Texto para imagem

• Model Experience Center: Clique em um link Experimente online acima (Singapore, Beijing) para abri-lo. Selecione um modelo, defina a resolução de saída, ative a reescrita de prompt e envie para gerar imagens.

​

Desempenho dos modelos

​

Qwen-Image

Layout complexo	Parágrafo longo	Retrato realista
Design de UI	PPT	Design de ilustração

​

Wanxiang

Fotografia de retrato	Fotografia fotorrealista	Estilos artísticos
Renderização de texto	Design de pôster	Geração de conjunto de imagens

​

Seleção de modelos

• qwen-image-3.0-pro: Modelo principal da família Qwen Image 3.0. Oferece suporte à reescrita inteligente de prompts e destaca-se na renderização de texto que se integra naturalmente a materiais físicos, tanto em chinês quanto em inglês.
• wan2.7-image-pro: Disponibiliza o maior conjunto de recursos, incluindo geração de múltiplas imagens, resoluções de até 4096x4096 e controle aprimorado sobre traços faciais, cores e renderização de textos longos.
• z-image-turbo: Proporciona geração de imagens rápida e econômica, com excelente desempenho em retratos altamente realistas e imagens de products.

​

Opções de uso

​

Início rápido

​

Pré-requisitos

​

Código de exemplo

• Todos os modelos de texto para imagem da família Qwen aceitam chamadas síncronas. A série qwen-image-3.0, além dos modelos qwen-image-plus e qwen-image, também permite chamadas assíncronas. Para mais detalhes, consulte Qwen - Image Generation and Editing 3.0 e Qwen - Text-to-Image.
• Todos os modelos de texto para imagem da família Wan aceitam chamadas assíncronas. Os modelos wan2.7-image-pro, wan2.7-image, wan2.6-image e wan2.6-t2i também oferecem suporte a chamadas síncronas. Para mais informações, veja Wan - Image Generation and Editing 2.7, Wan - Image Generation and Editing 2.6 e Wan - Text-to-Image V2.

import os
import dashscope
from dashscope import MultiModalConversation

dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'

response = MultiModalConversation.call(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen-image-3.0-pro",
    messages=[{
        "role": "user",
        "content": [
            {"text": "A vertical outdoor portrait photograph with a warm afternoon street atmosphere. Deep green vines and small orange flowers cascade from building eaves across the upper area. A dark blue sign reads 'Il Messaggero' in white Gothic lettering, partially obscured by foliage. Below, a newsstand displays newspapers behind black metal-framed glass, blurred by shallow depth of field. Strong backlight streams from the street's end. Center-right, a young woman in a black spaghetti-strap backless dress looks back at the camera with a warm smile. Her long, thick wavy black hair is outlined by golden rim light. She has fair skin, bright eyes, soft coral-red lips, and holds a large bouquet of orange, apricot, pink and peach roses contrasting with her black dress. The sunlit city street stretches into the blurred background. Warm film-like tones with fine grain, soft contrast and pronounced backlit edge glow create a romantic, bright, urban strolling atmosphere."}
        ]
    }],
    prompt_extend=True
)

print(response)
if response.status_code == 200:
    url = response.output.choices[0].message.content[0]["image"]
    print(f"Generated image URL: {url}")
else:
    print(f"Error: {response.code} - {response.message}")

import java.util.Arrays;
import java.util.Collections;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.utils.Constants;

public class ImageEditExample {
    public static void main(String[] args) {
        Constants.baseHttpApiUrl = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1";

