Wprowadzenie
Qwen Image 3.0 Tekst na obraz zamienia pisemny brief w jeden obraz na żądanie. Wyróżnia go typografia: ciągi znaków ujęte w cudzysłów — zawieszka na drzwi, szyld baru, nagłówek plakatu — są renderowane jako prawdziwy tekst, a nie jako faktura w kształcie liter.
Qwen Image 3.0 to model obrazów od Alibaby wyspecjalizowany w renderowaniu tekstu: prompty do 5000 znaków, osiem proporcji, poziom 1K lub 2K i endpoint edycji, który czyta od jednej do trzech referencji. Bez cenzury i bez flag do ustawiania.
Wybierz tryb Qwen Image 3.0 według materiału wyjściowego
| Materiał wyjściowy | Tryb |
|---|---|
| Pisemna koncepcja artystyczna lub brief projektowy | Qwen Image 3.0 Tekst na obraz |
| Zatwierdzony obraz źródłowy do poprawienia | Qwen Image 3.0 Edycja obrazu |
Najważniejsze funkcje
Kompozycja obrazu z myślą o tekście
Qwen Image 3.0 przydaje się przy koncepcjach wizualnych, w których dostarczony tekst, kompozycję i obróbkę obrazu trzeba rozważać razem. Traktuj wygenerowane napisy jak szkic projektu i sprawdź je przed publikacją.
Nowa kompozycja i poprawianie źródła to osobne zadania
Tekstu na obraz używaj, by zbudować wizual z pisemnego briefu. Edycji obrazu używaj, gdy istniejący obraz dostarcza tożsamości, układu lub materiału, które muszą zostać zachowane przy konkretnej zmianie.
Najpierw hierarchia, potem dekoracja
Przy plakatach, opakowaniach i koncepcjach kampanii najpierw ustal hierarchię komunikatów i punkt skupienia. Atrakcyjny wynik i tak nie spełnia zadania, jeśli zatwierdzony tekst lub fakty o produkcie nie są przedstawione poprawnie.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Do 5 000 znaków, po chińsku albo po angielsku, bez żadnego znacznika języka. od 1 znaków · do 5000 znaków |
aspect_ratio | Nie | Komponuje kadr jeszcze przed generowaniem, zamiast przycinać go później, więc wybierz format, w jakim obraz zostanie opublikowany. |
resolution | Nie | 1k albo 2k, domyślnie 2k, i jedyny wariant cenowy w tym miejscu. |
num_outputs | Nie | Ustawione na sztywno na 1: każde żądanie zwraca jeden obraz. Po stykówkę z jednego briefu wysyłaj równoległe żądania bez seeda; każde jest wyceniane i rozliczane osobno. |
enable_prompt_expansion | Nie | W tej rodzinie domyślnie włączone. Uzupełnia ubogie briefy i przepisuje te szczegółowe, więc wyłącz je, gdy Twój prompt jest już precyzyjnym opisem ujęcia. Domyślnie: |
negative_prompt | Nie | Do 2 000 znaków wykluczeń, trzymanych poza głównym promptem. Warto je wydać na znaki wodne, zdublowane kończyny i pokraczne litery, gdy kadr niesie napisy. do 2000 znaków |
prompt_optimization_mode | Nie | Sposób, w jaki rozwijanie promptu przepisuje twój brief, gdy |
seed | Nie | Na etapie szukania go pomijaj – wtedy każde wywołanie losuje własny. Ustal go, gdy kadr zadziała, a potem zmieniaj po jednym polu naraz, żeby zobaczyć, co zrobiła każda zmiana. |
Cennik
| Specyfikacja | Cena |
|---|---|
| $0.03 / obraz |
| $0.03 / obraz |
Zastosowania
Start od pisemnego briefu
Używaj tego trybu, gdy obraz nie ma jeszcze źródła, a część tekstu musi dać się przeczytać: szyld, etykieta, nagłówek. Wybierz proporcję, w której opublikujesz obraz, zostaw rozdzielczość na 2k i ujmij każdy ciąg znaków w prompcie w pojedyncze cudzysłowy.
Zestawy postaci i serie modowe
Prompty stylizacyjne, które inne API odrzucają, działają tutaj bez żadnej flagi. Przypnij seed, który dał Ci postać, a potem zmieniaj jeden szczegół na żądanie — strój, światło, pozę — by uzyskać spójny zestaw zamiast stosu niepowiązanych losowań.
Makiety plakatów i opakowań
Nagłówek, podtytuł i linijka prawna, wszystko wyrenderowane w kadrze w 2k i w proporcji, której naprawdę używa miejsce emisji. Przydaje się do pokazania układu, zanim projektant położy prawdziwą typografię na czystym tle.
Scenografie dla hotelarstwa i aranżacji wnętrz
Pokoje hotelowe, bary i lobby, w których konkretny napis musi być poprawnie czytelny: zawieszki na drzwi, numery pokojów, karty koktajli, neon nad barem. Generuj kadr z tekstem już na miejscu, zamiast nakładać typografię na render po fakcie.
Wskazówki
Najpierw proporcja i poziom
aspect_ratio komponuje kadr, a nie go przycina, więc wybierz kształt, w którym opublikujesz obraz. Zostaw rozdzielczość 2k zawsze, gdy obraz zawiera tekst; do 1k schodź tylko przy szkicach układu, w których nic nie musi być czytelne.
Opisz scenę i przytocz tekst dosłownie
Opisz obiekt, strój, światło i obiektyw, a potem ujmij każdy dokładny ciąg w pojedyncze cudzysłowy, najwyżej około ośmiu słów. enable_prompt_expansion jest domyślnie włączone i przepisuje szczegółowe prompty, więc wyłącz je, gdy twój tekst jest już precyzyjnym opisem ujęcia.
Dostosuj dołączony przykład
Zacznij od opublikowanego przykładu z aspect_ratio: 3:4 i resolution: 2k. Wymień obiekt i kierunek kreatywny, ale zachowaj kontrakt wejścia tego trybu.
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.
To dokładnie to żądanie, z którego powstał opublikowany kadr: scena hotelowa w 3:4 na poziomie 2k, z tekstem zawieszki przytoczonym w prompcie.
Sprawdź wynik, zanim zaczniesz iterować
Krótkie ciągi w cudzysłowie to pewny przypadek: winieta, szyld, etykieta, mniej więcej osiem słów lub mniej na element. Tekst długości akapitu wciąż rozpada się w wiarygodnie wyglądający bełkot, a gęste drobne pismo psuje się jako pierwsze na poziomie 1k — typografię generuj w 2k. Pisma niełacińskie się renderują, ale sprawdzaj je: przy rzadkich znakach model jest bardziej pewny siebie niż trafny.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/qwen-image-3.0/text-to-image",
"input": {
"prompt": "A ceramic teapot on a linen cloth, soft window light, muted palette",
"resolution": "2k",
"num_outputs": 1,
"aspect_ratio": "1:1",
"prompt_optimization_mode": "direct"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
