Генерация изображений

Изображения — самая доступная часть генеративных медиа. Видео стоит заметных денег и создаётся минуты, а картинка возвращается за секунды и обходится в доли цента. Это меняет процесс: вместо долгой шлифовки одного промпта можно запустить несколько вариантов, сравнить их и оставить лучший.

Через один endpoint доступны четырнадцать моделей text-to-image, и сильные стороны у них действительно разные. Одна хорошо рисует текст, другая создаёт 4K-панорамы 8:1, третья предлагает целый процесс с upscale, вариациями и панорамированием. Здесь разберём выбор модели и промпты; полный перечень полей есть в справочнике Модели изображений.

Что с их помощью создают

Какую модель выбрать

gpt-image-2 — модель, которая умеет писать. Если в кадре должно быть слово, вывеска, этикетка или UI-макет, начинайте с неё. quality (low/medium/high) действительно меняет скорость и точность, а набор форматов очень широк — вплоть до 3:1 и 1:3.

Семейство nano-banana — универсальный рабочий инструмент. nano-banana-2-lite подходит для дешёвых черновиков, nano-banana — быстрый вариант, nano-banana-pro выдаёт 4K, а nano-banana-2 поддерживает панорамы 1:4, 1:8, 4:1 и 8:1, которых нет у других моделей.

doubao-seedream-5-0-lite — быстрый перебор концепций. Создавайте несколько отдельных задач с одним промптом и выбирайте лучшие результаты. doubao-seedream-5-0-pro делает ставку на качество одного изображения, а doubao-seedream-4-5 предлагает promptOptimizeMode, который перерабатывает промпт перед рендером.

z-image — простой быстрый вариант. Пять форматов, лимит промпта 1000 символов и никаких уровней разрешения. Хороший выбор, когда нужна качественная картинка без дополнительных решений.

wan2.7-image / wan2.7-image-pro — точные размеры. Только эти модели принимают width и height в пикселях (1–4096). Если дизайн требует ровно 1200×628 без кропа, используйте их. Версия -pro лучше прорабатывает детали.

grok-imagine-2.0-image работает только как text-to-image, поддерживает семь форматов и подходит как быстрый второй взгляд на концепцию. grok-imagine-1.5-image — более дешёвое предыдущее поколение.

midjourney — управляемый художественный процесс. Модель сначала возвращает сетку 2×2, а затем позволяет выполнить upscale, variation, pan, zoom и reroll. Параметры stylize, chaos и weird управляют эстетикой. Выбирайте её, если важен визуальный язык и вы готовы делать итерации. Цепочка действий описана в Редактировании изображений.

Как написать точный промпт

Модели изображений предсказуемо реагируют на конкретику в таком порядке:

предмет → композиция и кадрирование → свет → материал и фактура → техника или стилистический ориентир.

«Чашка кофе» даст стоковую фотографию. «Керамический пуровер на поцарапанной стальной столешнице, вид сверху, жёсткий боковой свет, малая глубина резкости, фуд-фотография» уже является брифом.

• Сначала скажите, что изображено, затем — как это снято или нарисовано. Формулировки 35-мм фотография, редакционная иллюстрация, изометрический 3D-рендер или ризография дают больше согласованности, чем набор эпитетов.
• Слова о кадрировании просты и эффективны. Вид сверху, крупный план, общий план, по центру со свободным местом сверху обычно выполняются.
• Точное количество объектов ненадёжно. Просьба о пяти бутылках может дать четыре или шесть. Если число критично, создайте объект один раз и соберите композицию в редакторе.
• Референс стиля надёжнее описания. Если есть подходящая картинка, передайте её для редактирования. См. Редактирование изображений.
• Когда важен текст, берите способную к нему модель. gpt-image-2, nano-banana-2 и nano-banana-pro могут осмысленно разместить короткую надпись, но результат всё равно нужно вычитать.

Рецепты

Композиция с местом для заголовка — nano-banana-2, size: "1:1":

A minimalist composition featuring a single, delicate red maple leaf positioned
in the bottom-right of the frame. The background is a vast, empty off-white
canvas, creating significant negative space for text. Soft, diffused lighting
from the top left. Square image.

