Wprowadzenie
Qwen Image 2 Tekst na obraz zamienia pisemny brief w jeden obraz. Prompty czyta natywnie po chińsku i po angielsku: nie ma parametru języka ani kroku tłumaczenia, więc zmiana języka roboczego w połowie projektu niczego w żądaniu nie zmienia.
Qwen Image 2 to uniwersalny model obrazów od Alibaby: prompty do 800 znaków czytane natywnie po chińsku lub po angielsku, pięć proporcji w trybie tekst na obraz i endpoint edycji, który przerabia jedną referencję w wybranych przez ciebie proporcjach. Jedno żądanie to jeden obraz, a opcjonalny seed pozwala zatrzymać losowanie, gdy porównujesz wyniki.
Wybierz tryb Qwen Image 2 według materiału wyjściowego
| Materiał wyjściowy | Tryb |
|---|---|
| Pisemna koncepcja artystyczna lub brief projektowy | Qwen Image 2 Tekst na obraz |
| Zatwierdzony obraz źródłowy do poprawienia | Qwen Image 2 Edycja obrazu |
Najważniejsze funkcje
Prompty w dwóch językach
Qwen Image 2 czyta bezpośrednio prompty chińskie i angielskie, więc zespół może pracować w języku, w którym brief jest najjaśniejszy, bez przepisywania go przy przekazaniu.
Pisemna zmiana jednego dostarczonego obrazu
Tryb edycji zaczyna się od jednego dostarczonego obrazu i pisemnego polecenia. Wybierz go, gdy tożsamość albo kompozycja już istnieją, a ocenie podlega zamierzona zmiana, nie nowa koncepcja.
Dwa wyraźnie różne punkty wyjścia
Tekst na obraz służy do zbudowania nowej sceny z koncepcji artystycznej, edycja — do poprawiania istniejącego obrazu. Jeśli najpierw wybierzesz materiał wyjściowy, nie ocenisz briefu edycji tak, jakby był nową generacją.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Do 800 znaków, po chińsku albo po angielsku, czytane natywnie bez flagi języka. To realny sufit: wydaj go na postać, strój, scenografię i światło, a nie na przymiotniki. od 1 znaków · do 800 znaków |
aspect_ratio | Nie | Ustala wymiary wyjścia jeszcze przed startem generowania, więc wybierz go przed napisaniem promptu – kadr jest komponowany pod ten kształt, a nie do niego przycinany. |
seed | Nie | Pomiń go, aby przy każdym wywołaniu losować od nowa; ustaw go, aby utrzymać jedno losowanie, gdy zmieniasz po jednej rzeczy naraz. |
Cennik
$0.035 / obraz
Zastosowania
Start od pisemnego briefu
Używaj tego trybu do sceny, ilustracji lub koncepcji produktu, dla której nie ma jeszcze obrazów źródłowych. Najpierw wybierz kadr — 1:1, 4:3, 3:4, 16:9 albo 9:16 — potem opisz obiekt, kompozycję i światło, a przed wyborem kierunku porównaj kilka losowań.
Dwujęzyczna produkcja kampanii
Zespół kreatywny pisze brief po chińsku, partner za granicą iteruje po angielsku i nikt nie przepisuje promptu. Kadr wybiera się z góry przez aspect_ratio, więc każde miejsce emisji dostaje obraz w swoim formacie, a nie wycięty z kwadratu.
Postacie i kostiumy
Akcesoria do kostiumów, rekwizyty i scenografie neonowego baru: zlecenia, w których strój, rekwizyt i scenografia mają wyjść w jednym przebiegu. Gdy postać zacznie działać, przypnij seed, a potem zmieniaj scenografię i strój wokół stabilnej twarzy.
Produkt w nowej scenie
Jeśli nie ma jeszcze zdjęcia produktu, opisz przedmiot, materiał i scenografię, a wynik traktuj jako obraz koncepcyjny, nie zapis prawdziwego produktu. Gdy zdjęcie produktu zostanie zatwierdzone, wyślij je do endpointu edycji i przenieś do nowej sceny właśnie to zdjęcie.
Wskazówki
Najpierw kadr, potem tekst
aspect_ratio komponuje obraz zamiast go przycinać, więc opis musi pasować do wybranego kadru: w briefie 9:16 obiekt układa się w pionie, w briefie 16:9 scenografia może rozciągnąć się na szerokość.
800 znaków na jedną kompletną scenę
Obiekt, strój, scenografia, światło, obiektyw — za jednym razem, w dowolnym z dwóch języków. Limit działa przed wysłaniem żądania, więc najpierw tnij przymiotniki, a dopiero potem opis scenografii. Pomiń seed, dopóki szukasz kierunku; gdy obraz jest wart zachowania, przypnij jego seed i zmieniaj po jednym elemencie.
Dostosuj dołączony przykład
Zacznij od opublikowanego przykładu z aspect_ratio: 1:1. Wymień obiekt i kierunek kreatywny, ale zachowaj kontrakt wejścia tego trybu.
Photorealistic cinematic still of a real adult woman in a dim neon cocktail bar at night, wearing a loose chocolate satin robe slipping off one shoulder, and a large fluffy orange-and-white faux fox tail accessory clipped at the small of her back, curving up behind her hip. She leans on the bar and glances back over her shoulder at the camera with a teasing half-smile. Red paper lanterns overhead, a neon sign on the back wall reading 'MIDNIGHT FOX', bottles bokeh, 35mm film grain, warm amber and crimson light.
To dokładnie to żądanie, z którego powstał opublikowany kadr: jeden kwadratowy brief obejmujący strój, akcesorium z ogonem, scenografię baru i światło lampionów.
Sprawdź wynik, zanim zaczniesz iterować
800 znaków to twardy limit — dłuższy prompt zostaje odrzucony przed wysłaniem, więc wydaj budżet na obiekt, strój, światło i obiektyw, a nie na przymiotniki. Każde żądanie zwraca jeden obraz; nie ma pola wsadowego, więc eksploracja oznacza powtarzanie wywołania. Tekst w obrazie nie jest mocną stroną tego modelu: do szyldów i winiet sięgnij po linię Qwen Image 3.0.
Szybki start z API
# 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/qwen-image-2/text-to-image",
"input": {
"prompt": "A ceramic teapot on a linen cloth, soft window light, muted palette",
"aspect_ratio": "1:1"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
