Image Gen API Gemini: यह सेवा क्या है

क्या यह Google का Gemini इमेज API है?

नहीं। यदि आप गेमिनी इमेज एंडपॉइंट खोजते हुए आए हैं, तो सबसे पहले यह तय करना होता है कि कौन क्या चलाता है। गेमिनी गूगल का मॉडल परिवार है, और गूगल अपनी स्वयं के डेवलपर उत्पादों के माध्यम से इमेज जनरेशन प्रदान करता है। उन उत्पादों की जो भी क्षमता हो, आप उन्हें गूगल के माध्यम से, गूगल के खातों, कुंजियों और शर्तों के साथ प्राप्त करते हैं।

यह साइट कुछ अलग है। यह एक होस्टेड टेक्स्ट API है जिसमें एक अकेले स्वतंत्र प्रदाता द्वारा चलाए जाने वाला एक ओपन-वेट मॉडल, कानूनी वयस्क उपयोग के लिए बिना सेंसर जवाब देने के लिए ट्यून्ड है। यह Gemini का रीसेलर नहीं है, यह अनुरोधों को Google में रूट नहीं करता है, और इसमें Google या किसी अन्य मॉडल विक्रेता का कोई समर्थन नहीं है। डोमेन नाम में इमेज जनरेशन इसलिए है क्योंकि कई विज़िटर प्रॉम्प्ट मदद की तलाश में आते हैं, न कि इसलिए कि यहाँ तस्वीरें बनाई जाती हैं।

आपको वास्तव में क्या मिलता है

दायरा जानबूझकर छोटा रखा गया है, जिससे इसे कुछ मिनटों में आसानी से मूल्यांकन किया जा सकता है।

• प्रोटोकॉल: OpenAI-संगत। किसी भी OpenAI SDK या क्लाइंट को काम करने के लिए आपको दो चीजें बदलनी होंगी, बेस URL और कुंजी।
• बेस यूआरएल: https://api.imagegenapi.com/v1
• मॉडल ID: uncensored
• विधियाँ: POST /v1/chat/completions और GET /v1/models
• विशेषताएँ: SSE के माध्यम से स्ट्रीमिंग, टूल कॉलिंग, JSON मोड, और पास-थ्रू सैंपलिंग पैरामीटर (temperature, top_p, stop, seed, पेनल्टी)।
• कॉन्टेक्स्ट विंडो: 100,000 टोकन, प्रॉम्प्ट और कंप्लीशन सहित।

शामिल नहीं: इमेज जनरेशन, इमेज इनपुट, ऑडियो, वीडियो, एम्बेडिंग्स और फाइन-ट्यूनिंग। यदि कोई फीचर ऊपर की सूची में नहीं है, तो मान लें कि यह अनुपस्थित है। docs पेज पर request format और एरर कोड्स हैं।

थर्ड-पार्टी बनाम आधिकारिक: कैसे पहचानें

यह भ्रम पूरे बाजार में आम है, इसलिए जब भी आप किसी ऐसे API से मिलते हैं जिसका नाम किसी बड़े विक्रेता जैसा लगता है, तो एक त्वरित चेकलिस्ट मदद करती है।

1. डोमेन और शर्तों पर ध्यान दें। एक आधिकारिक API विक्रेता के अपने डोमेन और शर्तों के तहत रहता है। एक थर्ड-पार्टी सेवा ऐसा कहती है, या कम से कम अपने ऑपरेटर का नाम बताती है।
2. मॉडल सूची की जाँच करें। यहाँ, GET /v1/models केवल एक मॉडल लौटाता है, uncensored। एक राउटर कई विक्रेता मॉडल नाम सूचीबद्ध करता है।
3. वादे पढ़ें। "वास्तविक चीज़, लेकिन सस्ती" जैसे दावों पर संदेह करना उचित है। एक विश्वसनीय सेवा बताती है कि कौन से फीचर अनुपलब्ध हैं।
4. इसे परीक्षण करें। किसी भी वर्कलोड स्थानांतरित करने से पहले मुफ़्त ट्रायल के साथ कुछ अनुरोध भेजें।

इस साइट पर, जवाब स्पष्ट हैं: स्वतंत्र प्रदाता, एक ओपन-वेट मॉडल, केवल टेक्स्ट। किसी अन्य व्याख्या को एक गलती मानें। आप व्यवहार के माध्यम से मॉडल की पहचान की जाँच कर सकते हैं, लेकिन आप यह उम्मीद नहीं कर सकते कि यह किसी विशेष विक्रेता के उत्पाद का दावा करेगा।