Модель сохраняет и положение листа в углу, и пустое поле. Точное место предмета работает надёжнее расплывчатой просьбы «оставить место для текста».

Source: Google AI for Developers, used under CC BY 4.0; format and dimensions adapted.

Коммерческий предметный снимок — nano-banana-2, size: "1:1":

A high-resolution, studio-lit product photograph of a minimalist ceramic coffee
mug in matte black, presented on a polished concrete surface. The lighting is a
three-point softbox setup designed to create soft, diffused highlights and
eliminate harsh shadows. The camera angle is a slightly elevated 45-degree shot
to showcase its clean lines. Ultra-realistic, with sharp focus on the steam
rising from the coffee. Square image.

Материал, поверхность, схема света и ракурс оставляют модели мало пространства для собственной трактовки «премиальной предметной фотографии».

Source: Google AI for Developers, used under CC BY 4.0; format and dimensions adapted.

Картинка с надписью — nano-banana-2:

A photo of a glossy magazine cover, the minimal blue cover has the large bold
words Nano Banana. The text is in a serif font and fills the view. No other
text. In front of the text there is a portrait of a person in a sleek and
minimal dress. She is playfully holding the number 2, which is the focal point.
Put the issue number and "Feb 2026" date in the corner along with a barcode. The
magazine is on a shelf against an orange plastered wall, within a designer store.

Короткий текст в кавычках и ясная иерархия дают надписи конкретную роль. Дата, номер выпуска и штрихкод делают пример сложнее обычной вывески.

Source: Google AI for Developers, used under CC BY 4.0; format and dimensions adapted.

Несколько концепций — отдельные задачи doubao-seedream-5-0-lite с size: "1:1" и resolution: "2K":

Mascot character for a developer tool: a friendly otter wearing a small
backpack, vector illustration, thick outlines, limited palette of teal and
sand, plain background

Повторите один промпт несколькими запросами, соберите все результаты и выберите лучшие. Каждый публичный запрос создаёт один результат.

Ровно 1200×628 без кропа — wan2.7-image-pro, width: 1200, height: 628:

Abstract geometric background, overlapping translucent planes in indigo and
amber, soft grain, no text

width и height полностью заменяют size; модель возвращает запрошенные пиксели, что удобно для рекламного места фиксированного размера.

About these samples. Ready-made examples are copied to our own storage only when their source permits reuse. The exact prompt appears above each result, and the original source and license are linked below the media.

Сравнение моделей

Все модели изображений называют поле пропорций size. На стороне видео Sora и Veo используют aspectRatio. Полные таблицы приведены в разделе Модели изображений.

Размер и разрешение

size — строка с соотношением сторон, а не размер в пикселях. Допустимые значения зависят от модели:

Экстремальные панорамы 1:4, 1:8, 4:1, 8:1 есть только у nano-banana-2 и nano-banana-2-lite.

resolution задаётся отдельно, причём регистр различается: Nano Banana и Seedream используют 1K / 2K / 4K, а gpt-image-2 — 1k / 2k / 4k. У z-image, wan2.7-image*, grok-imagine-* и midjourney поля resolution нет.

У моделей Seedream разные допустимые уровни. Общий DTO не означает общие возможности: doubao-seedream-5-0-pro принимает 1K и 2K, doubao-seedream-5-0-lite — 2K/3K/4K, а doubao-seedream-4-5 — 2K/4K. Недопустимое значение вернёт 400 invalid_input, а не понижение.

wan2.7-image и wan2.7-image-pro также принимают точные width и height от 1 до 4096. Если заданы оба поля, они переопределяют size.

Несколько изображений

Каждый публичный запрос генерации создаёт один результат. Для серии создайте отдельную задачу на каждое изображение. Это позволяет независимо отслеживать, повторять и тарифицировать варианты. outputFormat (jpeg или png) поддерживают две модели Seedream 5.0; doubao-seedream-4-5 вместо него предлагает promptOptimizeMode (standard или fast).

