1～3枚の参照画像、7種類の柔軟なアスペクト比、再現可能なAlibaba画像編集のためのシード制御に対応するQwen Image 3.0 Edit APIを無料でお試しください。
関連するQwen Image 3.0モデル
今すぐAI画像生成を試す
Qwen Image 3.0 Editの料金
| パラメータ | 料金 | 元の料金 | 割引 |
|---|
関連モデル
qwen-image-2.0text-to-imageqwen-image-2.0-editimage-to-imageqwen-image-2.0-protext-to-imageqwen-image-2.0-pro-editimage-to-imageqwen-image-lora-editimage-to-imagez-imagetext-to-image
happyhorse-1.0-text-to-videotext-to-videohappyhorse-1.0-image-to-videoimage-to-videohappyhorse-1.1-text-to-videotext-to-videohappyhorse-1.1-image-to-videoimage-to-videohappyhorse-1.1-reference-to-videoreference-to-videowan-2.7-text-to-videotext-to-videowan-2.7-image-to-videoimage-to-videowan-2.7-lora-image-to-videoimage-to-videowan-2.7-video-editvideo-editwan-2.7-reference-to-videoreference-to-videowan-v2.7-imagetext-to-imagewan-v2.7-image-editimage-to-imagewan-v2.7-image-protext-to-imagewan-v2.7-image-pro-editimage-to-imagewan-2.6-text-to-videotext-to-videowan-2.6-image-to-videoimage-to-videoqwen-image-3.0text-to-imageqwen-image-3.0-editimage-to-imageqwen-image-3.0-protext-to-imageqwen-image-3.0-pro-editimage-to-imagewan-3.0-text-to-videotext-to-videowan-3.0-image-to-videoimage-to-videowan-3.0-video-editvideo-editwan-3.0-reference-to-videoreference-to-videoqwen-3.7-max-text-to-texttext-to-textqwen-3.7-plus-text-to-texttext-to-textqwen-3.7-max-web-searchweb-searchqwen-3.7-plus-web-searchweb-searchqwen-plus-charactertext-to-textqwen-flash-charactertext-to-textqwen-3.8-max-text-to-texttext-to-textqwen-3.8-max-web-searchweb-searchREADME
柔軟なAI画像編集向けQwen Image 3.0 Edit API
Qwen Image 3.0 Edit APIは、Flaq AIを通じて、指示に基づく画像編集とビジュアル構成機能を開発者、クリエイティブチーム、制作ワークフローに提供します。このモデルは、元画像と自然言語の指示を組み合わせ、既存のビジュアルを調整、変換、再構成します。柔軟な入力ワークフローにより、実用的なコンテンツ更新、クリエイティブな反復、スケーラブルな画像編集アプリケーションに適しています。
Qwen Image 3.0 Edit APIの主な機能
-
指示に基づく画像編集： ビジュアルの変更、調整、クリエイティブな修正を自然言語で指示し、元画像を変換します。
-
複数画像の構成： 1つの編集ワークフローで複数の元画像を使用し、参照画像の組み合わせ、構図の誘導、新しいビジュアルの構築を行います。
-
柔軟なビジュアル調整： 元画像をクリエイティブなコンテキストとして活用しながら、被写体、環境、スタイル、全体的な見せ方を調整します。
-
レイアウトを考慮した出力： さまざまなチャネルや公開ニーズに合わせて、編集済みビジュアルを横長、縦長、正方形の構図に適応させます。
-
制御可能な編集反復： 反復タスクを通じて指示を改善し、一貫した比較がワークフローで重要な場合には生成制御を使用します。
-
制作環境に適したAPI連携： Flaq AIのタスクベースAPIワークフローを通じて、画像編集をアプリケーション、素材パイプライン、クリエイティブツールに追加します。
Flaq AIでQwen Image 3.0 Edit APIを画像編集に使用する方法
-
入力： 元画像のURLと、希望する編集内容、構図、スタイル、ビジュアルの方向性を記述した自然言語の指示。
-
出力： アプリケーションや制作パイプラインで使用できる、Flaq AIの画像タスクワークフローを通じて提供される編集済み画像。
-
アスペクト比： マーケティング、ソーシャルメディア、製品ページ、編集レイアウト、クリエイティブ素材に対応する、柔軟な横長、縦長、正方形フォーマット。
-
機能： プロンプトベースの画像編集、複数画像の構成、ビジュアル調整、レイアウト適応、再現可能なクリエイティブ反復。
Qwen Image 3.0 Edit API連携に最適なユースケース
-
マーケティング素材の更新： すべての素材を一から作り直すことなく、キャンペーンビジュアルを刷新し、既存のクリエイティブを適応させ、統一感のあるバリエーションを制作します。
-
製品画像の調整： Eコマースやカタログのワークフローに合わせて、見せ方、周囲の環境、構図、クリエイティブの方向性を調整します。
-
ソーシャルメディアへの適応： 元素材をコンテキストとして維持しながら、投稿、ストーリーズ、サムネイル、キャンペーン形式向けに既存のビジュアルを作り直します。
-
クリエイティブな構成： 参照ビジュアルとプロンプトの指示を組み合わせて、新しいレイアウト、コンセプト、デザインの方向性を探ります。
-