        MultiModalConversation conv = new MultiModalConversation();
        MultiModalMessage userMessage = MultiModalMessage.builder()
            .role(Role.USER.getValue())
            .content(Arrays.asList(
                Collections.singletonMap("text", "A vertical outdoor portrait photograph with a warm afternoon street atmosphere. Deep green vines and small orange flowers cascade from building eaves across the upper area. A dark blue sign reads 'Il Messaggero' in white Gothic lettering, partially obscured by foliage. Below, a newsstand displays newspapers behind black metal-framed glass, blurred by shallow depth of field. Strong backlight streams from the street's end. Center-right, a young woman in a black spaghetti-strap backless dress looks back at the camera with a warm smile. Her long, thick wavy black hair is outlined by golden rim light. She has fair skin, bright eyes, soft coral-red lips, and holds a large bouquet of orange, apricot, pink and peach roses contrasting with her black dress. The sunlit city street stretches into the blurred background. Warm film-like tones with fine grain, soft contrast and pronounced backlit edge glow create a romantic, bright, urban strolling atmosphere.")
            ))
            .build();
        MultiModalConversationParam param = MultiModalConversationParam.builder()
            .apiKey(System.getenv("DASHSCOPE_API_KEY"))
            .model("qwen-image-3.0-pro")
            .messages(Arrays.asList(userMessage))
            .parameter("prompt_extend", true)
            .build();
        try {
            MultiModalConversationResult result = conv.call(param);
            System.out.println(result);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--data '{
    "model": "qwen-image-3.0-pro",
    "input": {
        "messages": [
            {
                "role": "user",
                "content": [
                    {
                        "text": "A vertical outdoor portrait photograph with a warm afternoon street atmosphere. Deep green vines and small orange flowers cascade from building eaves across the upper area. A dark blue sign reads '\''Il Messaggero'\'' in white Gothic lettering, partially obscured by foliage. Below, a newsstand displays newspapers behind black metal-framed glass, blurred by shallow depth of field. Strong backlight streams from the street'\''s end. Center-right, a young woman in a black spaghetti-strap backless dress looks back at the camera with a warm smile. Her long, thick wavy black hair is outlined by golden rim light. She has fair skin, bright eyes, soft coral-red lips, and holds a large bouquet of orange, apricot, pink and peach roses contrasting with her black dress. The sunlit city street stretches into the blurred background. Warm film-like tones with fine grain, soft contrast and pronounced backlit edge glow create a romantic, bright, urban strolling atmosphere."
                    }
                ]
            }
        ]
    },
    "parameters": {
        "prompt_extend": true
    }
}'

{
    "output": {
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "content": [
                        {
                            "image": "https://dashscope-result-sz.oss-cn-shenzhen.aliyuncs.com/xxx.png?Expires=xxx"
                        }
                    ],
                    "role": "assistant"
                }
            }
        ]
    },
    "usage": {
        "output_height": 1024,
        "output_width": 1024,
        "input_image_count": 1,
        "input_image_type": "qima_input_1k",
        "output_image_count": 1,
        "output_image_type": "qima_output_1k"
    },
    "request_id": "571ae02f-5c9d-436c-83c2-f221e6df0xxx"
}

import os
import dashscope
from dashscope.aigc.image_generation import ImageGeneration
from dashscope.api_entities.dashscope_response import Message

# This is the base URL for the Singapore region; base URLs are region-specific.
dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'

# If the environment variable is not set, replace the following line with your Model Studio API key: api_key="sk-xxx"
# API keys vary by region. To get an API key, visit: https://www.alibabacloud.com/help/en/model-studio/get-api-key
api_key = os.getenv("DASHSCOPE_API_KEY")

def main():
    message = Message(
        role="user",
        content=[
            {"text": "A young woman in a natural, casual selfie style. An ultra-high-definition, realistic lifestyle photo. She is wearing a yellow floral long-sleeved top, and her long, slightly wavy hair falls naturally. The background is an outdoor natural scene with green plants nearby and water and mountains in the distance. Soft, natural sunlight falls on her face and body, creating natural light and shadow effects. The camera angle is a medium shot from a selfie perspective, as if held by her. She is standing naturally, projecting a relaxed and comfortable state. The angle is natural, in the style of a casual snapshot—an unguarded moment."}
        ]
    )

    # Submit an asynchronous task.
    print("Submitting the asynchronous task...")
    response = ImageGeneration.async_call(
        model="wan2.7-image-pro",
        api_key=api_key,
        messages=[message],
        enable_sequential=False,
        n=1,
        size="2K"
    )

    if response.status_code == 200:
        print(f"Task submitted successfully. Task ID: {response.output.task_id}")

