API สร้างภาพ Gemini: บริการนี้คืออะไร บริการนี้คืออะไร

นี่คือ API สร้างภาพ Gemini ของ Google ใช่หรือไม่

ไม่ใช่ หากคุณมาถึงที่นี่โดยกำลังค้นหาเอนด์พอยต์รูปภาพของ Gemini สิ่งแรกที่ต้องตกลงกันคือใครเป็นผู้ให้บริการ Gemini เป็นตระกูลโมเดลของ Google และ Google จัดการสร้างรูปภาพผ่านผลิตภัณฑ์สำหรับนักพัฒนาของตนเอง ไม่ว่าผลิตภัณฑ์เหล่านั้นจะทำอะไรได้ คุณจะต้องเข้าถึงผ่าน Google ด้วยบัญชี คีย์ และข้อกำหนดของ Google

เว็บไซต์นี้คือสิ่งอื่น มันคือ API ข้อความแบบโฮสต์ซึ่งใช้โมเดลแบบเปิดน้ำหนักเพียงตัวเดียวที่รันโดยผู้ให้บริการอิสระ ซึ่งปรับแต่งให้ตอบโดยไม่มีการปฏิเสธเนื้อหาสำหรับการใช้งานผู้ใหญ่ที่ถูกต้องตามกฎหมาย มันไม่ใช่ตัวแทนจำหน่าย Gemini ไม่ได้ส่งคำขอไปยัง Google และไม่มีคำรับรองจาก Google หรือผู้ขายโมเดลรายอื่น ชื่อโดเมนกล่าวถึงการสร้างรูปภาพเพราะผู้เยี่ยมชมจำนวนมากมาเพื่อค้นหาความช่วยเหลือเกี่ยวกับพรอมต์ ไม่ใช่เพราะรูปภาพถูกผลิตที่นี่

สิ่งที่คุณได้รับจริง

ขอบเขตถูกกำหนดให้แคบโดยเจตนา ซึ่งทำให้ประเมินได้ง่ายภายในไม่กี่นาที

• โปรโตคอล: เข้ากันได้กับ OpenAI SDK หรือไคลเอนต์ OpenAI ใดๆ ทำงานได้หลังจากเปลี่ยนสองสิ่ง คือ Base URL และคีย์
• Base URL: https://api.imagegenapi.com/v1
• รหัสโมเดล: uncensored
• วิธีการ: POST /v1/chat/completions และ GET /v1/models
• ฟีเจอร์: สตรีมมิงผ่าน SSE การเรียกใช้ฟังก์ชัน โหมด JSON และพารามิเตอร์การสุ่มตัวอย่างแบบส่งผ่าน (temperature, top_p, stop, seed, ค่าปรับ)
• หน้าต่างบริบท: 100,000 โทเคน รวมพรอมต์และการสร้างผลลัพธ์

ไม่รวม: การสร้างภาพ, การรับภาพเป็นข้อมูลเข้า, เสียง, วิดีโอ, embeddings และการปรับแต่งพิเศษ หากฟีเจอร์ใดไม่อยู่ในรายการข้างต้น ให้ถือว่าไม่มีอยู่ หน้าเอกสารมีรูปแบบคำขอและรหัสข้อผิดพลาด

ผู้ให้บริการบุคคลที่สามเทียบกับทางการ: วิธีแยกแยะ

ความสับสนเป็นเรื่องปกติในตลาดทั้งหมด ดังนั้นรายการตรวจสอบอย่างรวดเร็วจึงมีประโยชน์เมื่อคุณพบ API ที่มีชื่อคล้ายกับผู้ขายรายใหญ่

1. ดูโดเมนและข้อกำหนด API ทางการจะอยู่ภายใต้โดเมนและข้อกำหนดของผู้ขายเอง บริการบุคคลที่สามจะระบุไว้ หรืออย่างน้อยก็ระบุชื่อผู้ดำเนินการของตนเอง
2. ตรวจสอบรายการโมเดล ที่นี่ GET /v1/models จะคืนโมเดลเดียวคือ uncensored ตัวกระจายคำขอจะแสดงชื่อโมเดลของผู้ขายหลายราย
3. อ่านสิ่งที่สัญญาไว้ ข้ออ้างเช่น "ของแท้แต่ราคาถูกกว่า" ควรสงสัย บริการที่เชื่อถือได้จะบอกคุณว่าฟีเจอร์ใดขาดหายไป
4. ทดสอบมัน ส่งคำขอไม่กี่คำขอด้วยเครดิตทดลองใช้ฟรีก่อนที่คุณจะย้ายงานใดๆ

บนเว็บไซต์นี้ คำตอบนั้นชัดเจน: ผู้ให้บริการอิสระ โมเดลแบบเปิดน้ำหนักหนึ่งตัว ข้อความเท่านั้น ให้ถือว่าความเข้าใจอื่น ๆ เป็นความผิดพลาด คุณสามารถตรวจสอบตัวตนของโมเดลผ่านพฤติกรรมได้ แต่คุณไม่ควรคาดหวังว่ามันจะอ้างว่าเป็นผลิตภัณฑ์ของผู้ขายรายใดรายหนึ่ง

