Generar imágenes a partir de prompts de texto

🤖/image/generate genera imágenes a partir de prompts de texto mediante IA.

Ejemplo de uso

{
  "steps": {
    ":original": {
      "robot": "/upload/handle"
    },
    "inpainted": {
      "robot": "/image/generate",
      "use": [
        {
          "name": ":original",
          "as": "image"
        },
        {
          "name": ":original",
          "as": "mask"
        }
      ],
      "model": "google/nano-banana-pro",
      "prompt": "Replace the masked area with a breaching whale. Keep the rest of the image unchanged.",
      "format": "png"
    }
  }
}

Parámetros

• interpolate

  boolean | Record<string, boolean>

  Controla si las Assembly Variables se interpolan en campos de instrucciones individuales.

  De forma predeterminada, la mayoría de los campos de instrucciones de los Robots interpolan Assembly Variables. Establece esta opción en false para tratar todos los campos de instrucciones como texto literal, o establece la ruta de un campo individual en false para tratar únicamente ese campo como texto literal. En el caso de los campos específicos de un Robot que son literales de forma predeterminada, establece esta opción en true o la ruta de ese campo en true para volver a habilitar la interpolación.

  Usa nombres de campos como path o rutas con puntos como ffmpeg.vf para los objetos anidados.

• output_meta

  Record<string, boolean> | boolean | Array<string>

  Te permite especificar un conjunto de metadatos cuyo cálculo requiere más recursos de CPU y que, por lo tanto, está desactivado de forma predeterminada para que tus Assemblies se procesen rápidamente.

  Para imágenes, puedes añadir "has_transparency": true a este objeto para determinar si la imagen contiene partes transparentes y "dominant_colors": true para extraer un array de códigos de color hexadecimales de la imagen.

  Para imágenes, también puedes añadir "blurhash": true para extraer una cadena BlurHash⁠, una representación compacta de un marcador de posición para la imagen que resulta útil para mostrar una vista previa desenfocada mientras se carga la imagen completa.

  Para videos, puedes añadir el parámetro "colorspace": true para extraer el espacio de color del video de salida.

  Para videos, también puedes añadir "interlaced": true para detectar si el video está entrelazado. Esto combina el indicador field_order de ffprobe, cuyo costo en recursos de procesamiento es bajo, con una pasada de muestreo limitada mediante idet sobre los primeros fotogramas de la fuente, y expone interlaced, field_order y un objeto de diagnóstico interlace_detection en file.meta. Esto requiere muchos recursos computacionales y se factura en consecuencia.

  Para audio, puedes añadir "mean_volume": true para obtener un único valor que represente el volumen promedio del archivo de audio.

  También puedes establecerlo en false para omitir la extracción de metadatos y acelerar la transcodificación.

• user_meta

  Record<string, any>(valor predeterminado: {})

  Añade metadatos personalizados a cada archivo emitido por este Robot sin modificar el contenido del archivo.

  Los valores se combinan con los user_meta existentes en el archivo de entrada. Si ambos objetos contienen la misma clave, el valor de este Robot tiene prioridad. Se admiten Assembly Variables, por ejemplo { "internal_file_id": "${file.id}" }.

• queue

  batch

  Establecer la cola en «batch» reduce manualmente la prioridad de los Jobs de este Step para evitar consumir cupos prioritarios con Jobs que no necesitan un tiempo de espera cero en la cola

• force_accept

  boolean(valor predeterminado: false)

  Forzar a un Robot a aceptar un tipo de archivo que habría ignorado.

  De forma predeterminada, los Robots ignoran los archivos que no reconocen. 🤖/video/encode, por ejemplo, ignorará sin problemas las imágenes de entrada.

  Si configuras el parámetro force_accept como true, puedes forzar a los Robots a aceptar todos los archivos que reciban. Esto normalmente provocará errores y solo debe usarse para depuración o para abordar casos extremos.

• ignore_errors

  boolean | Array<meta | execute>(valor predeterminado: [])

  Ignorar errores durante fases específicas del procesamiento.

  Establecer este parámetro en ["meta"] hará que el Robot ignore los errores durante la extracción de metadatos.

  Establecer este parámetro en ["execute"] hará que el Robot ignore los errores durante la fase principal de ejecución.

  Configurar este parámetro como true equivale a ["meta", "execute"] y hará que se ignoren los errores en ambas fases.

• use

  string | Array<string> | Array<object> | object

  Especifica qué Step o Steps se usarán como entrada.

  Para el inpainting, proporciona tanto la imagen de origen como la máscara mediante use, normalmente así:

  {
    "use": [
      { "name": ":original", "as": "image" },
      { "name": ":original", "as": "mask" }
    ]
  }
  

  Prácticas recomendadas:

  • Etiqueta explícitamente las entradas de origen y máscara mediante as (o nombres semánticos de campos de subida)
  • Mantén el prompt centrado en lo que debe cambiar en la región enmascarada o transparente
  • Deja que los valores predeterminados del Robot elijan el modelo y el proveedor, a menos que tengas una necesidad específica

• model

  string

  El modelo de IA que se usará. El valor predeterminado es google/nano-banana. Los modelos compatibles incluyen flux-1.1-pro-ultra, flux-schnell, recraft-v3, google/nano-banana, google/nano-banana-2, google/nano-banana-pro, openai/gpt-image-2 y stability-ai/stable-diffusion-inpainting. El alias heredado gpt-image-2 también se acepta por compatibilidad con versiones anteriores.

• prompt — obligatorio

  string

  Prompt que describe la imagen deseada. Para el inpainting, describe lo que debe aparecer en la región enmascarada o transparente e indica que el resto debe permanecer sin cambios.

• format

  jpeg | jpg | png | gif | webp | svg

  Formato de salida. Los valores predeterminados dependen del modelo: png para los modelos de Google y openai/gpt-image-2, svg para recraft-v3 y jpeg para los demás. Actualmente, los modelos de Google solo devuelven PNG.

• seed

  string | number

  Semilla para el generador de números aleatorios.

• aspect_ratio

  string

  Relación de aspecto solicitada para la salida. En los modelos de Google, también se pueden usar el ancho y el alto, y la orientación se obtiene automáticamente cuando se omite aspect_ratio.

• height

  string | number

  Altura solicitada para la salida, en píxeles (se usa principalmente con los modelos de imágenes de Google y openai/gpt-image-2).

• width

  string | number

  Ancho solicitado para la salida, en píxeles (se usa principalmente con los modelos de imágenes de Google y openai/gpt-image-2).

• style

  string

  Estilo de la imagen generada.

• num_outputs

  string | number

  Número de variantes de salida que se generarán (1-10).

• provider

  string(valor predeterminado: "auto")

  Se selecciona automáticamente el mejor proveedor según tu solicitud.

Demos

Publicaciones relacionadas del blog