        # Wait for the task to complete.
        status = ImageGeneration.wait(task=response, api_key=api_key)

        if status.output.task_status == "SUCCEEDED":
            print("Task completed!")
            print(f"Result:")
            print(status)
        else:
            print(f"Task failed. Status: {status.output.task_status}")
    else:
        print(f"Task creation failed: {response.code} - {response.message}")

if __name__ == "__main__":
    try:
        main()
    except Exception as e:
        print(f"Error: {e}")

{
    "status_code": 200,
    "request_id": "4fb3050f-de57-4a24-84ff-e37ee5xxxxxx",
    "code": "",
    "message": "",
    "output": {
        "text": null,
        "finish_reason": null,
        "choices": null,
        "audio": null,
        "task_id": "77093787-a217-4c29-9cd4-ca7b5ac86xxx",
        "task_status": "PENDING"
    },
    "usage": {
        "input_tokens": 0,
        "output_tokens": 0,
        "characters": 0
    }
}

{
    "status_code": 200,
    "request_id": "56e318fd-ed60-99e8-8ca1-cdef25ca4xxx",
    "code": "",
    "message": "",
    "output": {
        "text": null,
        "finish_reason": null,
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "role": "assistant",
                    "content": [
                        {
                            "image": "https://dashscope-result-bj.oss-cn-beijing.aliyuncs.com/xxxxxx.png?Expires=xxxxxx",
                            "type": "image"
                        }
                    ]
                }
            }
        ],
        "audio": null,
        "task_id": "77093787-a217-4c29-9cd4-ca7b5ac86xxx",
        "task_status": "SUCCEEDED",
        "submit_time": "2026-03-31 23:04:46.166",
        "scheduled_time": "2026-03-31 23:04:46.208",
        "end_time": "2026-03-31 23:05:11.664",
        "finished": true
    },
    "usage": {
        "input_tokens": 720,
        "output_tokens": 11,
        "characters": 0,
        "size": "2048*2048",
        "total_tokens": 731,
        "image_count": 1
    }
}

import com.alibaba.dashscope.aigc.imagegeneration.*;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.JsonUtils;

import java.util.Collections;

public class Main {

    // This is the base URL for the Singapore region; base URLs are region-specific.
    static String baseUrl = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1";

    // If the environment variable is not set, replace the following line with your Model Studio API key: apiKey="sk-xxx"
    // API keys vary by region. To get an API key, visit: https://www.alibabacloud.com/help/en/model-studio/get-api-key
    static String apiKey = System.getenv("DASHSCOPE_API_KEY");

    public static ImageGenerationResult waitTask(String taskId)
            throws ApiException, NoApiKeyException {
        ImageGeneration imageGeneration = new ImageGeneration(apiKey, baseUrl);
        return imageGeneration.wait(taskId, apiKey);
    }

    public static void asyncCall() throws ApiException, NoApiKeyException, UploadFileException {
        ImageGenerationMessage message = ImageGenerationMessage.builder()
                .role("user")
                .content(Collections.singletonList(
                        Collections.singletonMap("text", "A young woman in a natural, casual selfie style. An ultra-high-definition, realistic lifestyle photo. She is wearing a yellow floral long-sleeved top, and her long, slightly wavy hair falls naturally. The background is an outdoor natural scene with green plants nearby and water and mountains in the distance. Soft, natural sunlight falls on her face and body, creating natural light and shadow effects. The camera angle is a medium shot from a selfie perspective, as if held by her. She is standing naturally, projecting a relaxed and comfortable state. The angle is natural, in the style of a casual snapshot—an unguarded moment.")
                )).build();

        ImageGenerationParam param = ImageGenerationParam.builder()
                .apiKey(apiKey)
                .model("wan2.7-image-pro")
                .messages(Collections.singletonList(message))
                .enableSequential(false)
                .n(1)
                .size("2K")
                .build();

        ImageGeneration imageGeneration = new ImageGeneration(apiKey, baseUrl);
        ImageGenerationResult taskResult = null;
        try {
            System.out.println("----async call, creating task----");
            taskResult = imageGeneration.asyncCall(param);
        } catch (ApiException | NoApiKeyException | UploadFileException e) {
            throw new RuntimeException(e.getMessage());
        }
        System.out.println("Task created: " + JsonUtils.toJson(taskResult));

