
ข้อความเป็นรูปภาพ
สร้างรูปภาพ AI จากพรอมต์ข้อความ
การแก้ไขภาพที่แม่นยำขับเคลื่อนโดย Google Gemini 3.0 Pro API พร้อมเอาต์พุต 2K/4K แบบเนทีฟ มอบการแก้ไขเฉพาะจุดที่เชื่อถือได้และความเสถียรสูงในต้นทุนต่อคำขอที่ประหยัด
ลองใช้ AI Image Generator ได้เลยตอนนี้
API Google Nano Banana Pro Edit (ขับเคลื่อนโดยโมเดล Gemini 3.0 Pro Image) มอบการแก้ไขภาพ AI ระดับโปรดักชันที่คุ้มค่าสำหรับนักพัฒนาและทีมครีเอทีฟ Gemini image editing API integration ระดับพรีเมียมนี้ช่วยให้คุณแปลงภาพที่มีอยู่เป็นผลลัพธ์ความละเอียดสูงสูงสุด 4K ผ่านคำสั่งภาษาธรรมชาติ โมเดล Gemini ให้ semantic reasoning สำหรับการแก้ไขที่ซับซ้อน ขณะที่ API ให้การผสานที่เสถียรสำหรับเวิร์กโฟลว์ที่ปรับขนาดได้บน Best Image AI.
หมายเหตุ โปรดตรวจสอบให้แน่ใจว่า prompt ของคุณเป็นไปตามแนวทางความปลอดภัยของ Google หากเกิดข้อผิดพลาด ให้ตรวจสอบ prompt ว่ามีเนื้อหาที่ถูกจำกัดหรือไม่ ปรับแก้ แล้วลองอีกครั้ง.
สำรวจเครื่องมือสร้างสรรค์ด้วย AI หลายรายการสำหรับเวิร์กโฟลว์รูปภาพและวิดีโอที่รวดเร็วในเบราว์เซอร์ แล้วขยายแนวคิดที่ประสบความสำเร็จด้วย API โมเดลที่พร้อมใช้งานจริงจาก Best Image AI โดย Best Image AI มีชั้น API แบบรวมสำหรับทุกโมเดล ทำให้ใช้และขยายเวิร์กโฟลว์ได้ง่าย

สร้างรูปภาพ AI จากพรอมต์ข้อความ

สร้างรูปภาพ AI จากรูปภาพและพรอมต์ข้อความ

สร้างวิดีโอ AI จากพรอมต์ข้อความ

ทำให้รูปภาพเคลื่อนไหวเป็นวิดีโอ AI

สร้างรูปภาพและวิดีโอ AI ในพื้นที่ทำงานเดียว

สร้างวิดีโอที่สอดคล้องกันจากสื่ออ้างอิง

สร้างเวิร์กโฟลว์ภาพและวิดีโอ AI แบบภาพบนแคนวาสไร้ขอบเขต
// Step 1: Submit generation request
// width and height must be aspect-ratio integers such as 16 and 9,
// not pixel dimensions like 768 and 1280.
// Currently all width/height values are passed as ratio integers,
// and the backend does not support custom pixel dimensions for these fields.
const response = await fetch('https://api.flaq.ai/api/v1/image/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'nano-banana-pro-edit',
prompt: 'Transform this image into a watercolor painting style',
width: 16, // Aspect-ratio value, not pixel width
height: 9, // Aspect-ratio value, not pixel height
resolution: '2k', // Supported values: '1k', '2k', '4k'
image_url_list: [
'https://example.com/image1.jpg',
'https://example.com/image2.jpg'
]
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/image/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.images[].);
;
}
(status === ) {
.(pollResultData..);
;
}
( (resolve, ));
}
# Step 1: Submit generation request
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/image/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'nano-banana-pro-edit',
'prompt': 'Transform this image into a watercolor painting style',
'width': 16, # Aspect-ratio value, not pixel width
'height': 9, # Aspect-ratio value, not pixel height
'resolution': '2k', # Supported values: '1k', '2k', '4k'
'image_url_list': [
'https://example.com/image1.jpg',
'https://example.com/image2.jpg'
]
}
)
result = response.json()
task_id = result['data']['task_id']
# Step 1: Submit generation request
curl -X POST https://api.flaq.ai/api/v1/image/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "nano-banana-pro-edit",
"prompt": "Transform this image into a watercolor painting style",
"width": 16,
"height": 9,
"resolution": "2k",
"image_url_list": [
"https://example.com/image1.jpg",
"https://example.com/image2.jpg"
]
}'
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/image/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/image/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['images'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)