टेक्स्ट और इमेज टूल्स को जोड़ने का एक समझदारी भरा तरीका

इमेज मॉडल प्रॉम्प्ट्स द्वारा संचालित होते हैं, और अच्छे प्रॉम्प्ट लिखना मुख्य रूप से एक टेक्स्ट कार्य है। इसलिए एक आम वर्कफ़्लो दो चरणों में होता है: एक भाषा मॉडल से एक विस्तृत प्रॉम्प्ट तैयार करने के लिए कहें, और फिर उस प्रॉम्प्ट को अपने चुने हुए इमेज सर्विस (Google या किसी अन्य) में पेस्ट या पाइप करें। यहाँ टेक्स्ट मॉडल पहले चरण को संभालता है।

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.imagegenapi.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    temperature=0.7,
    messages=[
        {"role": "system", "content": "Turn a short idea into a detailed prompt for a text-to-image model. Include subject, setting, lighting, color palette and mood. One paragraph."},
        {"role": "user", "content": "A smuggler's market inside a hollowed-out whale skeleton, neon lanterns."},
    ],
)
print(resp.choices[0].message.content)

पाइपलाइन के लिए JSON अनुरोध करें ताकि अगला चरण फ़ील्ड्स पढ़ सके। Node में आधिकारिक openai पैकेज के साथ यह इस प्रकार है:

Copyimport OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.imagegenapi.com/v1",
  apiKey: process.env.API_KEY,
});

const res = await client.chat.completions.create({
  model: "uncensored",
  response_format: { type: "json_object" },
  messages: [
    { role: "user", content: "Return JSON with keys prompt and style for: a whale-skeleton night market." },
  ],
});

const out = JSON.parse(res.choices[0].message.content);
console.log(out.prompt);

उन कोड स्निपेट्स पर कुछ नोट्स। सिस्टम मैसेज भारी काम करता है, इसलिए वहां अपना समय बिताएं। API कुंजी एक एनवायरनमेंट वेरिएबल में होनी चाहिए, सॉर्स कॉन्ट्रोल में कभी नहीं। और यदि कॉल 429 के साथ फेल होती है, तो लूपिंग करने के बजाय प्रतीक्षा करें और रीट्राई करें, क्योंकि एक टाइट लूप आपके प्रति-मिनट की अनुमति को तेजी से जला देता है। समान प्रोटोकॉल का उद्देश्य यह है कि आप बेस URL और मॉडल नाम बदलकर प्रदाता बदल सकते हैं, जिससे वही कोड अन्य OpenAI-कम्पैटिबल होस्ट्स पर बिना बदलाव के चलता है।

याद रखें कि एक कानूनी वयस्कों पर केंद्रित दृष्टिकोण आपके द्वारा अनुरोधित सामग्री पर लागू होता है। कथा, रोलप्ले और कंपैनियन ऐप्स सामान्य उपयोग हैं, और नाबालिगों से संबंधित यौन सामग्री को बिना किसी अपवाद के ब्लॉक कर दिया जाता है।

प्रॉम्प्ट लिखना जो इमेज मॉडल के लिए उपयुक्त हों

टेक्स्ट स्टेप का अधिकांश मूल्य उन निर्देशों से आता है जो आप देते हैं, न कि केवल मॉडल से। कुछ आदतें आउटपुट को बहुत अधिक उपयोगी बना देती हैं।

मॉडल को एक निश्चित रेसिपी दें

उन्हें उन हिस्सों के क्रम के बारे में बताएं जो आप चाहते हैं: सबसे पहले विषय, फिर सेटिंग, फिर प्रकाश, फिर पैलेट, फिर शैली। इमेज मॉडल शुरुआती शब्दों को अधिक वजन देते हैं, इसलिए एक स्थिर क्रम रन के बीच परिणामों की तुलनात्मकता बनाए रखता है। एक शब्द सीमा जोड़ें, क्योंकि बहुत लंबे प्रॉम्प्ट अक्सर मुख्य विषय को कमजोर करते हैं, बेहतर नहीं बनाते।

यह बताएं कि क्या छोड़ना है

कुछ इमेज टूल्स एक अलग नैगेटिव प्रॉम्प्ट लेते हैं, अन्य इसे अनदेखा करते हैं। टेक्स्ट मॉडल से दो हिस्सों को अलग-अलग JSON फ़ील्ड्स के रूप में लौटने के लिए कहें, फिर अपने टूल के लिए यदि इसका कोई उपयोग नहीं है तो दूसरे को छोड़ दें। यह एक लंबे पैराग्राफ को हाथ से संपादित करने से सरल है।

समान संवाद में पुनरावृत्ति करें

पिछले मैसेज को messages लिस्ट में रखें और बदलावों के लिए पूछें: गर्म रोशनी, एक चौड़ा शॉट, कम पात्र। कॉन्टेक्स्ट विंडो 100,000 टोकन की है, इसलिए एक लंबी एडिटिंग सेशन भी फिट हो जाती है। छोटे बदलावों के लिए temperature कम करें और नई आइडियाज के लिए इसे बढ़ाएं।

