Baidu: ERNIE-Image
ernie-image- 価格
- 価格 $0.0038
- モダリティ
- 画像
ERNIE-Image について
ERNIE-ImageはBaiduのオープンウェイトのテキスト・トゥ・イメージモデルです。80億パラメータのシングルストリームDiffusion Transformerと、短いプロンプトを拡張する軽量なプロンプトエンハンサーを組み合わせています。指示への追従や、ポスター、インフォグラフィック、コミック、マルチパネルレイアウトに適した、長く高密度でレイアウトに敏感なテキストのレンダリングを目的として構築されています。これは標準モデルであり、通常約50ステップで実行されます。
得意なこと
- 画像内に高密度で長いテキストをレンダリングできます。Baiduのモデルカードでは、ポスター、インフォグラフィック、UIスタイルのビジュアルに適していると強調されています。
- 複雑な複数オブジェクトの指示に従うため、複数の被写体や関係性を含むプロンプトでも、指定した位置に配置されやすくなっています。
- スタイルと同じくらい構成が重要な、コミック、絵コンテ、マルチパネルページなどの構造化されたレイアウトを扱えます。
- 内蔵のプロンプトエンハンサーが、生成前に短いリクエストをより豊かな描写へと変換します。
他のモデルを検討すべきケース
- テキストプロンプトのみを受け付けます。このモデルには画像編集や参照画像の入力機能はありません。
- 標準モデルは、より多くのノイズ除去ステップを実行するため、ERNIE-Image-Turboよりも低速です。
- 構造化されたテキスト主体の出力に調整されているため、フォトリアルなポートレートや絵画的なスタイルには別のモデルを選択してください。
はじめに
最初のキーを作成
Consoleでキーを作成すれば、プラットフォーム内のすべてのモデルで使えます。
最初のリクエストを送信する
お使いの言語の例をコピーして、エンドポイントに対して実行してください。
テキストから画像TokenLab エンドポイントPOST/v1/images/generationscurl -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." }'
パラメータ
テキストから画像
| パラメーター | 値と制限 | デフォルト | 注記 |
|---|---|---|---|
cfg_scale | ≥ 0, ≤ 20 | 未提供 | Use multiples of 0.01. |
guidance_scale | ≥ 0, ≤ 20 | 未提供 | Use multiples of 0.01. |
height | ≤ 2048 | 1024 | Use an integer. Use multiples of 16. |
n | 1 | 1 | Use an integer. |
operation | 未提供 | 未提供 | 未提供 |
output_format | jpeg, png, webp | 未提供 | Default encoding is shared by these equivalent values: jpg, jpeg. |
prompt | 未提供 | 未提供 | 未提供 |
seed | ≥ 0, ≤ 9007199254740991 | 未提供 | Use an integer. |
steps | ≥ 15, ≤ 50 | 30 | Use an integer. |
width | ≤ 2048 | 1024 | Use an integer. Use multiples of 16. |
Fields outside this contract are rejected.
料金
Verified 価格は Verified に適用され、多くのモデルでより低コストです。Official 価格はモデルのメーカーが公表する価格で、信頼性の高い Official ルートに適用されます。Auto はリクエストを完了したルートの価格で課金します。
テキストから画像
1リクエストあたり- Official 価格
- $0.0038
- Verified 価格
- —
- 割引
- —
| Official 価格1リクエストあたり | Verified 価格1リクエストあたり | 割引 | |
|---|---|---|---|
| テキストから画像 | $0.0038 | — | — |
使用状況とアクティビティ
成功率は完了したリクエストの割合です。レイテンシは完全なレスポンスにかかる時間で、P95 は 95% のリクエストがその時間内に完了したことを意味します。
使用量と可用性
過去24時間- リクエスト数
- 成功率
- P95 レイテンシ
- 合計トークン数
データはステータスチェックを除外した、集計済みのユーザーリクエストに基づいています。
Consoleで開く
ConsoleでERNIE-Imageを開き、プロンプトを編集・送信できます。
ernie-imageと/v1/images/generationsでtext-to-imageを実行。結果、コスト、制限事項を表示します。
ユースケース
向いている用途- テキストから画像
ポスターとインフォグラフィック
見出し、サブタイトル、箇条書きテキストを指定したレイアウトで配置したポスターを生成し、文言を調整できます。
コミックと絵コンテ
各パネルに独自のシーンとキャプションがあり、プロンプトで指定したパネル構造を維持したマルチパネルページを作成できます。
UIモックアップのビジュアル
ピッチデッキやコンセプトレビュー用に、ラベルやボタンが付いたアプリ画面風の画像を作成できます。
プロンプト例
縦型のコンサートポスター。太い赤字で「NIGHT MARKET LIVE」という見出しがあり、その下に3つのバンド名が記載され、下部には提灯に照らされた通りが描かれている。
プログラミングを学ぶ猫を描いた4コマ漫画。各パネルの下に短いキャプションがあり、キャラクターデザインが一貫している。
「How a Bill Becomes Law(法案が法律になるまで)」というタイトルのインフォグラフィック。5つの番号付きステップがあり、それぞれに短いラベルとシンプルなアイコンが付いている。
FAQ
ERNIE-Imageとは何ですか?また、誰が開発しましたか?
Baiduが開発した80億パラメータのテキスト・トゥ・イメージモデルで、シングルストリームDiffusion Transformerに基づいています。Apache 2.0ライセンスで公開されており、単なる美しさだけでなく、正確な指示への追従と読みやすいテキストのレンダリングを目指しています。
ERNIE-Imageはどのようにテキストをレンダリングしますか?
Baiduのモデルカードでは、長く高密度でレイアウトに敏感なテキストのレンダリングが際立った能力として紹介されており、ポスターやインフォグラフィック、UI風の画像がターゲットとなっています。どの画像モデルでも一部の単語のスペルを間違える可能性があるため、出力結果の短い引用文字列は確認してください。
ERNIE-ImageとERNIE-Image-Turboの違いは何ですか?
ERNIE-Imageは約50回の推論ステップを実行し、汎用能力と指示への忠実度を重視します。ERNIE-Image-Turboは8ステップで済む蒸留バリアントであり、はるかに高速です。ベースモデルの忠実度よりも、速度と洗練された美しさを優先しています。
ERNIE-Imageは既存の画像を編集できますか?
いいえ。このモデルのカタログにはテキスト・トゥ・イメージ機能のみが記載されています。テキストプロンプトを入力して新しい画像を生成します。編集や参照に基づく生成を行う場合は、編集操作が記載されている画像モデルを選択してください。
ERNIE-Image の料金はいくらですか?
TokenLab では ERNIE-Image は $0.0038 1リクエストあたり です。詳細は上の料金表を参照してください。 料金は課金単位・仕様・使用量によって異なります。モデルの詳細な料金で同条件同士を比較してください。単一のレートで総額は決まりません。
ERNIE-Image はどのエンドポイントを使うべきですか?
ERNIE-Image のデフォルトは https://api.tokenlab.sh/v1/images/generations です。プロバイダーネイティブ形式に対応している場合は、API workbench にそのエンドポイントも表示されます。
ERNIE-Image はどの操作に対応していますか?
ERNIE-Image は テキストから画像 に対応しています。上の API workbench で操作を選ぶと、対応するエンドポイントとコード例が表示されます。
ERNIE-Image を比較する
ソース
2026/10/02 時点での評価