Felo API PlatformFelo API Platform
মডেলে ফিরে যান

Grok Imagine Image 2.0 API

xAI-এর Grok Imagine Image 2.0 টেক্সট ও ছবি থেকে নির্ভুল সম্পাদনাসহ ছবি তৈরি করে।

Grok Imagine Image 2.0 হলো xAI-এর একটি নতুন প্রজন্মের ছবি তৈরি ও সম্পাদনার মডেল। এটি টেক্সট, ছবি ও PDF ইনপুট নিয়ে ছবি আউটপুট দিতে পারে এবং প্রতি অনুরোধে ১ থেকে ১০টি ছবি তৈরি করে। ম্যাজিক ওয়ান্ড, সেগমেন্টেশন, ব্যাকগ্রাউন্ড রিমুভাল ও স্মার্ট রিসাইজের মতো নির্ভুল সম্পাদনা সরঞ্জাম রয়েছে, যা দিয়ে ছবির নির্দিষ্ট অঞ্চল লক্ষ্য করে সম্পাদনা করা যায়।

এই মডেলটি ১কে ও ২কে রেজোলিউশন, নিম্ন ও মধ্যম কোয়ালিটি মোড এবং ১:১, ১৬:৯, ৯:১৬, ৩:৪, ৩:২ ও ২:৩ অ্যাসপেক্ট রেশিও সমর্থন করে। এটি জটিল বহু-উপাদানযুক্ত প্রম্পট অনুসরণে শক্তিশালী এবং বারবার সম্পাদনা ও তৈরিতে ধারাবাহিকতা বজায় রাখে। ব্র্যান্ড ধারাবাহিকতা রক্ষা করে মার্কেটিং অ্যাসেট, পণ্যের মকআপ, গেম অ্যাসেট ও কনসেপ্ট আর্ট তৈরির জন্য এটি উপযুক্ত।

এর সীমাবদ্ধতার মধ্যে রয়েছে সর্বোচ্চ ২কে রেজোলিউশন, স্ব-হোস্টিং বা ফাইন-টিউনিংয়ের অসমর্থন এবং কিছু পর্যালোচনায় প্রতিযোগীদের তুলনায় কম সেন্সরশিপ ও অ-মানক চরিত্র শৈলী সংরক্ষণে দুর্বলতা। এটিকে Grok অ্যাপে কোয়ালিটি মোড হিসেবে যুক্ত করা হয়েছে এবং X-এর সাথে সংযুক্ত।

সময়সীমাবদ্ধবিনামূল্যে ট্রায়াল

আপডেট:

মডেল ID

grok-imagine-image-2.0
ইনপুট
text / image
আউটপুট
image

মূল বৈশিষ্ট্য

  • ম্যাজিক ওয়ান্ড ও সেগমেন্টেশনসহ নির্ভুল সম্পাদনা
  • প্রতি অনুরোধে ১–১০টি ছবি
  • ৫টি পর্যন্ত রেফারেন্স ছবি দিয়ে বহু-রেফারেন্স সম্পাদনা
  • ১কে ও ২কে রেজোলিউশন
  • জটিল প্রম্পট অনুসরণে শক্তিশালী
  • Grok অ্যাপে কোয়ালিটি মোড হিসেবে যুক্ত

প্রোভাইডার

সেরা দাম
2 প্রোভাইডার

প্রোভাইডারদের মধ্যে API মূল্য তুলনা করুন। সব চার্জ ও শর্ত দেখতে একটি প্রোভাইডার নির্বাচন করুন।

প্রোভাইডার · মূল্যের বিবরণ
প্রাপ্যতা
$0.08
$0.08$0.032

বেঞ্চমার্ক

  • Arena ছবি তৈরি লিডারবোর্ড

    বিশ্ব র‍্যাঙ্কিং

    #২
  • Arena ছবি সম্পাদনা লিডারবোর্ড

    বিশ্ব র‍্যাঙ্কিং

    #২
  • ImageBench V1 সামগ্রিক

    ১০০-এর মধ্যে

    ৭৫
  • ImageBench V1 টেক্সট রেন্ডারিং

    ১০০-এর মধ্যে

    ১০০
  • ImageBench V1 মানব বাস্তবতা

    ১০০-এর মধ্যে

    ৫৫

স্কোর মডেল প্রোভাইডারের প্রকাশিত তথ্য অনুযায়ী।

দ্রুত শুরু

ছবির কাজ পাঠান, অবস্থা যাচাই করুন এবং ছবি সংরক্ষণ করুন। উদাহরণে curl ও Python 3-এর স্ট্যান্ডার্ড লাইব্রেরি ব্যবহার করা হয়েছে।

