Elija Auto, TokenLab Verified o Official para cada solicitud, con los precios mostrados por adelantado. Ver las novedades

Baidu: ERNIE-Image

ERNIE-Image es el modelo de texto a imagen de 8B de Baidu, construido sobre una arquitectura de transformador de difusión de flujo único. Está diseñado para una fuerte adherencia a las instrucciones, un renderizado de texto fiable y una generación visual estructurada, lo que lo hace muy adecuado para pósteres, cómics, guiones gráficos, diseños de paneles múltiples y otros flujos de trabajo donde la precisión del contenido y la composición son tan importantes como la estética. El modelo estándar enfatiza una capacidad de propósito general más fuerte y fidelidad a las instrucciones, funcionando normalmente a unos 50 pasos de inferencia.
Comparar modelos
ernie-image
DisponibleBaiduImagenSíncrono
Precio
Desde $0.0038
Modalidades
Imagen

Sobre ERNIE-Image

ERNIE-Image es el modelo de texto a imagen de pesos abiertos de Baidu, un Transformer de difusión de flujo único de 8 mil millones de parámetros emparejado con un potenciador de prompts ligero que expande los prompts cortos. Está diseñado para seguir instrucciones y para renderizar texto largo, denso y sensible al diseño, lo que se adapta a pósteres, infografías, cómics y diseños de múltiples paneles. Este es el modelo estándar, que normalmente se ejecuta en unos 50 pasos.

Puntos fuertes

  • Renderiza texto denso y extenso dentro de las imágenes, lo cual la ficha técnica de Baidu destaca para pósteres, infografías y visuales de estilo interfaz de usuario.
  • Sigue instrucciones complejas de múltiples objetos, por lo que un prompt con varios sujetos y relaciones tiende a situarlos donde usted indicó.
  • Maneja diseños estructurados como cómics, guiones gráficos y páginas de múltiples paneles donde la composición importa tanto como el estilo.
  • El potenciador de prompts integrado convierte una solicitud breve en una descripción más rica antes de la generación.

Cuándo buscar otra opción

  • Solo acepta prompts de texto; no hay entrada de edición de imagen o imagen de referencia en este modelo.
  • El modelo estándar es más lento que ERNIE-Image-Turbo porque ejecuta muchos más pasos de eliminación de ruido (denoising).
  • Está ajustado para resultados estructurados y cargados de texto, así que elija un modelo diferente para retratos fotorrealistas o estilos pictóricos.

Primeros pasos

  1. Crear clave API

    Genera una clave en Console y úsala con cualquier modelo de la plataforma.

  2. Envía tu primera solicitud

    Copia el ejemplo para tu lenguaje y ejecútalo contra el endpoint.

    Texto a imagenEndpoint de TokenLab
    POST/v1/images/generations
    curl -X POST "https://api.tokenlab.sh/v1/images/generations" \
      -H "Authorization: Bearer sk-xxx" \
      -H "Content-Type: application/json" \
      -d '{
      "operation": "text-to-image",
      "model": "ernie-image",
      "prompt": "A minimalist product photo of matte black headphones on a soft blue background."
    }'

Parámetros

Texto a imagen

ParámetroValores y límitesPredeterminadoNotas
cfg_scale≥ 0, ≤ 20No especificadoUse multiples of 0.01.
guidance_scale≥ 0, ≤ 20No especificadoUse multiples of 0.01.
height≤ 20481024Use an integer. Use multiples of 16.
n11Use an integer.
operationNo especificadoNo especificadoNo especificado
output_formatjpeg, png, webpNo especificadoDefault encoding is shared by these equivalent values: jpg, jpeg.
promptNo especificadoNo especificadoNo especificado
seed≥ 0, ≤ 9007199254740991No especificadoUse an integer.
steps≥ 15, ≤ 5030Use an integer.
width≤ 20481024Use an integer. Use multiples of 16.

Fields outside this contract are rejected.

Precios

El precio Verified se aplica a Verified, que cuesta menos en la mayoría de los modelos. El precio Official es el precio publicado por el fabricante del modelo y se aplica a la ruta Official, más fiable. Auto factura la ruta que completa la solicitud.

