Pruna AI: P-Image-Edit
p-image-edit- 가격
- 부터 $0.01
- 모달리티
- 이미지
P-Image-Edit 소개
P-Image-Edit은 Pruna AI의 이미지 편집 모델로, 텍스트 지시어와 1~5개의 참조 이미지를 입력받아 새로운 이미지를 생성합니다. 이 모델은 특정 부분 편집, 스타일 전이, 여러 입력을 결합한 합성을 처리합니다. 기본적으로 활성화되어 있는 터보(turbo) 설정을 사용하면 속도가 빨라지며, 복잡한 작업 시에는 이를 끌 수 있습니다. P-Image의 편집 대응 모델입니다.
강점
- 한 번의 호출로 1~5개의 참조 이미지를 입력받아 다중 이미지 합성이 가능합니다.
- 기본 참조 이미지를 선택하거나 모델이 모든 입력을 결합하도록 할 수 있습니다.
- 출력 비율을 입력 이미지에 맞출 수 있어 편집 후 잘림 현상을 방지합니다.
- 터보 모드는 속도를 위해 약간의 충실도를 희생하며, 어려운 편집 작업 시에는 비활성화할 수 있습니다.
다른 모델이 필요한 경우
- 복잡한 편집 작업은 터보 모드를 꺼야 할 수도 있으며, 이 경우 처리 속도가 느려집니다.
- 이미지를 기반으로 편집 및 합성을 수행합니다. 텍스트만으로 그림을 생성하는 작업은 P-Image의 역할입니다.
시작하기
API 키 만들기
Console에서 키를 만들고 플랫폼의 모든 모델에 사용하세요.
첫 번째 요청 보내기
사용 중인 언어의 예시를 복사하여 엔드포인트에 실행하세요.
이미지 편집TokenLab 엔드포인트POST/v1/images/generationscurl -X POST "https://api.tokenlab.sh/v1/images/generations" \ -H "Authorization: Bearer sk-xxx" \ -H "Content-Type: application/json" \ -d '{ "operation": "image-to-image", "model": "p-image-edit", "prompt": "A minimalist product photo of matte black headphones on a soft blue background.", "image_url": "https://example.com/source.png" }'
매개변수
이미지 편집
| 매개변수 | 값 및 제한 | 기본값 | 참고 |
|---|---|---|---|
height | 제공되지 않음 | 1024 | Use an integer. |
image | 제공되지 않음 | 제공되지 않음 | Alias of the combined images input. See input_limits.images for the total input image count. |
image_url | 제공되지 않음 | 제공되지 않음 | Alias of the combined images input. See input_limits.images for the total input image count. |
image_urls | 제공되지 않음 | 제공되지 않음 | Alias of the combined images input. See input_limits.images for the total input image count. |
images | 입력 수: ≥ 1, ≤ 4 | 제공되지 않음 | Limits apply when this input is supplied. Image aliases are combined into one input image list; the limit applies to the combined list. |
n | 1 | 1 | Use an integer. |
operation | 제공되지 않음 | 제공되지 않음 | 제공되지 않음 |
output_format | jpeg, png, webp | 제공되지 않음 | Default encoding is shared by these equivalent values: jpg, jpeg. |
prompt | 제공되지 않음 | 제공되지 않음 | Minimum length: 1 characters. Maximum length: 2000 characters. |
width | 제공되지 않음 | 1024 | Use an integer. |
Fields outside this contract are rejected.
가격 책정
Verified 가격은 Verified에 적용되며 대부분의 모델에서 더 저렴합니다. Official 가격은 모델 제조사가 공개한 가격으로, 더 안정적인 Official 경로에 적용됩니다. Auto는 요청을 완료한 경로의 가격으로 청구합니다.
이미지 편집
이미지당- Official 가격
- $0.01
- Verified 가격
- —
- 할인
- —
| Official 가격이미지당 | Verified 가격이미지당 | 할인 | |
|---|---|---|---|
| 이미지 편집 | $0.01 | — | — |
사용량 및 활동
성공률은 완료된 요청의 비율입니다. 지연 시간은 전체 응답에 걸리는 시간이며, P95는 요청의 95%가 해당 시간 내에 완료되었음을 의미합니다.