POST https://openapi.felo.ai/api/v1/images/generations

1আপনার API key নিন

আপনার Felo API Platform অ্যাকাউন্ট থেকে একটি key তৈরি করুন এবং এটি environment variable হিসেবে সেট করুন।

export FELO_API_KEY="YOUR_API_KEY"

2প্রথম অনুরোধ পাঠান

ঐচ্ছিক মান মডেলভেদে আলাদা, তাই উদাহরণে নির্ধারিত নয়। Playground-এ যাচাই করুন। ফিল্ডগুলো model ও prompt-এর সমান স্তরে থাকবে, input-এর ভেতরে নয়।

curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -o created.json \
  -d '{
  "prompt": "A studio product photo of a ceramic coffee cup on warm linen, soft morning light",
  "model": "grok-imagine-image-2.0"
}'

3টাস্ক পোল করুন

পাঠানোর পর task_id পাবেন। queued বা running থাকলে প্রতি ৩ সেকেন্ডে যাচাই করুন; succeeded, failed বা interrupted হলে থামুন। সর্বোচ্চ ৩০ মিনিট অপেক্ষা করুন। পুনরায় না পাঠিয়ে যাচাই চালাতে created.json রাখুন।

python3 - <<'PY'
import json, os, time
from pathlib import Path
from urllib.parse import quote
from urllib.request import Request, urlopen

task = json.loads(Path("created.json").read_text())
task_id = task["task_id"]
url = "https://openapi.felo.ai/api/v1/images/generations/" + quote(task_id, safe="")
headers = {"Authorization": "Bearer " + os.environ["FELO_API_KEY"]}
deadline = time.monotonic() + 1800

while task["status"] in ("queued", "running"):
    if time.monotonic() >= deadline:
        raise TimeoutError(f"Keep task_id={task_id} to resume polling")
    time.sleep(3)
    with urlopen(Request(url, headers=headers), timeout=60) as response:
        task = json.load(response)
    if task.get("task_id") != task_id or task.get("kind") != "image":
        raise ValueError("Unexpected task response")
    print(task["status"])

if task["status"] != "succeeded":
    raise RuntimeError(task.get("error") or task["status"])
if not task.get("outputs"):
    raise ValueError("Task succeeded without image outputs")
Path("task.json").write_text(json.dumps(task))
print("Saved task.json")
PY

4আউটপুট ডাউনলোড করুন

সফল হলে task.json থেকে outputs সংরক্ষণ করুন। HTTPS URL, URL অবজেক্ট ও b64_json সমর্থিত। স্বাক্ষরিত URL দ্রুত ডাউনলোড করুন; ছবি ডাউনলোডে API Key লাগে না।

python3 - <<'PY'
import base64, json
from pathlib import Path
from urllib.request import urlopen

task = json.loads(Path("task.json").read_text())
if task.get("status") != "succeeded" or not task.get("outputs"):
    raise ValueError("No completed image outputs")
extensions = {"image/png": ".png", "image/jpeg": ".jpg", "image/webp": ".webp", "image/gif": ".gif", "image/avif": ".avif"}

for index, output in enumerate(task["outputs"], 1):
    item = output if isinstance(output, dict) else {}
    url = output if isinstance(output, str) else item.get("url") or item.get("unsigned_url")
    mime = item.get("media_type") or "image/png"
    if url and url.startswith("https://"):
        with urlopen(url, timeout=60) as response:
            data = response.read()
            mime = response.headers.get_content_type()
    elif url and url.startswith("data:image/") and ";base64," in url:
        header, encoded = url.split(",", 1)
        mime = header[5:].split(";", 1)[0]
        data = base64.b64decode(encoded, validate=True)
    elif item.get("b64_json"):
        data = base64.b64decode(item["b64_json"], validate=True)
    else:
        raise ValueError("Unrecognized image output")
    path = Path(f"image-{index}" + extensions.get(mime, ".bin"))
    path.write_bytes(data)
    print(path)
PY
input_references

ছবি সম্পাদনার জন্য উদাহরণের URL আপনার HTTPS ছবির URL বা base64 ছবির data URL দিয়ে বদলান। একবার পাঠিয়ে একই যাচাই ও সংরক্ষণের ধাপ অনুসরণ করুন।

curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -o created.json \
  -d '{
  "prompt": "Keep the product and framing. Replace the background with a sunlit marble countertop.",
  "model": "grok-imagine-image-2.0",
  "input_references": [
    {
      "type": "image_url",
      "image_url": {
        "url": "https://example.com/product.png"
      }
    }
  ]
}'

সমর্থিত প্যারামিটার

  • n
  • quality
  • resolution
  • aspect_ratio
  • input_references

পুরো রেফারেন্স চান?

