Alibaba: Qwen-Image-Layered
qwen-image-layered- Giá
- Từ $0.0275
- Phương thức
- Hình ảnh
Về Qwen-Image-Layered
Qwen-Image-Layered là một mô hình Qwen của Alibaba giúp phân tách một hình ảnh đơn lẻ thành nhiều lớp RGBA, để mỗi phần tử nằm trên một lớp trong suốt riêng biệt. Vì các lớp tách biệt về mặt vật lý, bạn có thể di chuyển, thay đổi kích thước, đổi màu hoặc xóa một phần tử mà không ảnh hưởng đến các phần tử khác. Đây là phương pháp khác biệt so với các trình chỉnh sửa dựa trên câu lệnh (prompt), vốn phải vẽ lại toàn bộ bức tranh. Trọng số của mô hình được phát hành theo giấy phép Apache 2.0.
Ưu điểm
- Trả về các lớp RGBA riêng biệt với độ trong suốt, nhờ đó hình nền, chủ thể và khối văn bản đều có thể được chỉnh sửa độc lập.
- Số lượng lớp rất linh hoạt; các ví dụ của nhà sản xuất sử dụng 3, 4 hoặc 8 lớp tùy thuộc vào mức độ chi tiết mà bạn muốn phân tách hình ảnh.
- Một lớp đơn lẻ có thể được phân tách thêm lần nữa, điều này hữu ích khi một lớp vẫn còn chứa nhiều đối tượng.
- Các thao tác cơ bản như thay đổi kích thước, định vị lại, đổi màu và xóa bỏ sẽ không làm ảnh hưởng đến các lớp khác, tránh nguy cơ sai lệch.
Khi nào nên chọn model khác
- Mô hình này thực hiện tách hình ảnh; nó không thực hiện các hướng dẫn chỉnh sửa tự do, vì vậy hãy sử dụng trình chỉnh sửa dựa trên hướng dẫn nếu muốn thay đổi hình dáng của một đối tượng.
- Thẻ mô hình (model card) khuyến nghị độ phân giải làm việc là 640 pixel cho phiên bản này, vì vậy các tác phẩm nghệ thuật rất lớn có thể cần được thu nhỏ trước.
- Đầu ra là một tập hợp các lớp, không phải là một bức tranh hoàn chỉnh, vì vậy bạn cần công cụ riêng để ghép hoặc xuất chúng.
Bắt đầu
Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.
Gửi yêu cầu đầu tiên của bạn
Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.
Chỉnh sửa hình ảnhĐiểm cuối 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" }'
Giá
Giá Official là mức giá công khai của nhà phát triển. Giá TokenLab là số tiền bạn trả cho mô hình này trên TokenLab.
Chỉnh sửa hình ảnh
mỗi yêu cầu- Giá niêm yết
- $0.0275
- Official
- $0.0275
- Giảm giá
- —
| Giá niêm yếtmỗi yêu cầu | Officialmỗi yêu cầu | Giảm giá | |
|---|---|---|---|
| Chỉnh sửa hình ảnh | $0.0275 | $0.0275 | — |
Sử dụng & hoạt động
Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.
Mức sử dụng & tình trạng
24 giờ qua- Yêu cầu
- Tỷ lệ thành công
- Độ trễ P95
- Tổng token
Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.
Mở trong Console
Mở Qwen-Image-Layered trong Console để chỉnh sửa và gửi prompt ngay.
Giúp tôi tạo hình ảnh với qwen-image-layered sử dụng image-edit tại /v1/images/edits. Hiển thị kết quả, chi phí và các giới hạn cần biết.
Tình huống sử dụng
Sắp xếp lại áp phích
Tách một áp phích phẳng thành các lớp, sau đó di chuyển tiêu đề, dịch chuyển sản phẩm và thay đổi màu nền mà không cần tạo lại toàn bộ bức tranh.
Cắt đối tượng với độ trong suốt
Tách chủ thể khỏi nền và giữ lại các cạnh mềm trong kênh alpha, sẵn sàng để sử dụng trong tệp thiết kế.
Bản địa hóa hình ảnh tiếp thị
Cô lập một lớp văn bản để nhà thiết kế có thể thay đổi hoặc định vị lại nội dung cho một thị trường khác trong khi tác phẩm nghệ thuật vẫn giữ nguyên.
Chuẩn bị cho hoạt ảnh
Chia một hình minh họa thành các lớp sẵn sàng cho hiệu ứng thị sai (parallax) trong đồ họa chuyển động, mỗi lớp tương ứng với một phần tử tiền cảnh, trung cảnh và hậu cảnh.
Ví dụ prompt
Phân tách biểu ngữ sản phẩm này thành 4 lớp: nền, sản phẩm, tiêu đề văn bản và các hình trang trí.
Tách hình minh họa này thành 8 lớp để tôi có thể di chuyển nhân vật và chiếc đèn lồng một cách riêng biệt.
Tách chủ thể khỏi phong cảnh trong bức ảnh này và giữ lại độ trong suốt xung quanh phần tóc.
FAQ
Qwen-Image-Layered xuất ra những gì?
Một tập hợp các hình ảnh RGBA, mỗi lớp một hình, có thể xếp chồng lại thành bức tranh gốc. Mỗi lớp có độ trong suốt riêng, vì vậy một đối tượng trên một lớp có thể được chỉnh sửa hoặc xóa mà không để lại lỗ hổng hay vết nhòe trên các lớp khác.
Nó có thể tạo ra bao nhiêu lớp?
Số lượng có thể điều chỉnh được. Thẻ mô hình cho thấy các phân tách thành 3, 4 và 8 lớp, đồng thời hỗ trợ phân tách đệ quy, nơi bạn lấy một lớp và chia nhỏ nó thêm lần nữa.
Nó có giống với mô hình chỉnh sửa hình ảnh không?
Không. Các mô hình chỉnh sửa như Qwen-Image-Edit-2511 vẽ lại các pixel dựa trên hướng dẫn bằng văn bản. Layered không vẽ lại; nó tách những gì đã có sẵn trong hình ảnh, và bạn tự thực hiện các chỉnh sửa trên các lớp thu được.
Kích thước hình ảnh nào hoạt động tốt nhất?
Thẻ mô hình trên Hugging Face khuyến nghị độ phân giải 640 pixel cho phiên bản hiện tại. Các hình ảnh nguồn lớn hơn có thể được thu nhỏ trước khi phân tách và các lớp có thể được phóng to sau đó nếu bạn cần kích thước để in ấn.
Tôi có thể sử dụng các lớp này cho mục đích thương mại không?
Trọng số của mô hình được xuất bản theo giấy phép Apache 2.0, cho phép sử dụng phần mềm cho mục đích thương mại. Quyền đối với hình ảnh nguồn vẫn thuộc về chủ sở hữu, vì vậy chỉ nên phân tách các tác phẩm nghệ thuật mà bạn được phép chỉnh sửa.
Qwen-Image-Layered có giá bao nhiêu?
Trên TokenLab, Qwen-Image-Layered có giá $0.0275 mỗi yêu cầu. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.
Qwen-Image-Layered nên dùng endpoint nào?
Dùng https://api.tokenlab.sh/v1/images/edits làm mặc định cho Qwen-Image-Layered. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.
Qwen-Image-Layered hỗ trợ những thao tác nào?
Qwen-Image-Layered hỗ trợ Chỉnh sửa hình ảnh. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.
So sánh Qwen-Image-Layered
Nguồn
Đánh giá ngày 2 thg 10, 2026