วิธีที่สมเหตุสมผลในการรวมเครื่องมือข้อความและรูปภาพ

โมเดลรูปภาพถูกขับเคลื่อนโดยพรอมต์ และการเขียนพรอมต์ที่ดีส่วนใหญ่เป็นงานข้อความ ขั้นตอนการทำงานทั่วไปจึงมีสองขั้นตอน: ขอโมเดลภาษาให้สร้างพรอมต์โดยละเอียด จากนั้นวางหรือส่งพรอมต์นั้นเข้าไปในบริการรูปภาพที่คุณเลือก ไม่ว่าจะเป็นของ Google หรือรายอื่น โมเดลข้อความที่นี่จัดการขั้นตอนแรก

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)

สำหรับสายการผลิต ให้ขอ JSON เพื่อให้ขั้นตอนถัดไปสามารถอ่านฟิลด์ได้ นี่คือใน Node ด้วยแพ็คเกจ openai ที่เป็นทางการ:

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);

หมายเหตุเล็กน้อยเกี่ยวกับตัวอย่างเหล่านี้ ข้อความระบบทำหน้าที่หลัก ดังนั้นควรใช้เวลากับส่วนนี้ คีย์ API ควรอยู่ในตัวแปรสภาพแวดล้อม อย่าใส่ไว้ในระบบควบคุมแหล่งที่มา และหากการเรียกใช้ล้มเหลวด้วย 429 ให้รอและลองใหม่แทนที่จะวนซ้ำด้วยความเร็วเต็มที่ เนื่องจากลูปที่วนถี่จะเผาผลาญโควตาต่อนาทีของคุณเร็วขึ้น โค้ดเดียวกันทำงานได้โดยไม่เปลี่ยนแปลงกับโฮสต์ที่เข้ากันได้กับ OpenAI อื่นๆ ซึ่งเป็นจุดประสงค์ของโปรโตคอลร่วม: คุณสามารถเปลี่ยนผู้ให้บริการได้โดยการเปลี่ยน Base URL และชื่อโมเดล

โปรดจำไว้ว่าการมุ่งเน้นการใช้งานสำหรับผู้ใหญ่ที่ถูกต้องตามกฎหมายใช้กับเนื้อหาที่คุณร้องขอ นิยาย บทบาทสมมติ และแอปเพื่อนเป็นกรณีใช้งานทั่วไป และเนื้อหาทางเพศที่เกี่ยวข้องกับผู้เยาว์จะถูกบล็อกโดยไม่มีการยกเว้น

การเขียนพรอมต์ที่เหมาะกับโมเดลรูปภาพ

คุณค่าส่วนใหญ่ของขั้นตอนข้อความมาจากคำสั่งที่คุณให้ ไม่ใช่จากโมเดลเพียงอย่างเดียว นิสัยเพียงไม่กี่อย่างทำให้ผลลัพธ์ใช้งานได้ดีขึ้นมาก

กำหนดสูตรตายตัวให้โมเดล

บอกลำดับส่วนที่คุณต้องการ: หัวข้อก่อน แล้วตามด้วยฉากหลัง แสง สี และสไตล์ โมเดลภาพมักให้น้ำหนักกับคำแรกๆ ดังนั้นลำดับที่เสถียรช่วยให้ผลลัพธ์มีความสม่ำเสมอระหว่างการรัน เพิ่มข้อจำกัดจำนวนคำ เนื่องจากพรอมต์ที่ยาวเกินไปมักทำให้หัวข้อหลักเจือจางลงมากกว่าที่จะปรับปรุงให้ดีขึ้น

ระบุสิ่งที่ควรตัดออก

เครื่องมือสร้างภาพบางตัวรองรับพรอมต์เชิงลบแยกต่างหาก ในขณะที่บางตัวเพิกเฉยต่อสิ่งนี้ ให้โมเดลข้อความส่งคืนสองส่วนนี้เป็นฟิลด์ JSON แยกกัน จากนั้นตัดส่วนที่สองทิ้งหากเครื่องมือของคุณไม่จำเป็นต้องใช้ วิธีนี้ง่ายกว่าการแก้ไขย่อหน้ายาวๆ ด้วยตนเอง

ปรับปรุงในบทสนทนาเดียวกัน

เก็บข้อความก่อนหน้าไว้ในรายการ messages และขอการเปลี่ยนแปลง: แสงอบอุ่นขึ้น มุมภาพที่กว้างขึ้น หรือตัวละครที่น้อยลง หน้าต่างบริบทรองรับ 100,000 โทเคน ดังนั้นแม้แต่เซสชันการแก้ไขที่ยาวนานก็อยู่ในขอบเขตที่รองรับได้ ลดค่า temperature เมื่อต้องการแก้ไขเล็กน้อย และเพิ่มค่าเมื่อต้องการไอเดียใหม่

