文字轉圖片
從文字提示詞建立 AI 圖片
Alibaba/wan-v2.7-image
wan-v2.7-image
免費體驗 Alibaba Wan 2.7 API，用於高性價比圖片生成，支援彈性長寬比、seed 控制、可靠品質和可擴展輸出。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。
Text to Image
Wan 2.7 Image 相關模型
立即體驗 AI 圖片生成器
Wan 2.7 Image 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-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
快速且實惠的 Wan 2.7 Image API（阿里巴巴創意文字轉圖像模型）
Flaq AI 上的 Wan 2.7 Image API 為需要透過穩定 API 路由進行彈性視覺生產的開發者、行銷人員與創意團隊，提供阿里巴巴文字轉圖像生成能力。這個實惠的 Wan 圖像 API 整合，可將自然語言提示詞轉換為精緻視覺內容，並支援多種長寬比與實用的提示詞控制。它專為需要快速創意迭代、可擴展圖像生成與簡單生產整合的團隊而打造。
Wan 2.7 Image API 的主要功能
- 高品質文字轉圖像生成： 從自然語言提示詞建立精緻圖像，適用於廣告、社群貼文、產品視覺與創意探索。
- 具成本效益的 API 存取： 在 Flaq AI 上使用實惠的 Wan 圖像路由，進行大量生成與快速迭代。
- 彈性長寬比支援： 無需重建工作流程，即可為方形、橫向、直向與社群媒體版位生成視覺內容。
- 提示詞控制的創意方向： 透過清楚的自然語言指令引導主體、風格、構圖、光線與氛圍。
- 可重複的生產工作流程： 使用實用的生成控制探索變化，並讓創意管線保持有序。
- 開發者友善整合： 透過穩定的託管式 API 路由，將阿里巴巴圖像生成加入應用程式、工具與內容系統。
如何在 Flaq AI 上使用 Wan 2.7 Image API 進行圖像生成
- 輸入： 描述主體、風格、構圖、光線與預期視覺結果的自然語言提示詞。
- 輸出： 透過 Flaq AI 上穩定的圖像 API 整合交付的生成圖像。
- 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： 支援實用的提示詞與變化控制，用於創意迭代。
- 能力： 透過實惠的 Wan API 整合，提供文字轉圖像生成、概念視覺化、產品風格圖像、行銷素材與社群媒體視覺。
Wan 2.7 Image API 整合的最佳使用情境
- 社群媒體內容創作： 為貼文、廣告、縮圖與活動變體生成可直接用於平台的視覺內容。
- 行銷與品牌素材： 產出概念圖像、活動視覺與創意方向，以便快速審閱。
- 電商視覺： 為線上商店建立產品場景、生活風格概念與促銷圖像。
- 設計構思： 在投入最終生產前，探索視覺風格、版面與氛圍方向。
- 大量創意管線： 為測試、在地化與內容營運生成大量圖像變體。
注意 請確保提示詞符合阿里巴巴的安全與使用指南。如果發生錯誤，請調整提示詞以移除受限內容，然後再試一次。
Wan 2.7 Image 與競品對比分析
-
Wan 2.7 Image vs. Wan 2.7 Image Pro
Wan 2.7 Image Pro 定位於更高階的輸出與高階創意需求。Wan 2.7 Image 則優先考量實惠性與日常生產工作流程中的高效率生成。 -
Wan 2.7 Image vs. Qwen Image 2
Qwen Image 2 是另一個強大的阿里巴巴提示詞驅動圖像模型。Wan 2.7 Image 為想要彈性創意輸出與具成本效益 API 存取的團隊，提供聚焦於 Wan 的路由。 -
Wan 2.7 Image vs. GPT Image
GPT Image 模型以廣泛的 OpenAI 生態熟悉度聞名。Wan 2.7 Image 則為開發者在 Flaq AI 上提供可擴展圖像生成的阿里巴巴替代方案。 -
Wan 2.7 Image vs. Nano Banana
Nano Banana 模型強調 Gemini 圖像工作流程。Wan 2.7 Image 提供具彈性長寬比與實用創意控制的阿里巴巴圖像生成。 -
Wan 2.7 Image vs. Seedream
Seedream 擅長風格化與商業視覺。Wan 2.7 Image 是在常見生產情境中進行實惠、API 驅動創意生成的實用選擇。
直接在強大的 AI 工具中使用 Wan 2.7 Image 模型
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。
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',
prompt: 'A serene landscape with mountains and a lake at sunset',
width: 16,
height: 9
})
});
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',
'prompt': 'A serene landscape with mountains and a lake at sunset',
'width': 16,
'height': 9
}
)
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",
"prompt": "A serene landscape with mountains and a lake at sunset",
"width": 16,
"height": 9
}'
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"