Alibaba: Qwen-Image-Layered
qwen-image-layered- Preço
- A partir de $0.0275
- Modalidades
- Imagem
Sobre o Qwen-Image-Layered
Qwen-Image-Layered é um modelo Qwen da Alibaba que decompõe uma única imagem em várias camadas RGBA, de modo que cada elemento fique em sua própria camada transparente. Como as camadas são fisicamente separadas, você pode mover, redimensionar, recolorir ou excluir um elemento sem tocar nos outros. Esta é uma abordagem diferente dos editores baseados em prompts, que repintam a imagem inteira. Os pesos são disponibilizados sob a licença Apache 2.0.
Pontos fortes
- Retorna camadas RGBA separadas com transparência, para que um fundo, um assunto e um bloco de texto possam ser editados individualmente.
- O número de camadas é flexível; os exemplos do criador usam 3, 4 ou 8 camadas, dependendo de quão detalhadamente você deseja dividir a imagem.
- Uma única camada pode ser decomposta novamente, o que ajuda quando uma camada ainda contém vários objetos.
- Operações básicas como redimensionamento, reposicionamento, recolorização e exclusão deixam as outras camadas intactas, em vez de arriscar distorções.
Quando usar outro modelo
- Ele divide imagens; não segue instruções de edição de forma livre, portanto, use um editor baseado em instruções para alterar a aparência de um objeto.
- O cartão do modelo recomenda uma resolução de trabalho de 640 pixels para esta versão, portanto, artes muito grandes podem precisar ser redimensionadas primeiro.
- A saída é um conjunto de camadas, não uma imagem finalizada, então você precisa de sua própria ferramenta para compô-las ou exportá-las.
Primeiros passos
Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.
Envie sua primeira requisição
Copie o exemplo para sua linguagem e execute-o no endpoint.
Edição de imagemEndpoint do TokenLabPOST/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": "qwen-image-layered", "prompt": "A minimalist product photo of matte black headphones on a soft blue background.", "image_url": "https://example.com/source.png" }'
Preço
O preço oficial é a base pública do criador do modelo. O preço TokenLab é o que você paga por este modelo na TokenLab.
Edição de imagem
por requisição- Preço oficial
- $0.0275
- Official
- $0.0275
- Desconto
- —
| Preço oficialpor requisição | Officialpor requisição | Desconto | |
|---|---|---|---|
| Edição de imagem | $0.0275 | $0.0275 | — |
Uso e atividade
A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.
Uso e disponibilidade
Últimas 24 horas- Requisições
- Taxa de sucesso
- Latência P95
- Total de tokens
Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.
Abrir no Console
Abra Qwen-Image-Layered no Console com um prompt pronto para editar ou enviar.
Ajude-me a criar uma imagem com qwen-image-layered usando image-edit em /v1/images/edits. Exiba o resultado, custo e limites.
Casos de uso
Reorganização de um pôster
Divida um pôster plano em camadas, depois mova o título, desloque o produto e altere a cor de fundo sem regenerar a imagem inteira.
Recorte de objetos com transparência
Separe um assunto do seu fundo e mantenha bordas suaves no canal alfa, pronto para uso em um arquivo de design.
Localização de imagens de marketing
Isole uma camada de texto para que um designer possa trocar ou reposicionar o texto para outro mercado enquanto a arte permanece idêntica.
Preparação para animação
Divida uma ilustração em camadas prontas para paralaxe para motion graphics, uma para cada elemento de primeiro plano, plano médio e fundo.
Exemplos de prompt
Decomponha este banner de produto em 4 camadas: fundo, produto, título e formas decorativas.
Divida esta ilustração em 8 camadas para que eu possa mover o personagem e a lanterna separadamente.
Separe o assunto do cenário nesta foto e mantenha a transparência ao redor do cabelo.
FAQ
O que o Qwen-Image-Layered gera?
Um conjunto de imagens RGBA, uma por camada, que se empilham de volta na imagem original. Cada camada tem sua própria transparência, para que um objeto em uma camada possa ser editado ou removido sem deixar um buraco ou borrão nas outras.
Quantas camadas ele pode produzir?
O número é ajustável. O cartão do modelo mostra decomposições em 3, 4 e 8 camadas, e suporta decomposição recursiva, onde você pega uma camada e a divide novamente em partes menores.
É o mesmo que um modelo de edição de imagem?
Não. Modelos de edição como o Qwen-Image-Edit-2511 repintam pixels a partir de uma instrução escrita. O Layered não repinta; ele separa o que já está na imagem, e você faz as edições por conta própria nas camadas resultantes.
Qual tamanho de imagem funciona melhor?
O cartão do modelo no Hugging Face recomenda uma resolução de 640 pixels para a versão atual. Imagens de origem maiores podem ser reduzidas antes da decomposição e as camadas ampliadas posteriormente, caso precise de tamanho para impressão.
Posso usar as camadas comercialmente?
Os pesos do modelo são publicados sob a licença Apache 2.0, que permite o uso comercial do software. Os direitos sobre a imagem de origem permanecem com quem a possui, portanto, decomponha apenas artes que você tem permissão para editar.
Quanto custa o Qwen-Image-Layered?
No TokenLab, Qwen-Image-Layered custa $0.0275 por requisição. A tabela de preços acima mostra o detalhamento completo. As tarifas dependem da unidade de cobrança, da especificação e do uso. Compare condições iguais no preço detalhado do modelo; uma única tarifa não determina o custo total.
Qual endpoint o Qwen-Image-Layered deve usar?
Use https://api.tokenlab.sh/v1/images/edits para Qwen-Image-Layered. O exemplo de requisição abaixo mostra o formato de código correspondente.
Quais operações o Qwen-Image-Layered suporta?
Qwen-Image-Layered suporta Edição de imagem. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.
Comparar Qwen-Image-Layered
Fontes
Revisado em 2 de out. de 2026