Готовый файл приходит в массиве files:

{
  "code": 200,
  "data": {
    "taskId": "019ca8b2-77d1-7a04-8c2e-15f9b0d4a6e1",
    "status": "finished",
    "files": [
      {
        "fileUrl": "https://storage.api-stock.com/generated/img-1a.png",
        "fileType": "image"
      }
    ],
    "createdTime": "2026-02-28T12:41:02.000Z"
  }
}

Всегда обрабатывайте весь массив files, чтобы код оставался корректным и для операций, возвращающих несколько результатов.

Отправка запроса

Минимальный вызов text-to-image:

curl -X POST https://api.api-stock.com/api/v1/generation/create \
  -H "Authorization: Bearer sk-your-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nano-banana-2",
    "input": {
      "prompt": "A brass orrery on a walnut desk, single window light, shallow depth of field",
      "size": "3:2",
      "resolution": "2K"
    }
  }'

{
  "code": 200,
  "data": {
    "taskId": "019ca8b2-77d1-7a04-8c2e-15f9b0d4a6e1",
    "status": "not_started",
    "createdAt": "2026-02-28T12:41:02.000Z"
  }
}

У gpt-image-2 параметр quality меняет задержку, цену и точность:

{
  "model": "gpt-image-2",
  "input": {
    "prompt": "A brass orrery on a walnut desk, single window light",
    "size": "3:2",
    "resolution": "2k",
    "quality": "high"
  }
}

Midjourney из текста

У публичной модели midjourney поле action выбирает операцию. Для генерации из текста используется imagine; это также значение по умолчанию.

{
  "model": "midjourney",
  "input": {
    "action": "imagine",
    "prompt": "A brass orrery on a walnut desk, single window light",
    "size": "3:2",
    "version": "7",
    "stylize": 250,
    "chaos": 15,
    "speed": "relax"
  }
}

Нативные --flags можно писать в prompt, но структурированное поле тела переопределяет одноимённый флаг. Остальные флаги можно передать строкой extra.

Задача imagine создаёт сетку 2×2. Для последующего действия отдельная плитка выбирается через index (1–4). Процесс описан в Редактировании изображений.

Полный цикл

const BASE = "https://api.api-stock.com/api/v1";
const KEY = process.env.API_STOCK_KEY!;

type TaskFile = { fileUrl: string; fileType: "image" | "video" | "music" };

async function generateImage(prompt: string): Promise<string[]> {
  const create = await fetch(`${BASE}/generation/create`, {
    method: "POST",
    headers: {
      Authorization: `Bearer ${KEY}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      model: "doubao-seedream-5-0-lite",
      input: { prompt, size: "1:1", resolution: "2K", outputFormat: "png" },
    }),
  });

  const created = await create.json();
  if (!create.ok) {
    throw new Error(`${created.error.code}: ${created.error.message}`);
  }

  const taskId: string = created.data.taskId;
  const deadline = Date.now() + 10 * 60_000;

  while (Date.now() < deadline) {
    await new Promise((r) => setTimeout(r, 3_000));

    const res = await fetch(`${BASE}/task/status/${taskId}`, {
      headers: { Authorization: `Bearer ${KEY}` },
    });
    const body = await res.json().catch(() => null);
    if (!res.ok) {
      if (res.status === 429) {
        const retryAfter = Number(res.headers.get("Retry-After") ?? 3);
        await new Promise((r) => setTimeout(r, retryAfter * 1000));
        continue;
      }
      const message = body?.error?.message ?? `${res.status} ${res.statusText}`;
      throw new Error(message);
    }
    const { data } = body;

    if (data.status === "finished") {
      return (data.files as TaskFile[]).map((f) => f.fileUrl);
    }
    if (data.status === "failed" || data.status === "expired") {
      throw new Error(data.errorMessage);
    }
  }

  throw new Error(`timed out waiting for ${taskId}`);
}

const urls = await generateImage("Isometric cutaway of a lighthouse");
console.log(urls.length); // → 1

Для изображений подходит интервал опроса 3 секунды. Общий лимит на IP — 120 запросов за 60 секунд; см. Лимиты запросов. Для пакетной обработки передайте webhook и принимайте готовый ответ без опроса; см. Вебхуки.