API রেফারেন্স →

সাধারণ প্রশ্ন

মডেল পরিচিতি: Grok Imagine Image 2.0?

Grok Imagine Image 2.0 হলো xAI-এর একটি নতুন প্রজন্মের ছবি তৈরি ও সম্পাদনার মডেল। এটি টেক্সট, ছবি ও PDF ইনপুট নিয়ে ছবি আউটপুট দিতে পারে এবং প্রতি অনুরোধে ১ থেকে ১০টি ছবি তৈরি করে। ম্যাজিক ওয়ান্ড, সেগমেন্টেশন, ব্যাকগ্রাউন্ড রিমুভাল ও স্মার্ট রিসাইজের মতো নির্ভুল সম্পাদনা সরঞ্জাম রয়েছে, যা দিয়ে ছবির নির্দিষ্ট অঞ্চল লক্ষ্য করে সম্পাদনা করা যায়। এই মডেলটি ১কে ও ২কে রেজোলিউশন, নিম্ন ও মধ্যম কোয়ালিটি মোড এবং ১:১, ১৬:৯, ৯:১৬, ৩:৪, ৩:২ ও ২:৩ অ্যাসপেক্ট রেশিও সমর্থন করে। এটি জটিল বহু-উপাদানযুক্ত প্রম্পট অনুসরণে শক্তিশালী এবং বারবার সম্পাদনা ও তৈরিতে ধারাবাহিকতা বজায় রাখে। ব্র্যান্ড ধারাবাহিকতা রক্ষা করে মার্কেটিং অ্যাসেট, পণ্যের মকআপ, গেম অ্যাসেট ও কনসেপ্ট আর্ট তৈরির জন্য এটি উপযুক্ত। এর সীমাবদ্ধতার মধ্যে রয়েছে সর্বোচ্চ ২কে রেজোলিউশন, স্ব-হোস্টিং বা ফাইন-টিউনিংয়ের অসমর্থন এবং কিছু পর্যালোচনায় প্রতিযোগীদের তুলনায় কম সেন্সরশিপ ও অ-মানক চরিত্র শৈলী সংরক্ষণে দুর্বলতা। এটিকে Grok অ্যাপে কোয়ালিটি মোড হিসেবে যুক্ত করা হয়েছে এবং X-এর সাথে সংযুক্ত।

ব্যবহারের জন্য কীভাবে চার্জ হয়?

আপনার বিল নির্ভর করে আপনি কোন প্রোভাইডার ব্যবহার করেন, তার মূল্য এবং আপনার ব্যবহারের ওপর। দীর্ঘ ইনপুট বা অন্যান্য শর্তে ভিন্ন মূল্য প্রযোজ্য হতে পারে।

Grok Imagine Image 2.0 কী কী ইনপুট নিতে পারে?

এটি টেক্সট, ছবি ও PDF ইনপুট নিয়ে ছবি আউটপুট দিতে পারে।

এর কনটেক্সট ও আউটপুট সীমা কত?

কনটেক্সট সীমা ৬৫,৫৩৬ টোকেন এবং আউটপুট সীমা ৫৮,৯৮২ টোকেন।

প্রতি অনুরোধে কতটি ছবি তৈরি হয়?

প্রতি অনুরোধে ১ থেকে ১০টি ছবি তৈরি করা যায় এবং বহু-রেফারেন্স সম্পাদনায় ৫টি পর্যন্ত রেফারেন্স ছবি ব্যবহার করা যায়।

এটি কোন কাজের জন্য সবচেয়ে উপযুক্ত?

নির্ভুল সম্পাদনা ও লেআউট নিয়ন্ত্রণ প্রয়োজন এমন পেশাদার ডিজাইন, মার্কেটিং অ্যাসেট, পণ্যের মকআপ এবং পুনরাবৃত্তিমূলক সংশোধনের জন্য এটি উপযুক্ত।

এর প্রধান সীমাবদ্ধতা কী?

সর্বোচ্চ রেজোলিউশন ২কে-তে সীমিত এবং এটি মালিকানাধীন মডেল হওয়ায় স্ব-হোস্টিং বা ফাইন-টিউনিং করা যায় না।