Riverflow V2.6 Pro API
Riverflow V2.6 Pro จาก Sourceful เป็นโมเดลสร้างภาพสำหรับงานพาณิชย์ที่เน้นเรขาคณิตที่สะอาด การจัดวางที่สมเหตุสมผล ความสอดคล้องเชิงพื้นที่ และการเรนเดอร์ข้อความที่แม่นยำ
Riverflow V2.6 Pro คือโมเดลเปลี่ยนข้อความเป็นภาพและแก้ไขภาพจาก Sourceful ที่ออกแบบมาสำหรับงานภาพเชิงพาณิชย์โดยเฉพาะ โดยมุ่งเน้นการสร้างภาพที่มีโครงสร้างชัดเจน เช่น ภาพจำลองบรรจุภัณฑ์ สื่อการตลาด งานนำเสนอผลิตภัณฑ์ และระบบการออกแบบ จุดเด่นคือเรขาคณิตและการจัดวางที่สะอาด พร้อมรักษาความสอดคล้องเชิงพื้นที่และการเรนเดอร์ข้อความที่แม่นยำ
โมเดลนี้เหมาะกับงานที่ต้องการความถูกต้องของโครงสร้างและการจัดวาง เช่น การออกแบบบรรจุภัณฑ์ที่ต้องแสดงภาพจำลองหลายมุมมอง สื่อการตลาดที่ต้องมีข้อความและองค์ประกอบที่จัดเรียงอย่างเป็นระบบ หรือระบบการออกแบบที่ต้องรักษาความสอดคล้องของสไตล์และตำแหน่งองค์ประกอบ across ชิ้นงานต่างๆ
ทั้งนี้ ไม่พบรายละเอียดอย่างเป็นทางการเฉพาะสำหรับเวอร์ชัน V2.6 Pro โดยตระกูล Riverflow ประกอบด้วย Riverflow 1, Riverflow 2.0, Riverflow 2.0 Pro, Riverflow 2.0 Fast, Riverflow 2.5, Riverflow 2.5 Pro และ Riverflow V2.5 Pro โดย Riverflow 2.5 Pro ได้รับการอธิบายว่าเป็นโมเดลภาพแบบเอเจนต์ที่มีการให้เหตุผลหลายขั้นตอน การให้คะแนนแคนดิเดต และการปรับความละเอียดของการคิดได้
อัปเดต:
ID โมเดล
riverflow-v2.6-pro- อินพุต
- text / image
- เอาต์พุต
- image
จุดเด่น
- เรขาคณิตและการจัดวางสะอาด
- ความสอดคล้องเชิงพื้นที่
- เรนเดอร์ข้อความแม่นยำ
- ภาพจำลองบรรจุภัณฑ์
- สื่อการตลาดและงานนำเสนอ
- ระบบการออกแบบ
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| อัตราความพร้อมใช้งาน | ||
|---|---|---|
| $0.13 |
สถิติย้อนหลังไม่ใช่การตรวจสอบแบบเรียลไทม์ ข้อมูลที่หายไปไม่ได้หมายถึงบริการขัดข้อง
เริ่มต้นอย่างรวดเร็ว
ส่งงานภาพ ตรวจสอบสถานะ แล้วบันทึกภาพ ตัวอย่างใช้ curl และไลบรารีมาตรฐานของ Python 3
POST https://openapi.felo.ai/api/v1/images/generations
1ตั้งค่าคีย์ API
สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม
export FELO_API_KEY="YOUR_API_KEY"2ส่งคำขอแรก
ค่าพารามิเตอร์เสริมแตกต่างกันตามโมเดล จึงไม่กำหนดในตัวอย่าง โปรดยืนยันใน Playground ฟิลด์อยู่ระดับเดียวกับ model และ prompt ไม่ห่อด้วย input
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": "riverflow-v2.6-pro"
}'3สอบถามสถานะงาน
เมื่อส่งจะได้รับ task_id ตรวจสอบทุก 3 วินาทีขณะ queued หรือ running และหยุดเมื่อ succeeded, failed หรือ interrupted รอสูงสุด 30 นาที เก็บ created.json เพื่อกลับมาตรวจสอบงานเดิมโดยไม่ส่งซ้ำ
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")
PY4ดาวน์โหลดเอาต์พุต
เมื่อสำเร็จ ให้บันทึก outputs จาก task.json รองรับ URL HTTPS ออบเจ็กต์ URL และ b64_json ควรดาวน์โหลด URL ที่ลงนามโดยเร็ว การดาวน์โหลดภาพไม่ต้องใช้ API Key
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)
PYinput_references
หากต้องการแก้ไขภาพ ให้แทน URL ตัวอย่างด้วย URL ภาพ HTTPS หรือ data URL ภาพ base64 ของคุณ ส่งครั้งเดียวแล้วใช้ขั้นตอนตรวจสอบและบันทึกเดิม
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": "riverflow-v2.6-pro",
"input_references": [
{
"type": "image_url",
"image_url": {
"url": "https://example.com/product.png"
}
}
]
}'พารามิเตอร์ที่รองรับ
- n
- size
- background
- resolution
- aspect_ratio
- output_format
- input_references
ต้องการเอกสารอ้างอิงฉบับเต็มหรือไม่
เอกสารอ้างอิง API →คำถามที่พบบ่อย
รู้จัก Riverflow V2.6 Pro?
