Edit gambar menggunakan instruksi teks dengan model Wan. Model ini mendukung input/output multi-gambar, fusi gambar, pelestarian subjek, dan deteksi objek.
Memulai
Hasilkan gambar yang telah diedit dari dua gambar input dan prompt teks menggunakan wan2.7-image-pro.
Prompt: Semprotkan grafiti dari gambar 2 ke mobil di gambar 1
Input image 1 | Input image 2 | Output image (wan2.7-image-pro) |
|---|---|---|
![]() | ![]() | ![]() |
- Panggilan sinkron
- Panggilan asinkron
- Python
- Java
- curl
Contoh permintaan
Contoh respons
URL berlaku selama 24 jam. Unduh gambar segera.
Klik untuk melihat contoh pemanggilan wan2.5-i2i-preview
Klik untuk melihat contoh pemanggilan wan2.5-i2i-preview
- Panggilan sinkron
- Panggilan asinkron
- Python
- Java
Contoh permintaan
Contoh respons
URL gambar berlaku selama 24 jam. Unduh gambar segera.
Pemilihan model
-
wan2.7-image-pro dan wan2.7-image (direkomendasikan): Paling cocok untuk pengeditan presisi atau menghasilkan beberapa gambar yang koheren.
- Precise local editing: Pilih area tertentu untuk memindahkan, mengganti, atau menambahkan elemen. Ideal untuk retouching e-commerce dan penyesuaian desain.
- Multi-panel generation: Hasilkan beberapa gambar dengan gaya konsisten dalam satu panggilan. Ideal untuk storyboard komik dan seri produk.
- wan2.6-image: Pengeditan bergaya dengan campuran teks/gambar atau beberapa referensi. Menghasilkan teks dalam gambar dan menerima hingga empat gambar referensi.
- wan2.5-i2i-preview: Cocok untuk pengeditan gambar sederhana dan fusi multi-gambar.
Galeri demo
Set gambar-ke-gambar
Input image | Output image |
|---|---|
![]() | ![]() |
![]() | ![]() |
Klik untuk melihat prompt
Klik untuk melihat prompt
Pengeditan interaktif
Input image | Output image |
|---|---|
![]() | ![]() Edit berdasarkan gambar 1. Ganti raspberry yang dipilih di kotak 1 dengan lemon, raspberry di kotak 2 dengan stroberi, dan raspberry di kotak 3 dengan blueberry. Hasilnya harus terintegrasi secara harmonis dengan gambar asli, tanpa kotak referensi dan nomor, serta pertahankan konten lainnya tetap tidak berubah. |
![]() | ![]() Tempatkan pola yang dipilih dari gambar 1 ke area yang dipilih di gambar 2. |
Fusi multi-gambar
Input image | Output image |
|---|---|
![]() | ![]() Ambil potret anak laki-laki dari gambar 1 dan anjing dari gambar 2. Anak laki-laki tersebut memeluk anjing, dan keduanya sangat bahagia. Pencahayaan studio lembut, latar belakang bertekstur biru. |
![]() | ![]() Ubah warna gaun dari gambar 1 menggunakan warna burung di gambar 2. Buat secara artistik, tetapi pertahankan gaya gaun dan model tetap tidak berubah. |
Pelestarian fitur subjek
Input image | Output image |
|---|---|
![]() | ![]() Harap hasilkan satu set empat foto Polaroid dengan tema "Perubahan Musim". Setiap foto diambil di lokasi yang sama, di bawah pohon di taman, tetapi menampilkan pemandangan musim semi, musim panas, musim gugur, dan musim dingin masing-masing. Pakaian orang tersebut juga harus sesuai musim: jaket ringan di musim semi, kaus lengan pendek di musim panas, mantel trench di musim gugur, dan syal serta mantel tebal di musim dingin. Tempatkan set foto ini di atas meja makan. |
Deteksi dan segmentasi
Input image | Output image |
|---|---|
![]() | ![]() Deteksi laptop dan jam alarm dalam gambar, gambarkan bounding box, dan beri label "laptop" dan "clock". |
![]() | ![]() Segmentasi gelas kaca dalam gambar. |
Ekstraksi elemen
Input image | Output image |
|---|---|
![]() | ![]() Ekstrak item pakaian dari foto yang diunggah dan susun dalam tampilan flat-lay di latar belakang putih polos. Pertahankan detail realistis dan tekstur materialnya. Gaya e-commerce fesyen, cocok untuk tampilan pakaian. |
