跳转到主要内容
POST
Seedream 5.5 Pro · 图生图

简介

传入参考图片和编辑指令,支持单图编辑、多图融合、交互编辑、透明图和图层拆分。普通编辑输出 1 张图片;图层拆分返回底图和多个图层。支持为规整文字图层返回富文本 OCR。

接口与认证

使用 Authorization: Bearer sk-xxxxxxxxxx 和 Content-Type: application/json。图生图也可使用 /v1/images/edits,JSON 请求体相同。认证和接口规则见 参数与计费。

请求参数

n 传 1 或不传;需要多张普通生成结果时请分别请求。safety_identifier、完整默认值和参数解释见 通用参数。两版均不支持 quality、组图、流式输出与联网搜索。

prompt

用于描述生成内容,或指定图层拆分意图。
  • 图片生成场景:必填。图生图时,prompt 同时说明怎么使用和修改参考图。
  • 图层拆分场景:可选。用于指定要拆出的元素;不传时模型自动识别图中所有主要元素并拆成独立图层。
  • 字数建议:中文不超过 300 字,英文不超过 600 词。字数过多时信息容易分散,模型可能忽略细节。
交互编辑:可以在提示词里用 <bbox>x1 y1 x2 y2</bbox> 指定区域,官方示例用的是 [0, 1000] 的归一化坐标(左上角为原点);也可以直接在参考图上画框、箭头或草图,再在提示词里说明怎么处理标记区域。

image

参考图,支持单个字符串或字符串数组。每张图可以是:
  • 图片 URL:必须能被服务端访问,不能只在本地浏览器有效。
  • Base64:格式为 data:image/<图片格式>;base64,<Base64 编码>,<图片格式> 需小写,如 data:image/png;base64,iVBORw0...。
普通编辑场景(必填,最多 10 张): 图层拆分场景(必填,且只能传 1 张,传多张报错):
总像素是对宽 × 高乘积的限制,不是对宽或高单独限制。

size

普通编辑的尺寸规则见 通用尺寸说明。图层拆分仅支持 1K、1.5K、2K、auto,默认 auto;不能传自定义像素尺寸。底图和图层的缩放规则见 尺寸说明。

background

控制输出图片是否带透明通道。
  • 图生图支持 transparent,最多 10 张参考图,参考图不需要带透明通道。
  • 实际是否透明以响应里的 data[].background 为准,可能和请求值不同。
  • transparent 不能和 output_format: "jpeg" 同时用,否则报错。
  • 图层拆分场景不能传 background,传了报错。

layer_decomposition

是否开启图层拆分。 开启后,模型会把图片中的主体、背景、文字等内容拆成 1 张底图和最多 99 个可独立编辑的图层,每个图层都是带透明通道的 PNG。
  • image 必填,且只能传 1 张。
  • 任一图层生成失败,整个请求失败,不支持部分成功。
  • 提示词要求的图层数超过上限时,部分图层信息可能丢失。
  • 响应 data 中会返回每个图层的叠放顺序(z_index)、名称(name)、描述(description)和边界框(bounding_box),开启 OCR 时还会返回 text_recognition,见 返回字段。
  • 底图和每个图层都算一张生成图片,计入 usage.generated_images。

layer_decomposition_options

图层拆分配置,仅 layer_decomposition 为 true 时生效。
  • 提示词没说怎么拆或描述不清时,模型会结合 max_images 和图片复杂度规划拆分结果;max_images 越大,拆得通常越细。
  • 上游按 max_images 预占 IPM(每分钟图片数)限额,实际生成不足时释放多占的额度。
  • 非文字图层,以及艺术字、手写体等非规整文字图层,不返回 OCR 结果。支持识别的字体见官方 Seedream 5.5 OCR 支持字体。

调用示例

每个示例提供可直接复制的完整 JSON 请求 body 和对应 cURL。图片输入使用无需登录的公网 URL;使用 cURL 时,请将 sk-xxxxxxxxxx 替换为自己的 API Key。响应中的图片 URL 仅用于展示返回结构,不是请求素材。

单图生图

多图融合

交互编辑

图生透明图

图层拆分与 OCR

自动图层拆分

不传 prompt,模型自动识别并拆分所有主要元素;size 默认 auto,max_images 默认 30。

成功返回

普通编辑的基础响应与文生图一致,usage.input_images 按实际输入图片数统计,见 基础响应。以下为图层拆分响应的节选,仅展示底图和 1 个图层。usage 为完整响应的用量,因此 generated_images 不等于本节选中的图片数;URL 仅作结构示意:

返回字段

除 基础响应字段 外,图层拆分额外返回: data[].text_recognition 字段
样式信息由模型自动识别,可能与原图的精确属性有偏差。
还原图层:用 absolute 坐标时,把图层缩放到 (right - left) × (bottom - top),放到底图的 (left, top);用 normalized 坐标还原到 W × H 的任意画布时,左上角为 (left / 1000 × W, top / 1000 × H)。多个图层按 z_index 从小到大叠放。
data[].url 是临时地址,24 小时后失效。收到响应后请立即下载并转存到自己的对象存储。

计费与错误处理

参考图与输出图分别计费;图层拆分的底图和每个图层分别算 1 张输出图。详细价格和示例见 计费说明;排查参数、图片读取等问题见 错误处理。