        // Wait for the task to complete.
        String taskId = taskResult.getOutput().getTaskId();
        ImageGenerationResult result = waitTask(taskId);
        System.out.println(JsonUtils.toJson(result));
    }

    public static void main(String[] args) {
        try {
            asyncCall();
        } catch (ApiException | NoApiKeyException | UploadFileException e) {
            System.out.println(e.getMessage());
        }
    }
}

{
    "requestId": "7d026dc1-e8c9-9caa-84ac-e82e2da97xxx",
    "output": {
        "task_id": "2de18c56-c151-4b80-8105-1d164733exxx",
        "task_status": "PENDING"
    },
    "status_code": 200,
    "code": "",
    "message": ""
}

{
    "requestId": "daea7295-4ce0-928a-9a11-4d2bea058xxx",
    "usage": {
        "input_tokens": 720,
        "output_tokens": 11,
        "total_tokens": 731,
        "image_count": 1,
        "size": "2048*2048"
    },
    "output": {
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "role": "assistant",
                    "content": [
                        {
                            "image": "https://dashscope-result-bj.oss-cn-beijing.aliyuncs.com/xxxxxx.png?Expires=xxxxxx",
                            "type": "image"
                        }
                    ]
                }
            }
        ],
        "task_id": "2de18c56-c151-4b80-8105-1d164733exxx",
        "task_status": "SUCCEEDED",
        "finished": true,
        "submit_time": "2026-03-31 19:49:53.124",
        "scheduled_time": "2026-03-31 19:49:53.175",
        "end_time": "2026-03-31 19:50:53.160"
    },
    "status_code": 200,
    "code": "",
    "message": ""
}

curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/image-generation/generation' \
    --header 'Content-Type: application/json' \
    --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
    --header "X-DashScope-Async: enable" \
    --data '{
        "model": "wan2.7-image-pro",
        "input": {
            "messages": [
                {
                    "role": "user",
                    "content": [
                        {"text": "A flower shop with exquisite windows, a beautiful wooden door, and flowers on display"}
                    ]
                }
            ]
        },
        "parameters": {
            "size": "2K",
            "n": 1,
            "watermark": false,
            "thinking_mode": true
        }
    }'

curl -X GET https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id} \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"

​

Principais capacidades

​

1. Seguimento de prompt

• prompt: Descreve o conteúdo desejado para a imagem, incluindo sujeito, cena, estilo, iluminação e composição. Trata-se do parâmetro central para controlar a geração de texto para imagem.
• negative prompt: Especifica o que deve ser excluído da imagem, como "desfocado" ou "dedos extras". Esse parâmetro ajuda a refinar a qualidade do resultado.

Os modelos wan2.7-image-pro e wan2.7-image não oferecem suporte ao parâmetro negative_prompt. Para excluir elementos indesejados, descreva essa exclusão no próprio prompt (por exemplo, "não incluir xxx").

​

2. Ative reescrita de prompt

• Ative este recurso para prompts breves ou genéricos a fim de melhorar significativamente a qualidade da imagem.
• Desative-o caso precise de controle preciso sobre detalhes da imagem, já tenha fornecido um prompt abrangente ou se a latência de resposta for uma preocupação. Para desativar, defina o parâmetro prompt_extend como false.

Os modelos wan2.7-image-pro e wan2.7-image não suportam o parâmetro prompt_extend. Para melhorar a qualidade da imagem nesses modelos, ative o thinking_mode em vez disso. Os modelos qwen-image-3.0-pro e qwen-image-3.0 aceitam o parâmetro prompt_extend (ativado por padrão).

• direct: Aprimoramento Direto de Prompt (DPE), adequado para a maioria dos cenários. Suportado tanto para texto para imagem (T2I) quanto para imagem para imagem/edição (I2I).
• agent: Aprimoramento de Prompt por Agente (APE), oferece uma reescrita mais refinada. Suportado apenas para texto para imagem (T2I). Passar agent para imagem para imagem/edição (I2I) retorna um erro 400.

