Ming Image 0.1 Design Layer er inclusionAIs bilde-til-bilde-modell for å dele et sammenslått design opp i RGBA-lag. Velg den nøyaktige ID-en inclusionai/ming-image-0.1-design-layer med Images-metoden på POST /v1/images/generations. Formålet er å ta en eksisterende komposisjon og en skriftlig lagplan og deretter returnere separate bilder for lagene.
Oppgi nøyaktig ett referansebilde gjennom input_references og beskriv i prompt hva som skal skilles ut. Den dokumenterte referanserepresentasjonen godtar en HTTP(S)-bilde-URL eller en base64-data-URL. En nyttig lagplan kan skille mellom bakgrunnen, hovedobjektet og dekorasjon i forgrunnen og forklare hvilke synlige elementer som hører sammen. Bruk det faktiske sammenslåtte designet som referanse, slik at oppdelingen knyttes til komposisjonen du vil redigere.
Den særskilte modellprofilen setter input_references til én referanse og n til 1. Denne forespørselsinnstillingen beskriver én ønsket oppdeling; den dokumenterte modelloppførselen returnerer ett bilde per lag. Behold hvert bilde i svaret i stedet for å behandle det første data-elementet som hele resultatet. Prompten bør formidle den tiltenkte grupperingen av elementer, mens de returnerte lagene gir det faktiske resultatsettet som skal kontrolleres.
De støttede valgene for output_format er png og webp. Utdatadimensjonene følger inndatabildet. Eksplisitte verdier for size og aspect_ratio avvises for denne utgaven, så forbered referansebildet i dimensjonene som kreves for komposisjonen, og la disse innstillingene være uspesifiserte. Den nøyaktige modellvelgeren identifiserer Design Layer-utgaven, som bruker et eksisterende design som inndata og gir bildelag som utdata.
Genereringen bruker et fullstendig bildesvar, og den særskilte profilen for denne modellen støtter ikke strømming. Dekod hvert returnerte b64_json-bilde eller hent hver returnerte bilde-URL, og behold det faktiske utdataformatet når du lagrer filen. Hold lagene samlet med kildebildet og lagplanen. I et redigeringsprogram som støtter lag, kontrollerer du de gjennomsiktige områdene, skillet mellom tilstøtende elementer og den rekonstruerte helhetskomposisjonen før du gjør lokale endringer.
Resultatet er et sett med rasterbildelag. Det kan støtte omplassering, utskifting av enkelte visuelle elementer eller videre komposisjon i et redigeringsprogram, med den bevarte kilden tilgjengelig for sammenligning. Kontroller eventuell skrift og objektkanter som krysser laggrenser, slik at den valgte oppdelingen er nyttig for den tiltenkte revisjonen.
", "aboutText": "Ming Image 0.1 Design Layer er inclusionAIs bilde-til-bilde-modell for å dele et sammenslått design opp i RGBA-lag. Velg den nøyaktige ID-en inclusionai/ming-image-0.1-design-layer med Images-metoden på POST /v1/images/generations. Formålet er å ta en eksisterende komposisjon og en skriftlig lagplan og deretter returnere separate bilder for lagene.\n\nOppgi nøyaktig ett referansebilde gjennom input_references og beskriv i prompt hva som skal skilles ut. Den dokumenterte referanserepresentasjonen godtar en HTTP(S)-bilde-URL eller en base64-data-URL. En nyttig lagplan kan skille mellom bakgrunnen, hovedobjektet og dekorasjon i forgrunnen og forklare hvilke synlige elementer som hører sammen. Bruk det faktiske sammenslåtte designet som referanse, slik at oppdelingen knyttes til komposisjonen du vil redigere.\n\nDen særskilte modellprofilen setter input_references til én referanse og n til 1. Denne forespørselsinnstillingen beskriver én ønsket oppdeling; den dokumenterte modelloppførselen returnerer ett bilde per lag. Behold hvert bilde i svaret i stedet for å behandle det første data-elementet som hele resultatet. Prompten bør formidle den tiltenkte grupperingen av elementer, mens de returnerte lagene gir det faktiske resultatsettet som skal kontrolleres.\n\nDe støttede valgene for output_format er png og webp. Utdatadimensjonene følger inndatabildet. Eksplisitte verdier for size og aspect_ratio avvises for denne utgaven, så forbered referansebildet i dimensjonene som kreves for komposisjonen, og la disse innstillingene være uspesifiserte. Den nøyaktige modellvelgeren identifiserer Design Layer-utgaven, som bruker et eksisterende design som inndata og gir bildelag som utdata.\n\nGenereringen bruker et fullstendig bildesvar, og den særskilte profilen for denne modellen støtter ikke strømming. Dekod hvert returnerte b64_json-bilde eller hent hver returnerte bilde-URL, og behold det faktiske utdataformatet når du lagrer filen. Hold lagene samlet med kildebildet og lagplanen. I et redigeringsprogram som støtter lag, kontrollerer du de gjennomsiktige områdene, skillet mellom tilstøtende elementer og den rekonstruerte helhetskomposisjonen før du gjør lokale endringer.\n\nResultatet er et sett med rasterbildelag. Det kan støtte omplassering, utskifting av enkelte visuelle elementer eller videre komposisjon i et redigeringsprogram, med den bevarte kilden tilgjengelig for sammenligning. Kontroller eventuell skrift og objektkanter som krysser laggrenser, slik at den valgte oppdelingen er nyttig for den tiltenkte revisjonen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0340025959e0aa5a4931b986a6422b738096719c053141e29291041b9fc97d8d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "inclusionai/ming-image-0.1-design-layerMing Image 0.1 Design Layer deler ett sammenslått designbilde opp i separate RGBA-bildelag. Oppgi nøyaktig én referanse og en prompt som beskriver den tiltenkte lagplanen. Denne utgaven returnerer bildelag for videre komposisjon, støtter PNG eller WebP og bevarer dimensjonene til inndatabildet.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Ming Image 0.1 Design Layer er inclusionAIs bilde-til-bilde-modell for å dele et sammenslått design opp i RGBA-lag. Velg den nøyaktige ID-en inclusionai/ming-image-0.1-design-layer med Images-metoden på POST /v1/images/generations. Formålet er å ta en eksisterende komposisjon og en skriftlig lagplan og deretter returnere separate bilder for lagene.
