はじめに
Qwen Image 3.0 テキストから画像は、書いたブリーフを 1 リクエストにつき 1 枚の画像にします。特徴は文字の扱いです。ドアノブの札、バーの看板、ポスターの見出しなど、引用符で囲んだ文字列は、文字の形をした模様ではなく、読める文字として描かれます。
Qwen Image 3.0 は、画像内の文字の描写を得意とする Alibaba の画像モデルです。プロンプトは 5,000 文字まで、アスペクト比は 8 種、1K か 2K の 2 段階で、編集エンドポイントは参照画像を 1〜3 枚読み込みます。検閲なしで、フラグの設定もいりません。
手元の素材から Qwen Image 3.0 のモードを選ぶ
| 手元の素材 | モード |
|---|---|
| 文章のアートディレクションやデザインブリーフ | Qwen Image 3.0 テキストから画像 |
| 手直ししたい承認済みの元画像 | Qwen Image 3.0 画像編集 |
主な機能とハイライト
文字を踏まえた画面づくり
Qwen Image 3.0 は、渡した文言、構図、画面の処理を一緒に考える必要があるビジュアルのコンセプトに向いています。生成された文字はデザインの下書きとして扱い、公開前に校正してください。
新しく組む仕事と、元画像を手直しする仕事は別
文章のブリーフからビジュアルを立ち上げるならテキストから画像を使います。既存の画像にある人物、レイアウト、素材を保ったまま決まった変更を加えるなら画像編集を使います。
装飾より先に、情報の優先順位を確かめる
ポスター、パッケージ、キャンペーンのコンセプトでは、まずメッセージの優先順位と視線の集まる場所を決めます。見た目がよくても、承認済みの文言や製品の事実が正しく表れていなければ、依頼を果たしたことにはなりません。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | 最大 5,000 文字、中国語でも英語でも言語フラグなしで通ります。画面に現れなければならない文字列はすべてシングルクォートで囲み、それぞれ 8 語程度に抑えてください。 1 文字以上 · 5000 文字以内 |
aspect_ratio | いいえ | あとから切り抜くのではなく、生成前に構図を決めます。公開する形を選んでください。 |
resolution | いいえ | 1k または 2k、既定は 2k で、ここで料金が変わる唯一のフィールドです。読める文字が入るものは 2k にしてください。 |
num_outputs | いいえ | 1 で固定で、1 リクエストで返るのは 1 枚です。1 本の指示からコンタクトシートを作りたいときは、seed を指定せずにリクエストを並列に送ってください。 |
enable_prompt_expansion | いいえ | この家族では既定でオンです。薄いブリーフを埋め、詳細なブリーフは書き直します。 デフォルト値: |
negative_prompt | いいえ | 最大 2,000 文字の除外指定で、本文のプロンプトから切り離せます。文字が入るフレームでは、透かし、重複した手足、崩れた字形に使う価値があります。 2000 文字以内 |
prompt_optimization_mode | いいえ |
|
seed | いいえ | 探索中は省略すれば毎回引き直します。うまくいったら固定して、そこから 1 フィールドずつ変え、各変更の効きを見てください。 |
料金
| 仕様 | 料金 |
|---|---|
| $0.03 / 枚 |
| $0.03 / 枚 |
ユースケース
文章のブリーフから始める
元になる画像がまだなく、画面の文字の一部を読ませる必要があるときに使います。看板、ラベル、見出しなどです。公開する比率を選び、解像度は 2k のままにして、文字列はそれぞれプロンプトの中で一重引用符に入れます。
キャラクターセットとファッションのシリーズ
他の API が受け付けないスタイリングのプロンプトも、ここではフラグなしで実行できます。キャラクターを生んだシードを固定し、リクエストごとに衣装、光、ポーズのどれか一つだけを変えてください。無関係な描画の寄せ集めではなく、まとまったセットになります。
ポスターやパッケージのカンプ
見出し、サブコピー、注意書きの 1 行まで、すべて画面内に 2k で、掲載枠が実際に使う比率で描きます。デザイナーがきれいな下地に本物の書体を組む前に、レイアウトを提案するのに役立ちます。
ホテルや空間演出の背景
特定の看板を正しく読ませる必要がある、ホテルの部屋、バー、ロビーです。ドアノブの札、部屋番号、カクテルメニュー、バックバーの上のネオン。後からレンダリングに文字を重ねるのではなく、文言が入った状態で画を生成します。
プロンプトガイドと実践のヒント
比率と段階を先に決める
aspect_ratio は画面を切り抜くのではなく、その比率で組み立てます。公開する形を選んでください。画像に文字が入るなら解像度は 2k のままにし、何も読めなくてよいレイアウトのラフのときだけ 1k に下げます。
場面を書き、文言はそのまま引用する
被写体、衣装、光、レンズを書き、表示させたい文字列はそれぞれ一重引用符に入れ、8 語程度に収めます。enable_prompt_expansion は初期状態でオンになっていて、詳しいプロンプトも書き換えます。書いた内容がすでに正確なショットの説明になっているなら、オフにしてください。
付属の例を作り替える
公開している例から始め、aspect_ratio は 3:4、resolution は 2k にします。被写体と演出を入れ替えつつ、このモードの入力の決まりはそのまま保ちます。
Editorial photograph, an adult woman sitting on a hotel bed in a navy satin slip dress, city lights blurred through the window behind her, a brass door hanger hanging in sharp foreground reading 'DO NOT DISTURB', warm tungsten bedside lamp, cinematic 35mm, shallow focus, moody blue and amber palette.
公開している静止画の元になった、そのままのリクエストです。3:4 のホテルの場面を 2k で、ドアノブの札の文言をプロンプトに引用しています。
反復する前に結果を確かめる
確実なのは、引用符で囲んだ短い文字列です。誌名、看板、ラベルなど、1 つの要素につきおよそ 8 語以下です。段落ほどの本文は、今でももっともらしく見える意味のない文字に崩れます。細かく詰まった文字は 1k でいちばん先に崩れるので、文字を入れるなら 2k で生成してください。ラテン文字以外も描けますが、校正は必要です。珍しい字形では、モデルの自信ほど正確ではありません。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/qwen-image-3.0/text-to-image",
"input": {
"prompt": "A ceramic teapot on a linen cloth, soft window light, muted palette",
"resolution": "2k",
"num_outputs": 1,
"aspect_ratio": "1:1",
"prompt_optimization_mode": "direct"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。
