
文字轉圖片
從文字提示詞建立 AI 圖片
免費體驗 Alibaba Wan 2.7 API,用於進階圖片編輯,支援多圖片輸入、提示詞引導修改、seed 控制和穩定專業輸出。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。
立即體驗 AI 圖片生成器
| 參數 | 價格 | 原價 | 折扣 |
|---|
Flaq AI 上的 Wan 2.7 Image Pro Edit API 為需要精緻視覺轉換、更強創意控制與可投入生產輸出的團隊,提供透過穩定 API 路由使用的阿里巴巴高階圖像轉圖像編輯能力。這個專業的 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,協助轉換既有視覺素材。它專為打造進階編輯工作流程的品牌、電商、代理商與產品團隊而設計。
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 Pro Edit vs. Wan 2.7 Image Edit
Wan 2.7 Image Edit 適合實惠的日常編輯。Wan 2.7 Image Pro Edit 則強調高階視覺精緻度,並更適合高端生產工作流程。
Wan 2.7 Image Pro Edit vs. Qwen Image 2 Pro Edit
Qwen Image 2 Pro Edit 是阿里巴巴另一個高階編輯路由。Wan 2.7 Image Pro Edit 提供 Wan 專屬選項,用於精緻的圖像轉圖像轉換。
Wan 2.7 Image Pro Edit vs. GPT Image Edit
GPT Image Edit 提供 OpenAI 原生編輯行為。Wan 2.7 Image Pro Edit 則為開發者提供專業圖像編輯的阿里巴巴 API 替代方案。
Wan 2.7 Image Pro Edit vs. Nano Banana Pro Edit
Nano Banana Pro Edit 擅長 Gemini 圖像工作流程。Wan 2.7 Image Pro Edit 專注於由阿里巴巴驅動的高階編輯,並提供彈性的生產路由。
Wan 2.7 Image Pro Edit vs. Seedream Edit
Seedream Edit 在商業創意轉換方面表現良好。Wan 2.7 Image Pro Edit 很適合想透過託管 API 取得高階 Wan 編輯能力的團隊。
在瀏覽器中探索多種 AI 創作工具,快速完成圖片與影片工作流程,然後透過 Flaq AI 的生產級模型 API 擴展成功想法。Flaq AI 為所有模型提供統一 API 層,讓你的工作流程更容易使用和擴展。
// 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-pro-edit',
prompt: 'Replace the background with a modern office interior',
width: 16,
height: 9,
image_url_list: ['https://example.com/image1.jpg']
})
});
const { data } = await response.json();
const taskId = data.task_id;
// 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));
}
# 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-pro-edit',
'prompt': 'Replace the background with a modern office interior',
'width': 16,
'height': 9,
'image_url_list': ['https://example.com/image1.jpg']
}
)
result = response.json()
task_id = result['data']['task_id']
# 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)
# 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-pro-edit",
"prompt": "Replace the background with a modern office interior",
"width": 16,
"height": 9,
"image_url_list": ["https://example.com/image1.jpg"]
}'
# 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"