Pengeditan teks
Input image | Output image |
|---|---|
![]() | ![]() Hapus semua watermark dari gambar. |
![]() | ![]() Tulis secara kasual "Time for Holiday?" di pasir dengan tangan. |
![]() | ![]() Ubah 18 menjadi 29 dan JUNE menjadi SEPTEMBER. |
Pengeditan kamera dan perspektif
Input image | Output image |
|---|---|
![]() | ![]() Pertahankan fitur orang tersebut tetap tidak berubah dan hasilkan tampilan depan, samping, dan belakang. |
![]() | ![]() Rekam ulang foto ini dengan lensa fisheye. |
Spesifikasi input
Spesifikasi gambar input
Spesifikasi | wan2.7-image-pro, wan2.7-image | wan2.6-image | wan2.5-i2i-preview |
|---|---|---|---|
Jumlah gambar input | 0 hingga 9 (0 berarti mode text-to-image) | Editing gambar: 1 hingga 4 / Gabungan teks dan gambar: 0 hingga 1 | 1 hingga 3 |
Format gambar | JPEG, JPG, PNG (alpha channel tidak didukung), BMP, WEBP | JPEG, JPG, PNG (alpha channel tidak didukung), BMP, WEBP | JPEG, JPG, PNG (alpha channel tidak didukung), BMP, WEBP |
Rentang lebar dan tinggi gambar | [240, 8000] piksel | [240, 8000] piksel | [384, 5000] piksel |
Ukuran file | ≤ 20 MB | ≤ 10 MB | ≤ 10 MB |
Rasio aspek | [1:8, 8:1] | Tanpa Batas | [1:4, 4:1] |
Urutan input gambar
Nomor gambar dalam prompt sesuai dengan posisi array: gambar pertama adalah "image 1", gambar kedua adalah "image 2". Anda juga dapat menggunakan penanda seperti "[image 1]" dan "[image 2]".
Gambar input | Gambar output | ||
|---|---|---|---|
![]() Image 1 | ![]() Image 2 | ![]() Prompt: Move image 1 onto image 2 | ![]() Prompt: Move image 2 onto image 1 |
Metode input gambar
Kirimkan gambar menggunakan salah satu metode berikut:
Metode 1: URL publik
Metode 1: URL publik
- Berikan URL gambar HTTP atau HTTPS yang dapat diakses publik.
- Contoh nilai:
https://xxxx/img.png. - Gunakan ketika gambar di-hosting di OSS atau layanan hosting gambar publik.
Metode 2: Encoding Base64
Metode 2: Encoding Base64
data:{MIME_type};base64,{base64_data}.-
Contoh nilai:
data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAABDg......(Ini adalah cuplikan karena keterbatasan panjang). Saat melakukan panggilan, kirimkan string lengkapnya. - {base64_data}: String terenkripsi Base64 dari file gambar.
-
{MIME_type}: Jenis media gambar, yang harus sesuai dengan format file.
Format gambar
MIME Type
JPEG
image/jpeg
JPG
image/jpeg
PNG
image/png
BMP
image/bmp
WEBP
image/webp
- Gunakan untuk transmisi gambar lokal, privat, atau terenkripsi.
Contoh kode: Encoding Base64 untuk gambar
Contoh kode: Encoding Base64 untuk gambar
Metode 3: Jalur file lokal (hanya SDK)
Metode 3: Jalur file lokal (hanya SDK)
-
Python SDK: Mendukung jalur mutlak dan relatif. Aturan jalur file adalah sebagai berikut:
Sistem
Jalur file input
Contoh (jalur mutlak)
Contoh (jalur relatif)
Linux atau macOS
file://{jalur mutlak atau relatif file}
file:///home/images/test.png
file://./images/test.png
Windows
file://D:/images/test.png
file://./images/test.png
-
Java SDK: Hanya mendukung jalur mutlak. Aturan jalur file adalah sebagai berikut:
Sistem
Jalur file input
Contoh (jalur mutlak)
Linux atau macOS
file://{jalur mutlak file}
file:///home/images/test.png
Windows
file:///{jalur mutlak file}
file:///D:/images/test.png
- Gunakan untuk pengujian cepat dalam pengembangan lokal.
Fitur utama
1. Mengikuti instruksi (prompt)
Parameter: messages.content.text atau input.prompt (wajib), negative_prompt (opsional).
- text atau prompt (Positive prompt): Jelaskan konten, subjek, adegan, gaya, pencahayaan, dan komposisi untuk gambar output.