ทดสอบค่า seed หลายค่า

หากคุณส่งค่า seed เดียวกันพร้อมกับข้อความและการตั้งค่าเดียวกัน ผลลัพธ์จะมีความคล้ายคลึงกันระหว่างการรัน เปลี่ยนเพียงอย่างเดียวในแต่ละครั้ง เช่น ข้อความระบบ และคุณสามารถระบุได้ว่าการเปลี่ยนแปลงใดทำให้ผลลัพธ์ดีขึ้น วินัยนี้ช่วยประหยัดเงินได้มากกว่าระดับราคาใดๆ เนื่องจากการสร้างภาพที่สูญเปล่าน้อยลงคือการประหยัดต้นทุนที่แท้จริง

ต้นทุนของขั้นตอนข้อความ

ราคาอยู่ที่ $0.15 ต่อ 1M input tokens และ $0.50 ต่อ 1M output tokens โดยหักจากเครดิตแบบเติมเงินล่วงหน้า ไม่มีค่าสมาชิก คำขอที่ปฏิเสธหรือล้มเหลวจะไม่ถูกเรียกเก็บเงิน ลองคำนวณชุดคำขอเขียนพรอมต์ 1,000 ครั้ง โดยแต่ละครั้งมี input tokens 400 และ output tokens 250

• Input ต่อคำขอ: 400 / 1,000,000 x $0.15 = $0.00006
• Output ต่อคำขอ: 250 / 1,000,000 x $0.50 = $0.000125
• ต่อคำขอ: $0.000185
• ต่อ 1,000 คำขอ: $0.185

นั่นคือ 18.5 เซนต์สำหรับชุดคำขอ เมื่อเปรียบเทียบกับราคาต่อภาพของผู้ให้บริการภาพของคุณ ซึ่งคุณควรตรวจสอบในหน้าราคาของพวกเขา คุณจะพบว่าขั้นตอนการเขียนพรอมต์มักจะมีต้นทุนต่ำกว่า

เริ่มต้นใช้งานด้วยเครดิต

ผู้ใช้ใหม่สามารถรับเครดิตทดลองใช้ $0.50 ได้เพียงคลิกเดียวที่ หน้าคีย์ API หลังจากสมัครสมาชิกด้วย Google หรือด้วยอีเมลและรหัสผ่าน ไม่ต้องใช้การชำระเงินและใช้งานได้ 7 วัน หลังจากนั้น คุณสามารถเติมเงินด้วยจำนวนเต็มใดๆ ตั้งแต่ $20 ถึง $500 ผ่านคริปโต (USDT บน TRC20 หรือ USDC บน Base) โบนัสคือ +5% จาก $50, +10% จาก $100 และ +15% จาก $200 และเครดิตไม่หมดอายุ ดู หน้าราคา สำหรับรายละเอียดทั้งหมด

ขีดจำกัดที่ต้องวางแผนรอบ

คีย์แบบเต็มรองรับคำขอพร้อมกัน 8 คำขอ และ 300 คำขอต่อนาที คีย์ทดลองรองรับคำขอพร้อมกัน 2 คำขอ และ 60 คำขอต่อนาที การเกินขีดจำกัดแรกจะส่ง HTTP 429 พร้อมโค้ด rate_limited การเกินขีดจำกัดที่สองจะส่ง 429 พร้อมโค้ด concurrency และการโอเวอร์โหลดชั่วคราวจะส่ง 429 พร้อมเฮดเดอร์ Retry-After: 5 คำขอแบบสตรีมมิงจะถือช่องของมันไว้จนกว่าสตรีมจะเสร็จสิ้น ดังนั้นควรปิดสตรีมที่คุณไม่ต้องการใช้งานแล้ว

เฮดเดอร์การตอบสนองประกอบด้วย X-Request-Id, X-Balance-USD, X-RateLimit-Limit-Requests และ X-RateLimit-Limit-Concurrency บันทึก ID คำขอพร้อมกับข้อผิดพลาดทุกครั้ง เนื่องจากเป็นวิธีที่เร็วที่สุดในการขอความช่วยเหลือจาก ฝ่ายสนับสนุน ขนาดสูงสุดของ body คือ 8 MB

หากคุณต้องการการเรียกใช้ภาพ Gemini แบบเนทีฟ ให้ไปที่ Google และอ่านเอกสารปัจจุบันของพวกเขา หากคุณต้องการโมเดลข้อความแบบ uncensored ที่รองรับโปรโตคอล OpenAI เพื่อเขียนพรอมต์ เรื่องราว หรือบทสนทนาของตัวละครสำหรับการใช้งานผู้ใหญ่ที่ถูกต้องตามกฎหมาย นี่คือสิ่งที่สร้างมาเพื่อจุดประสงค์นั้น

คู่มือเพิ่มเติม

• วิธีทดสอบโมเดล uncensored ผ่าน API
• Image Gen API สไตล์ OpenAI: ข้อความเท่านั้นที่นี่
• GPT Image API: ข้อความ uncensored สำหรับการสร้างภาพ