Source: https://ailoot.ai/models/id/inclusionai-ming-image-0-1-design-layer/ Canonical: https://ailoot.ai/models/id/inclusionai-ming-image-0-1-design-layer/ Language: id # inclusionAI: Ming Image 0.1 Design Layer [Markdown](https://ailoot.ai/models/id/inclusionai-ming-image-0-1-design-layer/index.md) · [JSON](https://ailoot.ai/models/id/inclusionai-ming-image-0-1-design-layer/facts.json) ## [inclusionAI: Ming Image 0.1 Design Layer](https://ailoot.ai/models/id/inclusionai-ming-image-0-1-design-layer/) Ming Image 0.1 Design Layer memisahkan satu gambar desain yang telah diratakan menjadi lapisan gambar RGBA terpisah. Berikan tepat satu referensi dan prompt yang menjelaskan rencana lapisan yang diinginkan. Edisi ini mengembalikan lapisan gambar untuk komposisi lanjutan, mendukung PNG atau WebP, dan mempertahankan dimensi gambar masukan. - [**Ailoot Ultra · Images** `POST /v1/images/generations` `inclusionai/ming-image-0.1-design-layer`](https://ailoot.ai/models/id/inclusionai-ming-image-0-1-design-layer/#method-0) Tentang model Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih. Ming Image 0.1 Design Layer adalah model gambar ke gambar dari inclusionAI untuk memisahkan desain yang telah diratakan menjadi lapisan RGBA. Pilih ID persis inclusionai/ming-image-0.1-design-layer dengan metode Images pada POST /v1/images/generations. Perannya adalah menerima komposisi yang sudah ada dan rencana lapisan tertulis, lalu mengembalikan keluaran gambar terpisah untuk setiap lapisan. Berikan tepat satu gambar referensi melalui input\_references dan jelaskan apa yang perlu dipisahkan di prompt. Representasi referensi yang didokumentasikan menerima URL gambar HTTP(S) atau URL data base64. Rencana lapisan yang berguna dapat membedakan latar belakang, objek utama, dan dekorasi latar depan, dengan menjelaskan elemen terlihat yang perlu dikelompokkan. Gunakan desain aktual yang telah diratakan sebagai referensi agar pemisahan terikat pada komposisi yang ingin Anda edit. Profil khusus model menetapkan input\_references ke satu referensi dan n ke 1. Pengaturan permintaan tersebut menjelaskan satu pemisahan yang diminta; perilaku model yang didokumentasikan mengembalikan satu gambar per lapisan. Simpan setiap gambar dalam respons, alih-alih menganggap item data pertama sebagai keseluruhan hasil. Prompt perlu menyampaikan pengelompokan elemen yang diinginkan, sedangkan lapisan yang dikembalikan menyediakan kumpulan keluaran aktual untuk diperiksa. Pilihan output\_format yang didukung adalah png dan webp. Dimensi keluaran mengikuti gambar masukan. Nilai size dan aspect\_ratio yang eksplisit ditolak untuk edisi ini, jadi siapkan gambar referensi dengan dimensi yang diperlukan untuk komposisi dan jangan tentukan kontrol tersebut. Pemilih persis ini mengidentifikasi edisi Design Layer, yang masukannya berupa desain yang sudah ada dan keluarannya terdiri dari lapisan gambar. Pembuatan menggunakan respons gambar lengkap dan profil khusus model ini tidak mendukung streaming. Dekode setiap gambar b64\_json yang dikembalikan atau ambil setiap URL gambar yang dikembalikan, dengan mempertahankan format keluaran aktual saat menyimpan berkas. Simpan lapisan bersama gambar sumber dan rencana lapisan. Dalam editor yang mendukung lapisan, periksa area transparan, pemisahan elemen yang berdekatan, dan komposisi keseluruhan yang dirangkai ulang sebelum membuat perubahan lokal. Hasilnya berupa sekumpulan lapisan gambar raster. Hasil ini dapat mendukung penataan ulang, penggantian elemen visual satu per satu, atau pengomposisian lanjutan dalam editor, dengan sumber yang tetap tersimpan untuk perbandingan. Periksa tulisan dan tepi objek yang melintasi batas lapisan agar pemisahan yang dipilih tetap berguna bagi revisi yang diinginkan. **Ailoot Ultra · Images** `POST /v1/images/generations` `inclusionai/ming-image-0.1-design-layer` [`inclusionai/ming-image-0.1-design-layer`](https://ailoot.ai/models/id/#m=inclusionai%2Fming-image-0.1-design-layer&route=Ultra&caller=inclusionai%2Fming-image-0.1-design-layer&fmt=images) inclusionAI /`inclusionai/ming-image-0.1-design-layer` ### Mulai Ming Image 0.1 Design Layer memisahkan satu gambar desain yang telah diratakan menjadi lapisan gambar RGBA terpisah. Berikan tepat satu referensi dan prompt yang menjelaskan rencana lapisan yang diinginkan. Edisi ini mengembalikan lapisan gambar untuk komposisi lanjutan, mendukung PNG atau WebP, dan mempertahankan dimensi gambar masukan. Masukan yang diterima Teks · Gambar Hasil Gambar ### Tersedia di Ailoot · masukan & metode **Ailoot Ultra · Images** `POST /v1/images/generations` Masukan `text`, `image` Keluaran `image` Format keluaran Berkas gambar | Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan | | --- | --- | --- | --- | --- | | Kolom`model` | Jenis`string` | PersyaratanWajib | Nilai & batasan inclusionai/ming-image-0.1-design-layer | Bawaan— | | Kolom`prompt` | Jenis`string` | PersyaratanWajib | Nilai & batasan | Bawaan— | | Kolom`stream` | Jenis`boolean` | PersyaratanOpsional | Nilai & batasan false | Bawaanfalse | | Kolom`input_references` | Jenis`array` | PersyaratanWajib | Nilai & batasan | Bawaan— | | Kolom`n` | Jenis`integer` | PersyaratanOpsional | Nilai & batasan Minimum: 1 Maksimum: 1 | Bawaan— | | Kolom`output_format` | Jenis`string` | PersyaratanOpsional | Nilai & batasan png, webp | Bawaan— | Parameter metode dan siklus hidup | Parameter | Kontrak | | --- | --- | | Parameter`content_type` | Kontrakapplication/json | | Parameter`required` | Kontrakmodel, prompt, input\_references | | Parameter`optional` | Kontrakstream, n, output\_format | | Parameter`material_types` | Kontraktext, image | | Parameter`conditions` | KontrakUse stream:false or omit stream. The complete buffered JSON result contains all generated images. | Siklus hidup: `synchronous_result_then_owned_library` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Paket ##### Cara menghitung biaya akhir Tarif yang ditampilkan memperkirakan biaya sebelum pembuatan. Biaya akhir dihitung dari biaya yang tercatat untuk proses pembuatan awal. Durasi keluaran yang terukur dan kuantitas perkiraan bukanlah kuantitas akhir yang ditagihkan. Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih. Mode Fast Tidak ditentukan Saat mode fast dipilih Mode Flex Tidak ditentukan Saat mode flex dipilih Upaya penalaran maksimum Tidak ditentukan Saat upaya penalaran maksimum menggunakan penyesuaian default #### Perkiraan tarif untuk perbandingan #### Harga menurut konfigurasi Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif. | Konfigurasi | Jadwal tarif | Jumlah perkiraan | Biaya | | --- | --- | --- | --- | | KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Jumlah perkiraan— | Biaya Masukan · Token masukan · Perkiraan hanya untuk perbandingan **—** / 1K token Keluaran · Token keluaran · Perkiraan hanya untuk perbandingan **—** / 1K token Masukan · Pembacaan cache · Perkiraan hanya untuk perbandingan **—** / 1K token Masukan · Penulisan cache · Perkiraan hanya untuk perbandingan **—** / 1K token Masukan · Penulisan cache, 1 jam · Perkiraan hanya untuk perbandingan **—** / 1K token | | KonfigurasiEstimated generation cost | Jadwal tarif— | Jumlah perkiraanestimasi satu kali pembuatan | Biaya Masukan · Perkiraan biaya pembuatan · Perkiraan hanya untuk perbandingan **$0.98304** estimasi sebelum pembuatan This estimate is not an additional charge or a fixed rate for the completed generation. | Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. [Cara kerja cadangan dan penyelesaian tagihan →](https://ailoot.ai/docs/id/billing/reserve/) ### Contoh permintaan #### Ailoot Ultra · Images curl · buat sekali dan simpan hasil secara lengkap ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" export AILOOT_API_KEY : "${AILOOT_IMAGE_URL:?Set an actual customer material or documented value}" export AILOOT_IMAGE_URL python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "inclusionai/ming-image-0.1-design-layer", "prompt": "A calm studio product photograph with a plain background.", "input_references": [{"type": "image_url", "image_url": {"url": "YOUR_ACCESSIBLE_IMAGE_URL"}}]}') p['input_references'][0]['image_url']['url']=os.environ['AILOOT_IMAGE_URL'] Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json # Submit once. Retain the complete result, original identifiers and every response header. ``` ### Terima dan simpan hasil #### Ailoot Ultra · Images Unduh setiap gambar yang dikembalikan atau simpan konten Base64-nya - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Simpan semua hasil yang selesai Simpan setiap gambar yang selesai; ambil setiap URL yang dikembalikan atau dekode konten Base64-nya. Retain every returned image and field. Use owned content\_url values and actual asset\_id records; refresh the same asset when a link expires. ##### Jika respons asli perlu diperiksa Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation. ### Alias #### Alias model **Ailoot Ultra** [`inclusionai/ming-image-0.1-design-layer`](https://ailoot.ai/models/id/#m=inclusionai%2Fming-image-0.1-design-layer&route=Ultra&caller=inclusionai%2Fming-image-0.1-design-layer&fmt=images) #### Alias jalur metode Gunakan jalur metode yang ditampilkan di atas. #### ID pemanggil terkait [`inclusionai/ming-image-0.1-design-layer`](https://ailoot.ai/models/id/#m=inclusionai%2Fming-image-0.1-design-layer&route=Ultra&caller=inclusionai%2Fming-image-0.1-design-layer&fmt=images) FAQ · inclusionAI: Ming Image 0.1 Design Layer Input dan hasil apa yang tersedia? `POST /v1/images/generations` · `inclusionai/ming-image-0.1-design-layer`: `text`, `image` → `image` Kolom apa yang digunakan permintaan? `POST /v1/images/generations` · `inclusionai/ming-image-0.1-design-layer`: `model`, `prompt`, `stream`, `input_references`, `n`, `output_format` Batasan apa yang berlaku? `POST /v1/images/generations` · `inclusionai/ming-image-0.1-design-layer`: `n.minimum`: `1`; `n.maximum`: `1` Hubungkan Ailoot ke Claude Code, OpenCode, Hermes, atau aplikasi Anda. ## Perusahaan dan portofolio proyeknya Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan. ## Beli token dengan diskon. Diskon langganan untuk pekerjaan rutin. Kode promo — hingga 50% untuk pembelian token. Langganan Pilih paket dengan diskon untuk permintaan rutin Anda. Kode promo hingga 50% Masukkan kode saat membeli. Harga dihitung ulang sesuai promosi aktif. Biaya dalam riwayat Model, token, dan jumlah tagihan disimpan untuk setiap permintaan. [Pilih langganan](https://ailoot.ai/docs/id/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/id/) ## Hubungkan API ke produk yang Anda jual. SaaS, aplikasi, dan bot — sesuai penawaran dan perjanjian lisensi Ailoot. Untuk penjualan kembali, mintalah lisensi reseller. Aplikasi komersial Integrasikan pembuatan teks, gambar, video, dan suara dalam fitur berbayar layanan Anda. Lisensi reseller Kirim deskripsi proyek dan skema akses. Mintalah ketentuan penggunaan dan penjualan kembali secara tertulis. Dokumen di situs Penawaran, perjanjian lisensi, dan kebijakan pemrosesan data tersedia sebelum koneksi. [Minta lisensi reseller](mailto:support@ailoot.ai) · [Penawaran dan perjanjian lisensi](https://ailoot.ai/legal/offer?lang=id) ## Ailoot · Perusahaan dan portofolio proyeknya Ailoot bertumpu pada pengalaman operasional yang teruji, basis pelanggan yang besar, layanan yang stabil, dan pemantauan KPI berkelanjutan. Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan. Ailoot memanfaatkan pengalaman operasional ini untuk akses API ke fitur AI dalam produk pelanggan, agen, aplikasi, dan otomatisasi.