Alibaba/wan-v2.7-image-edit
wan-v2.7-image-edit
免費體驗 Alibaba Wan 2.7 API，用於高性價比圖片編輯，支援多圖片輸入、提示詞引導修改、seed 控制和穩定視覺輸出。適合專業團隊在 AI 工作流程中處理應用整合、協作交付、場景驗證、內容複核、資料整理、業務分析、多步驟任務、產品探索與日常團隊迭代，持續建置、測試、驗證、最佳化並改進 AI 功能體驗。先測試模型輸出並比較視覺品質，再透過穩定圖片、影片或多模態 API 工作流程擴展團隊創意製作。
Image to ImageMulti-Image
Wan 2.7 Image 相關模型
立即體驗 AI 圖片生成器
Wan 2.7 Image Edit 價格
| 參數 | 價格 | 原價 | 折扣 |
|---|
範例
相關模型
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-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-3.0-protext-to-imageqwen-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-textREADME
快速且實惠的 Wan 2.7 Image Edit API（阿里巴巴創意圖像編輯模型）
Flaq AI 上的 Wan 2.7 Image Edit API 為需要透過穩定 API 路由進行提示詞式視覺轉換的開發者與創意團隊，提供阿里巴巴圖像轉圖像編輯能力。這個實惠的 Wan 圖像編輯 API 整合，可透過自然語言指令、多圖輸入支援與彈性的長寬比輸出，協助轉換既有圖像。它專為實用設計迭代、行銷更新、產品視覺與可擴展創意營運而打造。
Wan 2.7 Image Edit API 的主要功能
- 提示詞式圖像編輯： 使用自然語言指令轉換既有視覺內容，進行風格變更、物件調整、背景更新與創意細化。
- 多圖輸入支援： 使用圖像輸入引導編輯工作流程、視覺參考與具構圖感知的轉換。
- 彈性長寬比支援： 透過單一 API 路由，建立適用於社群、電商、網頁與編輯版面的編輯輸出。
- 具成本效益的 API 存取： 透過實惠的託管式 Wan API 整合，執行大量編輯與創意迭代。
- 保留風格的轉換： 在調整圖像時，保持有用的視覺脈絡、主體識別與構圖目標一致。
- 開發者友善工作流程： 無需管理供應商基礎設施，即可將圖像編輯加入應用程式、創意工具與生產系統。
如何在 Flaq AI 上使用 Wan 2.7 Image Edit API 進行圖像編輯
- 輸入： 既有圖像輸入，加上描述目標轉換的自然語言編輯提示詞。
- 輸出： 透過 Flaq AI 上穩定的圖像 API 整合交付的編輯圖像。
- 長寬比： 支援多種長寬比，適用於社群、網頁、產品與編輯版面。
- 設定： 支援實用的提示詞、輸入圖像與變化控制，用於創意迭代。
- 能力： 透過實惠的 Wan API 整合，提供圖像轉圖像編輯、多圖參考工作流程、風格轉換、背景更新、產品更新與創意轉換。
Wan 2.7 Image Edit API 整合的最佳使用情境
- 行銷創意更新： 更新活動視覺、在地化素材，並在不從零重建圖像的情況下建立變體。
- 產品攝影最佳化： 為電商與型錄工作流程調整背景、風格、版面與呈現方式。
- 社群媒體變體： 將一張圖像轉換為多個可用於平台的創意方向，用於測試與發布。
- 設計迭代： 快速探索編輯、參考與視覺替代方案，以支援創意審閱循環。
- 品牌素材調整： 在保持品牌方向、主體焦點與活動意圖一致的同時重製視覺內容。
注意 請確保提示詞與上傳圖像符合阿里巴巴的安全與使用指南。如果發生錯誤，請檢查輸入是否包含受限內容，簡化請求後再試一次。
Wan 2.7 Image Edit 與競品對比分析
-
Wan 2.7 Image Edit vs. Wan 2.7 Image Pro Edit
Wan 2.7 Image Pro Edit 定位於更高階的編輯輸出。Wan 2.7 Image Edit 則優先考量實惠性與日常生產工作中的高效率創意轉換。 -
Wan 2.7 Image Edit vs. Qwen Image 2 Edit
Qwen Image 2 Edit 提供具強大提示詞控制的阿里巴巴圖像編輯。Wan 2.7 Image Edit 則為團隊提供 Wan 專屬編輯路由，用於彈性的圖像轉圖像工作流程。 -
Wan 2.7 Image Edit vs. GPT Image Edit
GPT Image Edit 提供 OpenAI 原生編輯行為。Wan 2.7 Image Edit 則在 Flaq AI 上提供可擴展、具成本效益視覺編輯的阿里巴巴替代方案。 -
Wan 2.7 Image Edit vs. Nano Banana Edit
Nano Banana Edit 專注於 Gemini 圖像編輯。Wan 2.7 Image Edit 提供由阿里巴巴驅動的編輯能力，具備多圖支援與彈性生產路由。 -
Wan 2.7 Image Edit vs. Seedream Edit
Seedream Edit 擅長商業視覺轉換。Wan 2.7 Image Edit 適合在行銷、電商與社群工作流程中進行實惠、API 驅動的編輯。
API 範例
提交範例
// 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: 'wan-v2.7-image-edit',
prompt: 'Change the background to a beach scene',
width: 16,
height: 9,
image_url_list: ['https://example.com/image1.jpg']
})
});
const { data } = await response.json();
const taskId = data.task_id;
輪詢範例
// 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));
}
提交範例
# 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': 'wan-v2.7-image-edit',
'prompt': 'Change the background to a beach scene',
'width': 16,
'height': 9,
'image_url_list': ['https://example.com/image1.jpg']
}
)
result = response.json()
task_id = result['data']['task_id']
輪詢範例
# 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)
提交範例
# 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": "wan-v2.7-image-edit",
"prompt": "Change the background to a beach scene",
"width": 16,
"height": 9,
"image_url_list": ["https://example.com/image1.jpg"]
}'
輪詢範例
# 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"