Alibaba: Qwen-Image-Layered
qwen-image-layered- 價格
- 起 $0.0275
- 模態
- 圖片
關於 Qwen-Image-Layered
Qwen-Image-Layered 是阿里巴巴的 Qwen 模型，它能將單張圖像分解為多個 RGBA 圖層，使每個元素都位於各自的透明圖層上。由於圖層在物理上是分開的，您可以移動、調整大小、重新著色或刪除某個元素，而不會影響其他部分。這與基於提示詞（prompt）的編輯器不同，後者會重新繪製整張圖片。模型權重以 Apache 2.0 授權發布。
適用場景
- 返回帶有透明度的獨立 RGBA 圖層，因此背景、主體和文字區塊都可以各自獨立編輯。
- 圖層數量靈活；製作者的範例使用了 3、4 或 8 個圖層，具體取決於您希望將圖像拆分得有多細緻。
- 單個圖層可以再次分解，這在某個圖層仍包含多個物件時非常有用。
- 調整大小、重新定位、重新著色和刪除等基本操作不會影響其他圖層，避免了產生偏差的風險。
其他選擇建議
- 它負責拆分圖像；它不遵循自由形式的編輯指令，因此若要更改物件的外觀，請使用基於指令的編輯器。
- 模型卡建議此版本的工作解析度為 640 像素，因此非常大的藝術作品可能需要先進行縮放。
- 輸出的是一組圖層，而非完成的圖片，因此您需要使用自己的工具來進行合成或匯出。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
影像編輯TokenLab 端點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": "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" }'
定價
Official 價格為模型開發商的公開基準價。TokenLab 價格則為您在 TokenLab 使用該模型的實際費用。
影像編輯
每筆請求- Official 定價
- $0.0275
- Official
- $0.0275
- 折扣
- —
| Official 定價每筆請求 | Official每筆請求 | 折扣 | |
|---|---|---|---|
| 影像編輯 | $0.0275 | $0.0275 | — |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 Qwen-Image-Layered，並準備好編輯或發送提示詞。
協助我使用 qwen-image-layered 透過 /v1/images/edits 執行 image-edit 建立圖像，並顯示結果、成本與相關限制。
應用情境
重新排列海報
將平面海報拆分為圖層，然後移動標題、位移產品並更改背景顏色，而無需重新生成整張圖片。
剪裁帶有透明度的物件
將主體與背景分離，並在 Alpha 通道中保留柔和邊緣，以便在設計檔案中使用。
行銷圖像的在地化
隔離文字圖層，讓設計師可以為不同市場替換或重新定位文案，同時保持藝術設計不變。
動畫準備
將插圖拆分為適合視差效果的圖層以製作動態圖形，前景、中景和背景元素各佔一層。
提示詞範例
將此產品橫幅分解為 4 個圖層：背景、產品、標題文字和裝飾圖形。
將此插圖拆分為 8 個圖層，以便我可以分別移動角色和燈籠。
將此照片中的主體與場景分離，並保留頭髮周圍的透明度。
FAQ
Qwen-Image-Layered 的輸出是什麼？
一組 RGBA 圖像，每個圖層一張，可以堆疊回原始圖片。每個圖層都有自己的透明度，因此可以編輯或移除某個圖層上的物件，而不會在其他圖層上留下空洞或污點。
它能產生多少個圖層？
數量是可調整的。模型卡展示了分解為 3、4 和 8 個圖層的範例，並且支援遞迴分解，即您可以選取一個圖層並將其進一步拆分為更細緻的部分。
它和圖像編輯模型是一樣的嗎？
不是。像 Qwen-Image-Edit-2511 這樣的編輯模型是根據書面指令重新繪製像素。Layered 不會重新繪製；它只是將圖像中已有的內容分離出來，由您自己在產生的圖層上進行編輯。
什麼樣的圖像尺寸效果最好？
Hugging Face 模型卡建議當前版本使用 640 像素的解析度。較大的原始圖像可以在分解前縮小，如果需要列印尺寸，可以在分解後將圖層放大。
我可以將這些圖層用於商業用途嗎？
模型權重以 Apache 2.0 授權發布，該授權允許軟體的商業用途。原始圖像本身的權利仍歸其擁有者所有，因此請僅分解您有權編輯的藝術作品。
Qwen-Image-Layered 的費用是多少？
在 TokenLab 上，Qwen-Image-Layered 價格為 $0.0275 每筆請求。完整明細見上方價格表。 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
Qwen-Image-Layered 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/images/edits 進行 Qwen-Image-Layered 的呼叫。下方的請求範例展示了對應的程式碼格式。
Qwen-Image-Layered 支援哪些操作？
Qwen-Image-Layered 支援 影像編輯。請在上方選擇一項操作以查看其端點與請求範例。
比較 Qwen-Image-Layered
來源
更新於 2026年10月2日