Riverflow V2.6 Pro คือโมเดลเปลี่ยนข้อความเป็นภาพและแก้ไขภาพจาก Sourceful ที่ออกแบบมาสำหรับงานภาพเชิงพาณิชย์โดยเฉพาะ โดยมุ่งเน้นการสร้างภาพที่มีโครงสร้างชัดเจน เช่น ภาพจำลองบรรจุภัณฑ์ สื่อการตลาด งานนำเสนอผลิตภัณฑ์ และระบบการออกแบบ จุดเด่นคือเรขาคณิตและการจัดวางที่สะอาด พร้อมรักษาความสอดคล้องเชิงพื้นที่และการเรนเดอร์ข้อความที่แม่นยำ โมเดลนี้เหมาะกับงานที่ต้องการความถูกต้องของโครงสร้างและการจัดวาง เช่น การออกแบบบรรจุภัณฑ์ที่ต้องแสดงภาพจำลองหลายมุมมอง สื่อการตลาดที่ต้องมีข้อความและองค์ประกอบที่จัดเรียงอย่างเป็นระบบ หรือระบบการออกแบบที่ต้องรักษาความสอดคล้องของสไตล์และตำแหน่งองค์ประกอบ across ชิ้นงานต่างๆ ทั้งนี้ ไม่พบรายละเอียดอย่างเป็นทางการเฉพาะสำหรับเวอร์ชัน V2.6 Pro โดยตระกูล Riverflow ประกอบด้วย Riverflow 1, Riverflow 2.0, Riverflow 2.0 Pro, Riverflow 2.0 Fast, Riverflow 2.5, Riverflow 2.5 Pro และ Riverflow V2.5 Pro โดย Riverflow 2.5 Pro ได้รับการอธิบายว่าเป็นโมเดลภาพแบบเอเจนต์ที่มีการให้เหตุผลหลายขั้นตอน การให้คะแนนแคนดิเดต และการปรับความละเอียดของการคิดได้
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน
Riverflow V2.6 Pro รองรับงานประเภทใดบ้าง?
รองรับการเปลี่ยนข้อความเป็นภาพและการแก้ไขภาพ โดยเน้นงานภาพเชิงพาณิชย์ที่มีโครงสร้าง เช่น ภาพจำลองบรรจุภัณฑ์ สื่อการตลาด งานนำเสนอผลิตภัณฑ์ และระบบการออกแบบ
จุดเด่นด้านคุณภาพภาพของโมเดลนี้คืออะไร?
เน้นเรขาคณิตและการจัดวางที่สะอาด รักษาความสอดคล้องเชิงพื้นที่ และเรนเดอร์ข้อความได้แม่นยำ
Riverflow V2.6 Pro ต่างจากรุ่นอื่นในตระกูล Riverflow อย่างไร?
ไม่พบรายละเอียดอย่างเป็นทางการเฉพาะสำหรับเวอร์ชัน V2.6 Pro โดยตระกูล Riverflow มีหลายรุ่น เช่น Riverflow 2.5 Pro ซึ่งได้รับการอธิบายว่าเป็นโมเดลภาพแบบเอเจนต์ที่มีการให้เหตุผลหลายขั้นตอนและการให้คะแนนแคนดิเดต
โมเดลนี้เหมาะกับงานออกแบบบรรจุภัณฑ์หรือไม่?
เหมาะ เนื่องจากความสามารถในการสร้างภาพจำลองบรรจุภัณฑ์ร่วมกับความสอดคล้องเชิงพื้นที่และการเรนเดอร์ข้อความที่แม่นยำ