文本转图像
从文本提示词创建 AI 图像
Alibaba/qwen-image-3.0-edit
qwen-image-3.0-edit
免费试用 Alibaba Qwen Image 3.0 Edit API，支持一至三张参考图片、七种灵活宽高比和种子控制，可实现可复现的 Alibaba 图片编辑。适合可控且可复现的图像编辑工作流。
Image to ImageMulti-Image
Qwen Image 3.0 相关模型
立即体验 AI 图片生成
Qwen Image 3.0 Edit 价格
| 参数 | 价格 | 原价 | 折扣 |
|---|
示例
相关模型
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
Qwen Image 3.0 Edit API：灵活的 AI 图像编辑
Qwen Image 3.0 Edit API 通过 Flaq AI 为开发者、创意团队和生产工作流带来指令引导的图像编辑与视觉构图能力。该模型将源图像与自然语言指令相结合，用于优化、转换和重新构图现有视觉内容。其灵活的输入工作流非常适合实际内容更新、创意迭代和可扩展的图像编辑应用。
Qwen Image 3.0 Edit API 的主要功能
-
指令引导的图像编辑： 使用自然语言指令转换源图像，实现视觉变更、细节优化和创意调整。
-
多图像构图： 在单个编辑工作流中使用多张源图像，以组合参考素材、引导构图或打造全新的视觉成果。
-
灵活的视觉优化： 以原始图像作为创意背景，调整主体、环境、风格和整体呈现效果。
-
感知布局的输出： 将编辑后的视觉内容调整为横向、纵向和方形构图，以适配不同渠道和发布需求。
-
可控的编辑迭代： 在重复任务中持续优化指令，并在工作流需要一致性比较时使用生成控制。
-
适合生产环境的 API 集成： 通过 Flaq AI 基于任务的 API 工作流，将图像编辑功能添加到应用程序、素材管线和创意工具中。
如何在 Flaq AI 上使用 Qwen Image 3.0 Edit API 编辑图像
-
输入： 源图像 URL，以及描述所需编辑、构图、风格或视觉方向的自然语言指令。
-
输出： 通过 Flaq AI 的图像任务工作流交付编辑后的图像，以供应用程序和生产管线使用。
-
宽高比： 提供灵活的横向、纵向和方形格式，适用于营销、社交媒体、产品页面、编辑版式和创意素材。
-
能力： 基于提示词的图像编辑、多图像构图、视觉优化、布局调整，以及可复现的创意迭代。
Qwen Image 3.0 Edit API 集成的最佳用例
-
营销素材更新： 更新营销活动视觉素材、调整现有创意，并在无需从头重做每项素材的情况下制作协调统一的变体。
-
产品图像优化： 为电商和目录工作流调整呈现效果、周边环境、构图和创意方向。
-
社交媒体适配： 将现有视觉内容重新制作成帖子、快拍、缩略图和营销活动格式，同时保留源素材作为上下文。
-
创意构图： 结合视觉参考和提示词指令，探索新的布局、概念和设计方向。
-
设计迭代： 通过可复现、基于 API 的编辑工作流测试针对性变更并优化视觉概念。
注意： 请确保源图像和提示词符合 Flaq AI 的内容与安全要求。如果编辑请求失败，请检查输入中是否含有限制内容，修改后重试。
Qwen Image 3.0 Edit 与竞品对比分析
-
Qwen Image 3.0 Edit 与 Qwen Image 3.0 Pro Edit 对比
Qwen Image 3.0 Edit 支持灵活的编辑与构图工作流。Qwen Image 3.0 Pro Edit 面向更重视高级编辑和专业视觉要求的项目。 -
Qwen Image 3.0 Edit 与 Nano Banana 2 Edit 对比
Nano Banana 2 Edit 在 Google 的 Gemini 图像生态系统中运行。对于比较编辑表现和工作流适配度的团队，Qwen Image 3.0 Edit 提供了阿里巴巴 Qwen 家族中的另一种选择。 -
Qwen Image 3.0 Edit 与 GPT Image 对比
GPT Image 为以 OpenAI 为核心的集成提供生成和编辑能力。Qwen Image 3.0 Edit 通过 Flaq AI 的统一图像任务 API 提供基于 Qwen 的编辑方案。 -
Qwen Image 3.0 Edit 与 FLUX 编辑工作流对比
基于 FLUX 的编辑工作流拥有独特的视觉特性和实施方案。Qwen Image 3.0 Edit 专注于在 Qwen 生态系统中提供自然语言编辑和多图像构图。 -
Qwen Image 3.0 Edit 与 Seedream Edit 对比
Seedream Edit 提供了另一种图像转换和创意优化方式。Qwen Image 3.0 Edit 适合偏好基于 Qwen 的构图工作流和 Flaq AI 统一集成的开发者。
直接在强大的 AI 工具中使用 Qwen Image 3.0 Edit 模型
在浏览器中探索多种 AI 创作工具，用于快速图像和视频工作流，然后通过 Flaq AI 可用于生产的模型 API 扩展成功创意。Flaq AI 为所有模型提供统一 API 层，让你的工作流更容易使用和扩展。
API 示例
提交示例
// 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;
轮询示例
// 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));
}
提交示例
# 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']
轮询示例
# 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)
提交示例
# 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
}'
轮询示例
# 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"