- negative_prompt (Negative prompt): Tentukan konten yang tidak diinginkan, seperti "blurry" atau "extra fingers".
Parameter | wan2.7-image-pro, wan2.7-image | wan2.6-image | wan2.5-i2i-preview |
|---|---|---|---|
text | Wajib, hingga 5.000 karakter | Wajib, hingga 2.000 karakter | Tidak didukung |
prompt | Tidak didukung | Tidak didukung | Wajib, hingga 2.000 karakter |
negative_prompt | Tidak didukung | Didukung, hingga 500 karakter | Didukung, hingga 500 karakter |
2. Aktifkan penulisan ulang prompt cerdas
Parameter: parameters.prompt_extend (bool, default true).
Memperluas prompt pendek untuk meningkatkan kualitas gambar dengan biaya peningkatan waktu respons.
Praktik terbaik:
- Aktifkan: Saat prompt bersifat ringkas atau umum.
- Nonaktifkan: Untuk kontrol detail halus, deskripsi mendetail, atau skenario yang sensitif terhadap latensi. Atur
prompt_extendkefalse.
Parameter | wan2.7-image-pro, wan2.7-image | wan2.6-image | wan2.5-i2i-preview |
|---|---|---|---|
prompt_extend | Tidak didukung | Didukung (hanya dalam mode pengeditan gambar) | Didukung |
3. Atur resolusi gambar output
Parameter: parameters.size (string), dalam format "width*height".
| Parameter | wan2.7-image-pro, wan2.7-image | wan2.6-image | wan2.5-i2i-preview |
|---|---|---|---|
| size | Metode 1: Tentukan resolusi gambar output (disarankan)Dalam mode editing (dengan setidaknya satu gambar yang diberikan), tingkat resolusi output opsional adalah: 1K, 2K (default).
Hanya wan2.7-image-pro dalam skenario text-to-image yang mendukung resolusi 4K. | Metode 1: Gunakan rasio gambar input sebagai referensi (disarankan)Dalam mode editing (enable_interleave=false), tingkat resolusi output opsional adalah: 1K (default), 2K.
Nilai piksel aktual gambar output akan menjadi kelipatan 16 terdekat dari nilai yang ditentukan. | Hanya mendukung penentuan nilai piksel lebar dan tinggi gambar yang dihasilkan
|
4. Pengeditan presisi interaktif
Gunakan parameters.bbox_list untuk memilih wilayah spesifik yang akan diedit. Hanya didukung oleh wan2.7-image-pro dan wan2.7-image.
- Panjang daftar: Harus sesuai dengan jumlah gambar input. Gunakan daftar kosong
[]untuk gambar yang tidak perlu diedit. - Format koordinat:
[x1, y1, x2, y2](x kiri atas, y kiri atas, x kanan bawah, y kanan bawah). Koordinat menggunakan nilai piksel absolut dengan origin (0, 0) di pojok kiri atas, sumbu-x ke kanan, sumbu-y ke bawah. - Batas jumlah: Maksimal 2 bounding box per gambar.
Klik untuk melihat contoh pemanggilan
Klik untuk melihat contoh pemanggilan
Cara menentukan koordinat wilayah pengeditan
Cara menentukan koordinat wilayah pengeditan
Billing dan rate limits
- Kuota gratis dan harga: Daftar model dan harga.
- Untuk rate limits, lihat Wanxiang.
-
Billing:
- Biaya dikenakan per gambar yang berhasil dihasilkan. Anda hanya dikenai biaya ketika API mengembalikan
task_statusbernilaiSUCCEEDED. - Pemanggilan model yang gagal atau error pemrosesan tidak dikenai biaya apa pun dan tidak mengurangi kuota gratis.
- Biaya dikenakan per gambar yang berhasil dihasilkan. Anda hanya dikenai biaya ketika API mengembalikan
Referensi API
Setiap model menggunakan titik akhir dan struktur permintaan yang berbeda:
Model | Endpoint(Contoh untuk Wilayah Singapura) |
|---|---|
| Sync API: Async API: Ganti |
| Async API: Ganti |
wan2.7/wan2.6: Gunakan formatmessages. Dalam arraymessages[].content, masukkan gambar melalui parameterimagedan prompt melalui parametertext.wan2.5: Masukkan gambar dalam arrayinput.imagesdan prompt dalam parameterinput.prompt.




































