Alibaba
WAN 2.7 Image Pro
WAN 2.7 — старшая модель генерации изображений для генерации по тексту и редактирования по нескольким изображениям. Поддерживает до 9 референсных изображений, вывод 4K при генерации по тексту и 2K при редактировании.
8,91 ₽за изображение
alibaba/wan2.7-image-proДанные каталога получены .
Цена
- Генерация изображений · генерация / обработка
- 8,91 ₽ / 1 изображение
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
WAN 2.7, модель генерации изображений более высокого класса, предназначенная для рабочих процессов генерации изображений по тексту и редактирования с использованием нескольких изображений. Поддерживает до 9 референсных изображений, вывод в разрешении 4K для генерации изображений по тексту и 2K для редактирования.
- Релиз
Характеристики
- Тип модели
- Изображения
- Вход модели
- Текст, Изображения
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Изображения
Форматы результата, которые создаёт модель.
- Операции
- Генерация изображений
- Возможности модели
- Входные изображения, Генерация изображений, Изображение по изображению
Настройки
По умолчанию
Детали, которые вы не хотите видеть на изображении.По умолчаниюНет
Позволить Alibaba расширить промпт перед генерацией.По умолчаниюНет
Добавить водяной знак AI-генерации на выходное изображение.По умолчанию1024*1024
По умолчанию1
Примеры
двое молодых людей вместе едят десерт, крупный план, широкоугольный объектив, утрированная перспектива, сидят за столом на улице, кормят друг друга ложками, игривые выражения лиц, летняя атмосфера, яркий солнечный свет, пастельные зонты сверху, синее небо, случайный кадр в стиле лайфстайл, насыщенные цвета, высокий контраст, естественная текстура кожи, современный редакционный стиль, высокая детализация
Text-to-image Pro • Пример
Подбери цвет юбки на Рисунке 1 по цветам птицы на Рисунке 2, с художественным смыслом, сохраняя стиль одежды и модель без изменений. Реквизит: складной веер / книга с нитяным переплётом / очки в круглой оправе. Палитра: тёплый жёлтый / тёмный циан / сепия
Image-edit Pro • Пример
[Базовое описание лица] Внешность персонажа основана на Референсном Рисунке 1, он носит тёмно-циановый длинный халат, круглые очки в золотой оправе и держит складной веер. Фон — старый шанхайский кабинет с деревянными книжными полками, тёплые жёлтые тона, винтажная плёночная текстура, мягкий боковой свет, пылинки танцуют в лучах света, культурная атмосфера, тихо и сдержанно. Снято на среднеформатную камеру Hasselblad, объектив 85mm, высокое разрешение, кинематографическая цветокоррекция, стиль Вонга Кар-Вая. Реквизит: складной веер / книга с нитяным переплётом / очки в круглой оправе. Палитра: тёплый жёлтый / тёмный циан / сепия
Image-edit Pro • ПримерКонтрольные показатели
Для этой версии модели оценок пока нет.
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
Ответ содержит задание. Проверяйте его по GET /v1/jobs/{id}. Перед отправкой получите стоимость через POST /v1/quotes и укажите допустимый лимит: как задать бюджет запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
def get(url):
request = Request(url, headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
}, method="GET")
with opener.open(request, timeout=120) as response:
return json.load(response)
def format_rubles(value):
amount = int(value)
sign, absolute = ("-" if amount < 0 else ""), abs(amount)
if 0 < absolute < 10_000:
return sign + "<0,01 ₽"
cents = (absolute + 5_000) // 10_000
return f"{sign}{cents // 100},{cents % 100:02d} ₽"
quote = post("https://api.kvantora.ai/v1/quotes", {
"model": "alibaba/wan2.7-image-pro",
"prompt": "Иллюстрация для статьи об API, без надписей",
"n": 1,
"settings": {
"n": 1,
"watermark": false,
"resolution": "1024*1024",
"prompt_extend": false,
"negative_prompt": ""
},
"operation": "image_generation"
})
print("Стоимость:", format_rubles(quote["estimated_cost_microrub"]))
# Укажите допустимый бюджет вместо max_cost_microrub: 0.
payload = {
"model": "alibaba/wan2.7-image-pro",
"prompt": "Иллюстрация для статьи об API, без надписей",
"n": 1,
"settings": {
"n": 1,
"watermark": false,
"resolution": "1024*1024",
"prompt_extend": false,
"negative_prompt": ""
},
"max_cost_microrub": 0
}
job = post("https://api.kvantora.ai/v1/images/generations", payload)
print(get("https://api.kvantora.ai/v1/jobs" + "/" + job["id"]))