Texto a imagen

por solicitud
Precio Official
$0.0038
Precio Verified
—
Descuento
—

Uso y actividad

La tasa de éxito es la proporción de solicitudes completadas. La latencia es cuánto tarda una respuesta completa; P95 significa que el 95 % de las solicitudes terminaron dentro de ese tiempo.

Uso y disponibilidad

Últimas 24 horas
Solicitudes
Tasa de éxito
Latencia P95
Total de tokens
Desempeño del modelo
Las métricas aparecerán una vez que se alcancen los umbrales de privacidad y volumen de datos.

Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.

Abrir en Console

Abre ERNIE-Image en Console con un prompt listo para editar o enviar.

Ayúdame a crear una imagen con ernie-image usando text-to-image en /v1/images/generations. Muestra el resultado, el coste y las limitaciones relevantes.

Casos de uso

Ideal para
  • Texto a imagen
  • Pósteres e infografías

    Genere un póster con un titular, subtítulo y texto con viñetas colocados en el diseño que describa, luego itere sobre la redacción.

  • Cómics y guiones gráficos

    Produzca páginas de múltiples paneles donde cada panel tenga su propia escena y pie de foto, manteniendo la estructura de paneles de su prompt.

  • Visuales de maquetas de interfaz de usuario

    Cree imágenes con estilo de pantalla de aplicación con etiquetas y botones para presentaciones y revisiones de conceptos.

Ejemplos de prompts

Un póster de concierto vertical, titular 'NIGHT MARKET LIVE' en letra roja negrita, tres bandas listadas debajo y una calle iluminada por farolillos en la parte inferior.

Un cómic de cuatro paneles sobre un gato aprendiendo a programar, con un breve pie de foto debajo de cada panel y un diseño de personaje consistente.

Una infografía titulada 'How a Bill Becomes Law' con cinco pasos numerados, cada uno con una etiqueta corta y un icono simple.

FAQ

¿Qué es ERNIE-Image y quién lo fabrica?

Es el modelo de texto a imagen de Baidu con 8 mil millones de parámetros, construido sobre un Transformer de difusión de flujo único. Se publica bajo la licencia Apache 2.0 y apunta a un seguimiento preciso de las instrucciones y texto legible, en lugar de solo a la estética.

¿Cómo renderiza texto ERNIE-Image?

La ficha técnica del modelo de Baidu presenta el texto largo, denso y sensible al diseño como una capacidad destacada, razón por la cual los pósteres, infografías e imágenes tipo interfaz de usuario son su objetivo. Compruebe las cadenas entrecomilladas cortas en sus resultados, ya que cualquier modelo de imagen aún puede escribir mal algunas palabras.

¿Cuál es la diferencia entre ERNIE-Image y ERNIE-Image-Turbo?

ERNIE-Image ejecuta unos 50 pasos de inferencia y enfatiza la capacidad general y la fidelidad a las instrucciones. ERNIE-Image-Turbo es una variante destilada que necesita 8 pasos, por lo que es mucho más rápida y favorece la velocidad y una estética pulida sobre la fidelidad del modelo base.

¿Edita ERNIE-Image imágenes existentes?

No. El catálogo enumera solo texto a imagen para este modelo. Usted proporciona un prompt de texto y obtiene una nueva imagen. Para edición o generación basada en referencias, elija un modelo de imagen que enumere operaciones de edición.

¿Cuánto cuesta ERNIE-Image?

En TokenLab, ERNIE-Image cuesta $0.0038 por solicitud. La tabla de precios arriba muestra el desglose completo. Las tarifas dependen de la unidad de facturación, la especificación y el uso. Compare condiciones iguales en el precio detallado del modelo; una sola tarifa no determina el coste total.

¿Qué endpoint debe usar ERNIE-Image?

Utiliza https://api.tokenlab.sh/v1/images/generations para ERNIE-Image. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.

¿Qué operaciones soporta ERNIE-Image?

ERNIE-Image admite Texto a imagen. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.

Comparar ERNIE-Image

Fuentes

Revisado el 2 oct 2026

Más de Baidu

Modelos relacionados