​

3. Defina a resolução da imagem de saída

O modelo wan2.7-image-pro suporta resolução 4K e resoluções personalizadas de até 40964096, mas apenas para tarefas de texto para imagem (onde nenhuma imagem é inserida e a geração de conjunto de imagens está desativada). Todos os outros cenários são limitados à resolução 2K (20482048).

• 1664*928 (padrão): 16:9
• 1472*1104: 4:3
• 1328*1328: 1:1
• 1104*1472: 3:4
• 928*1664: 9:16

​

4. Geração de conjunto de imagens

• Quantidade de imagens: Controlada pelo parâmetro n. Quando este modo está ativado, o valor pode variar de 1 a 12, com padrão de 12. O modelo determina a quantidade real de imagens geradas, que não excederá n.
• Observação: Com a geração de conjunto de imagens ativada, os parâmetros thinking_mode e color_palette ficam indisponíveis.

​

5. Modo de raciocínio

Disponível apenas quando a geração de conjunto de imagens está desativada ( enable_sequential=false ).

​

6. Paleta de cores personalizada

Disponível apenas quando a geração de conjunto de imagens está desativada ( enable_sequential=false ).

"color_palette": [
    {
        "hex": "#C2D1E6",
        "ratio": "23.51%"
    },
    {
        "hex": "#CDD8E9",
        "ratio": "20.13%"
    },
    {
        "hex": "#B5C8DB",
        "ratio": "15.88%"
    },
    {
        "hex": "#C0B5B4",
        "ratio": "13.27%"
    },
    {
        "hex": "#DAE0EC",
        "ratio": "10.11%"
    },
    {
        "hex": "#636574",
        "ratio": "8.93%"
    },
    {
        "hex": "#CACAD2",
        "ratio": "5.55%"
    },
    {
        "hex": "#CBD4E4",
        "ratio": "2.62%"
    }
]

​

Implantação em produção

• Tolerância a falhas
  • Tratamento de limitação de taxa: Quando a API retornar o código de erro Throttling ou o status HTTP 429, significa que a limitação de taxa foi acionada. Para lidar com essa situação, consulte Rate Limiting.
  • Consulta periódica para tarefas assíncronas: Ao consultar o resultado de uma tarefa assíncrona, implemente uma estratégia de polling adequada para evitar o acionamento da limitação de taxa. Por exemplo, faça consultas a cada 3 segundos nos primeiros 30 segundos e depois aumente o intervalo. Defina um tempo limite final para a tarefa (por exemplo, 2 minutos). Se a tarefa expirar, marque-a como falha.
• Prevenção de riscos
  • Persistência de resultados: As URLs das imagens da API têm validade de 24 horas. Seu sistema de produção deve baixe a imagem imediatamente após receber a URL e transferi-la para seu próprio service de armazenamento persistente, como o Object Storage Service (OSS) do Alibaba Cloud.
  • Moderação de conteúdo: Todas as entradas de prompt e negative_prompt passam por moderação de conteúdo. Se a entrada não estiver em conformidade, a solicitação será bloqueada e um erro DataInspectionFailed será retornado.
  • Riscos de direitos autorais e conformidade do conteúdo gerado: Garanta que seus prompts estejam em conformidade com todas as leis e regulamentos aplicáveis. Gerar conteúdo que inclua marcas registradas, semelhanças de celebridades ou propriedade intelectual (IP) protegida por direitos autorais pode representar riscos de violação. Você é responsável por avaliar e assumir todos os riscos associados.

​

Referência da API

• Qwen - Image Generation and Editing 3.0
• Qwen-Image
• Wan2.7 - image generation and editing
• Wan2.6 - image generation and editing
• Wan - text-to-image v2
• Z-Image - text-to-image

​

Faturamento e limitação de taxa

• Para cotas gratuitas e preços, consulte model pricing.
• Para limites de taxa, consulte Image generation.
• A cobrança ocorre apenas por imagens geradas com sucesso. Solicitações com falha e erros de processamento não geram cobranças nem consomem a free quota for new users.

​

Códigos de erro

​

FAQ