Alibaba/wan-v2.7-image-pro-edit
wan-v2.7-image-pro-edit
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。
Image to ImageMulti-Image
Wan 2.7 Image Pro 相關模型
立即體驗 AI 圖片生成器
Wan 2.7 Image Pro 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 Pro Edit API（阿里巴巴高階圖像編輯模型）
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。
Wan 2.7 Image Pro Edit API 的主要功能
- 高階圖像編輯： 將既有視覺素材轉換為精緻輸出，適用於活動、產品頁、編輯內容與品牌工作流程。
- 提示詞式創意控制： 透過自然語言指令引導場景變更、物件細化、風格方向、光線、構圖與版面。
- 多圖輸入支援： 使用圖像參考來支援視覺一致性、構圖引導與複雜編輯工作流程。
- 彈性長寬比支援： 透過單一 API 路由，建立適用於社群、網頁、電商與編輯版面的編輯輸出。
- 高保真轉換： 在改善視覺精緻度、細節與生產可用性的同時，保留有用的圖像脈絡。
- 託管式 API 工作流程： 無需建置供應商專屬基礎設施，即可將阿里巴巴高階圖像編輯加入產品。
如何在 Flaq AI 上使用 Wan 2.7 Image Pro Edit API 進行專業圖像編輯
- 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 整合交付的專業編輯圖像。
- 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 Wan API 整合，提供高階圖像轉圖像編輯、多圖參考工作流程、風格轉換、背景替換、產品細化與可用於品牌的創意轉換。
Wan 2.7 Image Pro Edit API 整合的最佳使用情境
- 高階活動編輯： 重製活動圖像、調整創意概念，並為上市工作流程生成精緻變體。
- 電商圖像強化： 改善產品呈現、細化背景，並建立高品質、可用於型錄的視覺內容。
- 代理商生產管線： 以專業編輯輸出支援快速創意迭代與客戶審稿循環。
- 品牌一致性工作流程： 在保持主體焦點、風格方向與活動意圖一致的同時調整視覺素材。
- 編輯與社群發布： 為文章、電子報、社群活動與縮圖建立精緻圖像變體。
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 與競品對比分析
-
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。
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-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;
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-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']
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-pro-edit",
"prompt": "Replace the background with a modern office interior",
"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"