사용량 및 가용성
지난 24시간- 요청
- 성공률
- P95 지연 시간
- 총 토큰
데이터는 상태 확인을 제외한 집계된 사용자 요청을 기반으로 합니다.
Console에서 열기
Console에서 P-Image-Edit을 열고 프롬프트를 수정하거나 전송하세요.
/v1/images/edits에서 image-edit을(를) 사용하여 p-image-edit로 이미지를 생성합니다. 결과, 비용, 제한 사항을 확인하세요.
사용 사례
제품 스타일 변경
제품 사진의 배경, 조명 또는 색상을 변경하면서 제품 자체는 유지합니다.
장면 합성
다중 이미지 입력을 사용하여 한 사진의 인물을 다른 사진의 배경에 배치합니다.
스타일 전이
참조 일러스트레이션의 느낌으로 사진을 다시 그립니다. 프롬프트에 스타일 관련 단어를 명시적으로 포함하세요.
프롬프트 예제
소파 뒤의 평범한 벽을 노출 벽돌로 교체하되, 소파와 조명은 그대로 유지합니다.
이미지 1의 여성을 이미지 2의 해변 배경에 배치하고 저녁 조명에 맞춥니다.
이 운동화 사진을 크림색 종이 위의 연필 스케치처럼 보이게 만듭니다.
FAQ
P-Image-Edit이란 무엇인가요?
Pruna AI의 실시간 이미지 편집 모델입니다. 지시어와 참조 이미지를 제공하면 프롬프트를 충실히 따라 편집되거나 결합된 이미지를 반환합니다.
이미지는 몇 개까지 보낼 수 있나요?
한 번에 1~5개의 참조 이미지를 보낼 수 있습니다. 여러 장을 사용할 경우 기본 이미지를 지정하거나 모델이 이를 혼합하도록 요청할 수 있으며, 이것이 다중 이미지 합성 방식입니다.
터보 모드는 어떤 역할을 하나요?
터보는 기본적으로 켜져 있으며 편집 속도를 높여줍니다. Pruna는 복잡한 작업 시에는 터보 모드를 끄고 더 느린 속도를 감수하더라도 어려운 지시 사항을 더 잘 처리하도록 권장합니다.
어떤 출력 비율이 가능한가요?
입력 이미지와 동일한 비율을 맞추거나 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3과 같은 고정 비율을 사용할 수 있습니다. 리터칭 시에는 입력 이미지와 비율을 맞추는 것이 가장 안전합니다.
P-Image-Edit과 P-Image 중 무엇이 더 나은가요?
결과물이 기존 사진에서 시작되어야 한다면 P-Image-Edit을 사용하세요. 텍스트만 있고 처음부터 새로운 이미지를 원한다면 P-Image를 사용하세요.
P-Image-Edit 의 가격은 얼마인가요?
TokenLab 에서 P-Image-Edit 은 $0.01 이미지당 입니다. 자세한 내역은 위 가격 표를 확인하세요. 요금은 청구 단위, 사양, 사용량에 따라 달라집니다. 모델의 상세 요금에서 동일한 조건끼리 비교하세요. 단일 요금으로 총비용이 결정되지 않습니다.
P-Image-Edit 은 어떤 엔드포인트를 써야 하나요?
P-Image-Edit에 대해 https://api.tokenlab.sh/v1/images/edits를 사용하세요. 아래 요청 예시는 일치하는 코드 형태를 보여줍니다.
P-Image-Edit 은 어떤 오퍼레이션을 지원하나요?
P-Image-Edit은(는) 이미지 편집을(를) 지원합니다. 엔드포인트와 요청 예시를 보려면 위에서 작업을 선택하세요.
P-Image-Edit 비교하기
P-Image-Edit 활용 가이드
출처
2026. 10. 2. 검토 완료