照 API 每張圖片多少錢？

截至 2026 年 8 月 18 日，透過專用端點為 $0.045，無活躍折扣。在我對同一平台上的十二個端點進行定價後，根據模型、解析度層級與品質設定，單張編輯圖片從 $0.028 到 $0.229768 不等。

AI 大頭照產生器 API 會保留本人的真實臉部嗎？

這是其說明的行為：工具會替換背景與服裝，而非生成一個全新的人物。保真度高度依賴輸入，來源照片中臉部過小或角度不佳，會讓模型較難保留。

AI 大頭照 API 的輸出是否會加上浮水印或簽名？

根據平台上的模型文件，Nano Banana 2 Lite 編輯預設包含 C2PA 內容憑證與 SynthID 浮水印。簽名行為因模型而異，因此請查閱你最終選擇的端點的自述文件。

透過 API 生成的大頭照可以用在 LinkedIn 上嗎？

可以，前提是圖片反映的是實際人物。LinkedIn 的照片規範允許使用你自己的藝術渲染，並禁止使用完全由他人肖像、庫存圖片或虛構角色組成的照片。

結論

如果你需要的只是一張標準商務大頭照，而且你寧可不必維護提示詞，那麼固定端點是較短的路徑。兩個欄位、一個輸出、一個你可以在呼叫前就讀到的價格。

一旦你的產品需要特定東西——某種外套、品牌背景、符合你卡片元件的肖像裁切——那個端點就無能為力，而無論你是否計劃，你都必須撰寫提示詞。兩個問題決定了這一切，而兩者都不是單位價格。兩年後還會有人維護那個提示詞嗎？而且，1k 輸出與 4k 輸出之間的差距，是否曾經到達過使用者的螢幕？

返回列表

我用一個下午就設置好了頭像端點，但定價卻花了更久時間。