कुछ सीड्स का परीक्षण करें

यदि आप समान संदेशों और सेटिंग्स के साथ seed पास करते हैं, तो आउटपुट चलाव से चलाव तक करीब रहता है। सिस्टम संदेश जैसे एक ही चीज़ बदलें, और आप बता सकते हैं कि किस बदलाव ने परिणाम को बेहतर बनाया। यह अनुशासन किसी भी मूल्य स्तर से अधिक पैसे बचाता है, क्योंकि कम बर्बाद इमेज जनरेशन ही असली लागत बचत है।

टेक्स्ट स्टेप की लागत

कीमत $0.15 प्रति 1M इनपुट टोकन और $0.50 प्रति 1M आउटपुट टोकन है, प्रीपेड क्रेडिट से, कोई सब्सक्रिप्शन नहीं। रिफ्यूज्ड या फेल अनुरोधों के लिए चार्ज नहीं किया जाता है। 1,000 प्रॉम्प्ट-राइटिंग कॉल्स का एक बैच लें, प्रत्येक में 400 इनपुट टोकन और 250 आउटपुट टोकन हैं।

• प्रत्येक कॉल के लिए इनपुट: 400 / 1,000,000 x $0.15 = $0.00006।
• प्रत्येक कॉल के लिए आउटपुट: 250 / 1,000,000 x $0.50 = $0.000125।
• प्रति कॉल: $0.000185।
• 1,000 कॉल्स के लिए: $0.185।

यह बैच के लिए 18.5 सेंट है। इसे अपनी इमेज प्रदाता की प्रति तस्वीर कीमत से तुलना करें, जिसे आपको उनके पेज पर देखना चाहिए, और आप आमतौर पर देखेंगे कि प्रॉम्प्ट-राइटिंग स्टेप सबसे सस्ता है।

क्रेडिट के साथ शुरुआत करना

नए उपयोगकर्ता Google या ईमेल और पासवर्ड से साइन इन करने के बाद API कुंजी पेज पर एक क्लिक से $0.50 का मुफ़्त ट्रायल क्रेडिट क्लेम कर सकते हैं। इसके लिए कोई भुगतान नहीं चाहिए और यह 7 दिनों तक चलता है। उसके बाद, क्रिप्टो (TRC20 पर USDT या Base पर USDC) से $20 से $500 तक किसी भी पूर्ण राशि से टॉप-अप करें। बोनस हैं +5% $50 से, +10% $100 से और +15% $200 से, और क्रेडिट कभी समाप्त नहीं होता। पूरी तस्वीर के लिए मूल्य निर्धारण देखें।

योजना के लिए लिमिट्स

एक पूर्ण कुंजी 8 समानांतर अनुरोध और प्रति मिनट 300 अनुरोध की अनुमति देती है। एक ट्रायल कुंजी 2 समानांतर और प्रति मिनट 60 की अनुमति देती है। पहले की सीमा पार करने पर HTTP 429 और कोड rate_limited मिलता है, दूसरी की सीमा पार करने पर 429 और कोड concurrency मिलता है, और अस्थायी ओवरलोड पर 429 और Retry-After: 5 हेडर मिलता है। एक स्ट्रीमिंग अनुरोध अपना स्लॉट तब तक पकड़े रखता है जब तक स्ट्रीम समाप्त न हो जाए, इसलिए उन स्ट्रीम्स को बंद करें जिनकी अब आपको आवश्यकता नहीं है।

रिस्पॉन्स हेडर में X-Request-Id, X-Balance-USD, X-RateLimit-Limit-Requests और X-RateLimit-Limit-Concurrency शामिल हैं। हर एरर के साथ request ID लॉग करें, क्योंकि यह सपोर्ट से मदद पाने का सबसे तेज़ तरीका है। अधिकतम बॉडी साइज 8 MB है।

यदि आपको एक नेटिव Gemini इमेज कॉल चाहिए, तो Google पर जाएं और उनकी वर्तमान प्रलेखन पढ़ें। यदि आपको एक बिना सेंसर टेक्स्ट मॉडल चाहिए जो OpenAI प्रोटोकॉल बोलता हो, कानूनी वयस्क उपयोग के लिए प्रॉम्प्ट, कहानियां या पात्र संवाद लिखने के लिए, यह उसी के लिए बनाया गया है।

अधिक गाइड

• ⟦a0⟍एक बिना सेंसर मॉडल का API के माध्यम से परीक्षण कैसे करें⟦/a0⟍
• Image Gen API OpenAI शैली: केवल यहाँ टेक्स्ट
• GPT Image API: इमेज जनरेशन के लिए बिना सेंसर टेक्स्ट