Oppgi nøyaktig ett referansebilde gjennom input_references og beskriv i prompt hva som skal skilles ut. Den dokumenterte referanserepresentasjonen godtar en HTTP(S)-bilde-URL eller en base64-data-URL. En nyttig lagplan kan skille mellom bakgrunnen, hovedobjektet og dekorasjon i forgrunnen og forklare hvilke synlige elementer som hører sammen. Bruk det faktiske sammenslåtte designet som referanse, slik at oppdelingen knyttes til komposisjonen du vil redigere.
Den særskilte modellprofilen setter input_references til én referanse og n til 1. Denne forespørselsinnstillingen beskriver én ønsket oppdeling; den dokumenterte modelloppførselen returnerer ett bilde per lag. Behold hvert bilde i svaret i stedet for å behandle det første data-elementet som hele resultatet. Prompten bør formidle den tiltenkte grupperingen av elementer, mens de returnerte lagene gir det faktiske resultatsettet som skal kontrolleres.
De støttede valgene for output_format er png og webp. Utdatadimensjonene følger inndatabildet. Eksplisitte verdier for size og aspect_ratio avvises for denne utgaven, så forbered referansebildet i dimensjonene som kreves for komposisjonen, og la disse innstillingene være uspesifiserte. Den nøyaktige modellvelgeren identifiserer Design Layer-utgaven, som bruker et eksisterende design som inndata og gir bildelag som utdata.
Genereringen bruker et fullstendig bildesvar, og den særskilte profilen for denne modellen støtter ikke strømming. Dekod hvert returnerte b64_json-bilde eller hent hver returnerte bilde-URL, og behold det faktiske utdataformatet når du lagrer filen. Hold lagene samlet med kildebildet og lagplanen. I et redigeringsprogram som støtter lag, kontrollerer du de gjennomsiktige områdene, skillet mellom tilstøtende elementer og den rekonstruerte helhetskomposisjonen før du gjør lokale endringer.
Resultatet er et sett med rasterbildelag. Det kan støtte omplassering, utskifting av enkelte visuelle elementer eller videre komposisjon i et redigeringsprogram, med den bevarte kilden tilgjengelig for sammenligning. Kontroller eventuell skrift og objektkanter som krysser laggrenser, slik at den valgte oppdelingen er nyttig for den tiltenkte revisjonen.
POST /v1/images/generationstext, imageimage| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser inclusionai/ming-image-0.1-design-layer | Standard— |
Feltprompt | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser false | Standardfalse |
Feltinput_references | Typearray | KravPåkrevd | Verdier & grenser | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Maksimum: 1 | Standard— |
Feltoutput_format | Typestring | KravValgfritt | Verdier & grenser png, webp | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, prompt, input_references |
Parameteroptional | Avtalestream, n, output_format |
Parametermaterial_types | Avtaletext, image |
Parameterconditions | AvtaleUse stream:false or omit stream. The complete buffered JSON result contains all generated images. |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
De viste satsene anslår kostnaden før generering. Det endelige beløpet beregnes ut fra kostnaden som er registrert for den opprinnelige genereringen. Målt varighet på utdataene og anslåtte mengder er ikke den endelige fakturerbare mengden.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Forventet mengde | Kostnad |
|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Forventet mengde— | Kostnad Inndata · Inngående tokener · Estimat kun for sammenligning — / 1K tokener Utdata · Utgående tokener · Estimat kun for sammenligning — / 1K tokener Inndata · Lesing fra hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time · Estimat kun for sammenligning — / 1K tokener |
| KonfigurasjonEstimated generation cost | Prisplan— | Forventet mengdeestimat for én generering | Kostnad Inndata · Anslått genereringskostnad · Estimat kun for sammenligning $0.98304 estimat før generering This estimate is not an additional charge or a fixed rate for the completed generation. |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\n: "${AILOOT_IMAGE_URL:?Set an actual customer material or documented value}"\nexport AILOOT_IMAGE_URL\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=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"}}]}')\np['input_references'][0]['image_url']['url']=os.environ['AILOOT_IMAGE_URL']\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nLast ned hvert returnerte bilde eller lagre Base64-innholdet
GET /v1/media/assetsGET /v1/media/assets/{asset_id}Lagre hvert ferdige bilde; hent hver returnerte URL eller dekod Base64-innholdet.
Retain every returned image and field. Use owned content_url values and actual asset_id records; refresh the same asset when a link expires.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra inclusionai/ming-image-0.1-design-layer
Bruk metodestiene som vises ovenfor.