Alibaba/wan-v2.7-image-edit
wan-v2.7-image-edit
免费体验 Alibaba Wan 2.7 API，用于高性价比图像编辑，支持多图输入、提示词引导修改、seed 控制和稳定视觉输出。适合专业团队在 AI 工作流中处理应用集成、协作交付、场景验证、内容复核、资料整理、业务分析、多步骤任务、产品探索和日常团队迭代，持续构建、测试、验证、优化并改进 AI 功能体验。先测试模型输出并比较视觉质量，再通过稳定图片、视频或多模态 API 工作流扩展团队创意生产。
Image to ImageMulti-Image
Wan 2.7 Image 相关模型
立即体验 AI 图片生成
Wan 2.7 Image 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-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
快速且实惠的 Wan 2.7 Image Edit API（阿里巴巴创意图像编辑模型）
Flaq AI 上的 Wan 2.7 Image Edit API 为需要通过稳定 API 路由进行基于提示词视觉转换的开发者和创意团队，提供阿里巴巴图生图编辑能力。这一实惠的 Wan 图像编辑 API 集成可帮助通过自然语言指令、多图输入支持和灵活宽高比输出转换现有图像。它专为实用设计迭代、营销更新、产品视觉和可扩展创意运营而构建。
Wan 2.7 Image Edit API 的核心功能
- 基于提示词的图像编辑： 使用自然语言指令转换现有视觉内容，用于风格变化、对象调整、背景更新和创意优化。
- 多图输入支持： 使用图像输入来引导编辑工作流、视觉参考和感知构图的转换。
- 灵活的宽高比支持： 通过一个 API 路由创建适用于社交、电商、网页和编辑版式的编辑输出。
- 高性价比 API 访问： 通过实惠的托管 Wan API 集成运行大批量编辑和创意迭代。
- 保持风格的转换： 在保持有用视觉上下文、主体身份和构图目标一致的同时调整图像。
- 开发者友好的工作流： 无需管理提供商基础设施，即可将图像编辑添加到应用、创意工具和生产系统中。
如何在 Flaq AI 上使用 Wan 2.7 Image Edit API 进行图像编辑
- 输入： 现有图像输入，以及描述期望转换效果的自然语言编辑提示词。
- 输出： 通过 Flaq AI 上稳定的图像 API 集成交付的编辑图像。
- 宽高比： 支持适用于社交、网页、产品和编辑版式的多种宽高比。
- 配置： 支持用于创意迭代的实用提示词、输入图像和变体控制。
- 能力： 通过实惠的 Wan API 集成提供图生图编辑、多图参考工作流、风格迁移、背景更新、产品更新和创意转换。
Wan 2.7 Image Edit API 集成的最佳使用场景
- 营销创意更新： 更新活动视觉、本地化素材，并在无需从头重建图像的情况下创建变体。
- 产品摄影优化： 为电商和目录工作流调整背景、风格、版式和展示效果。
- 社交媒体变体： 将一张图像转换为多个平台就绪的创意方向，用于测试和发布。
- 设计迭代： 快速探索编辑、参考和视觉替代方案，用于创意审核周期。
- 品牌素材适配： 在保持品牌方向、主体焦点和活动意图一致的同时重制视觉内容。
注意 请确保提示词和上传图像符合阿里巴巴安全与使用指南。如果发生错误，请检查输入是否包含受限内容，简化请求，然后重试。
Wan 2.7 Image Edit 与竞品对比分析
-
Wan 2.7 Image Edit vs. Wan 2.7 Image Pro Edit
Wan 2.7 Image Pro Edit 定位于更高级的编辑输出。Wan 2.7 Image Edit 优先考虑日常生产工作的实惠性和高效创意转换。 -
Wan 2.7 Image Edit vs. Qwen Image 2 Edit
Qwen Image 2 Edit 提供具备强提示词控制的阿里巴巴图像编辑能力。Wan 2.7 Image Edit 为团队提供面向 Wan 的专属编辑路由，用于灵活的图生图工作流。 -
Wan 2.7 Image Edit vs. GPT Image Edit
GPT Image Edit 提供 OpenAI 原生编辑行为。Wan 2.7 Image Edit 在 Flaq AI 上为可扩展、高性价比视觉编辑提供阿里巴巴替代方案。 -
Wan 2.7 Image Edit vs. Nano Banana Edit
Nano Banana Edit 专注于 Gemini 图像编辑。Wan 2.7 Image Edit 提供由阿里巴巴驱动、具备多图支持和灵活生产路由的编辑能力。 -
Wan 2.7 Image Edit vs. Seedream Edit
Seedream Edit 擅长商业视觉转换。Wan 2.7 Image Edit 适用于营销、电商和社交工作流中的实惠、API 驱动编辑。
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: '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;
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': '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']
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": "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"]
}'
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"