デザインの反復： 再現可能なAPIベースの編集ワークフローを通じて、対象を絞った変更をテストし、ビジュアルコンセプトを改善します。
注： 元画像とプロンプトがFlaq AIのコンテンツおよび安全性要件に準拠していることを確認してください。編集リクエストが失敗した場合は、入力に制限対象のコンテンツがないか確認し、修正してから再試行してください。
Qwen Image 3.0 Editと競合モデルの比較分析
-
Qwen Image 3.0 EditとQwen Image 3.0 Pro Editの比較
Qwen Image 3.0 Editは、柔軟な編集と構成のワークフローに対応します。Qwen Image 3.0 Pro Editは、より高度な編集とプロフェッショナルなビジュアル要件を重視するプロジェクト向けに位置付けられています。 -
Qwen Image 3.0 EditとNano Banana 2 Editの比較
Nano Banana 2 Editは、GoogleのGemini画像エコシステム内で動作します。Qwen Image 3.0 Editは、編集の挙動やワークフローへの適合性を比較するチームに、AlibabaのQwenファミリー内の代替手段を提供します。 -
Qwen Image 3.0 EditとGPT Imageの比較
GPT Imageは、OpenAI中心の連携環境向けに生成・編集機能を提供します。Qwen Image 3.0 Editは、Flaq AIの統合画像タスクAPIを通じて、Qwenベースの編集手段を提供します。 -
Qwen Image 3.0 EditとFLUX編集ワークフローの比較
FLUXベースの編集ワークフローには、独自のビジュアル特性と実装オプションがあります。Qwen Image 3.0 Editは、Qwenエコシステム内での自然言語による編集と複数画像の構成に重点を置いています。 -
Qwen Image 3.0 EditとSeedream Editの比較
Seedream Editは、画像変換とクリエイティブな調整に異なるアプローチを提供します。Qwen Image 3.0 Editは、Qwenベースの構成ワークフローとFlaq AIの統合連携を好む開発者に適しています。
API 例
送信例
// Step 1: Submit generation request
const response = await fetch('https://api.flaq.ai/api/v1/image/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'qwen-image-3.0-edit',
prompt: 'Transform the input into a polished editorial portrait with soft studio lighting',
width: 16,
height: 9,
resolution: '1k',
image_url_list: ['https://example.com/image1.jpg'],
seed: 42
})
});
const { data } = await response.json();
const taskId = data.task_id;
ポーリング例
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/image/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.images[0].url);
break;
}
if (status === 'failed') {
console.error(pollResultData.data.task_status_msg);
break;
}
await new Promise(resolve => setTimeout(resolve, 10000));
}
送信例
# Step 1: Submit generation request
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/image/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'qwen-image-3.0-edit',
'prompt': 'Transform the input into a polished editorial portrait with soft studio lighting',
'width': 16,
'height': 9,
'resolution': '1k',
'image_url_list': ['https://example.com/image1.jpg'],
'seed': 42
}
)
result = response.json()
task_id = result['data']['task_id']
ポーリング例
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/image/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['images'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)
送信例
# Step 1: Submit generation request
curl -X POST https://api.flaq.ai/api/v1/image/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "qwen-image-3.0-edit",
"prompt": "Transform the input into a polished editorial portrait with soft studio lighting",
"width": 16,
"height": 9,
"resolution": "1k",
"image_url_list": ["https://example.com/image1.jpg"],
"seed": 42
}'
ポーリング例
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/image/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"