图像生成
图标说明
输入: 文本 · 图像
Gemini Nano Banana
详细使用方式请参考 Nano Banana API 指南。
| 厂商 | 接口模型ID | 模型能力 | endpoint | 价格（每百万 Tokens） | 上线时间 | 预计下线时间 | 负载能力 | 支持访问地区 | 备注 |
|---|---|---|---|---|---|---|---|---|---|
| Vertex AI | turing/gemini-2.5-flash-image | 输入: 输出: Tools: 不支持 | v1/chat/completions | 输入: $0.3输出: $30 | 2025-09-12 | - | Vertex AI 多项目 | 中国区 欧洲区 北美区 | - |
| Vertex AI | turing/gemini-3-pro-image | 输入: 输出: Tools: 不支持 | v1/chat/completions | 输入: $2输出: $60 | 2025-09-12 | - | Vertex AI 多项目 | 中国区 欧洲区 北美区 | - |
| Vertex AI | turing/gemini-3.1-flash-lite-image | 输入: 输出: Tools: 不支持 | v1/chat/completions | 输入: $0.25文本输出: $1.50图像输出: $30 | 2026-07-01 | - | Vertex AI 多项目 | 中国区 欧洲区 北美区 | Nano Banana 2 Lite，最高 1K 输出 |
Azure OpenAI
| 厂商 | 接口模型ID | 模型能力 | endpoint | 价格（每张图片） | 上线时间 | 预计下线时间 | 负载能力 | 支持访问地区 | 备注 |
|---|---|---|---|---|---|---|---|---|---|
| Azure | turing/gpt-image-2 | 输入: 输出: Tools: 不支持 | v1/images/generations | 按 token 计费 (per 1M tokens):文本输入: $5.00 / 缓存 $1.25图像输入: $8.00 / 缓存 $2.00图像输出: $30.00 | 2026-04-23 | - | 全球 | 中国区 欧洲区 北美区 | 公开预览。支持任意分辨率（4K）、可选透明背景 |
| Azure | turing/gpt-image-1 | 输入: 输出: Tools: 不支持 | v1/images/generations | Low Quality: $0.011 (1024x1024) $0.016 (1024x1536) $0.016 (1536x1024)Medium Quality: $0.042 (1024x1024) $0.063 (1024x1536) $0.063 (1536x1024)High Quality: $0.167 (1024x1024) $0.25 (1024x1536) $0.25 (1536x1024) | 2025-06-19 | - | 全球 | 中国区 欧洲区 北美区 | - |
| Azure | turing/dall-e-3 | 输入: 输出: Tools: 不支持 | v1/images/generations | $0.04 (1024x1024)$0.08 (1024x1536)$0.08 (1536x1024) | 2025-04-22 | 2026-02-18 | 全球 | 中国区 欧洲区 北美区 | - |
GPT-image-2 技术规格
公开预览阶段，详见 图像生成 API → GPT-image-2。
分辨率支持
gpt-image-2 不再受限于固定的几个分辨率，可传入任意尺寸字符串（格式 <w>x<h>），需满足：
- 两条边均为 16 像素的整数倍
- 长边 ≤ 3840 px（支持 4K）
- 宽高比 ≤ 3:1
- 总像素数在
655,360~8,294,400之间
也可以传 size="auto"，由模型自动选择尺寸。
图像生成能力
| 能力 | 说明 |
|---|---|
| 文本到图像 | POST /v1/images/generations |
| 透明背景 | background="transparent"（仅 output_format="png"） |
字节火山
| 厂商 | 接口模型ID | 模型能力 | endpoint | 价格（每张图片） | 上线时间 | 预计下线时间 | 负载能力 | 支持访问地区 | 备注 |
|---|---|---|---|---|---|---|---|---|---|
| 字节火山 | doubao-seedream-4-0-250828 | 输入: 输出: Tools: 不支持 | v1/images/generations | ¥0.2 per image | 2025-12-12 | - | 字节火山 | 中国区 | - |
| 字节火山 | doubao-seedream-4-5-251128 | 输入: 输出: Tools: 不支持 | v1/images/generations | ¥0.25 per image | 2025-12-12 | - | 字节火山 | 中国区 | - |
| 字节火山 | doubao-seedream-5-0-260128 | 输入: 输出: Tools: 联网搜索 | v1/images/generations | ¥0.22 per image | 2026-01-28 | - | 字节火山 | 中国区 | 即 Seedream 5.0-lite，支持联网搜索(web_search)、流式输出与批量生成(n)。旧 id doubao-seedream-5-0-lite-260128 仍可用 |
| 字节火山 | doubao-seedream-5-0-pro-260628 | 输入: 输出: Tools: 联网搜索 | v1/images/generations | 单图生成：≤261万像素 ¥0.30 / >261万像素 ¥0.60图层拆分：≤261万像素 ¥0.15 / >261万像素 ¥0.30输入图 ¥0.02 per image（首张免费） | 2026-06-28 | - | 字节火山 | 中国区 | 旗舰版，支持交互编辑、图层拆分与多图融合。不支持流式输出，也不支持批量生成(n)。按生图场景和每张图的实际输出像素分档计费 |
Seedream 技术规格
分辨率支持
| 模型 | 支持分辨率 |
|---|---|
| doubao-seedream-4-0-250828 | 1K、2K、4K |
| doubao-seedream-4-5-251128 | 2K、4K |
| doubao-seedream-5-0-260128 | 2K、3K、4K |
| doubao-seedream-5-0-pro-260628 | 1K、1.5K、2K（图层拆分场景另支持 auto） |
- 宽高比范围: [1/16, 16]
- 支持图像格式: JPEG, PNG, WEBP, BMP, TIFF, GIF(
doubao-seedream-5-0-260128额外支持 HEIC、HEIF)
图像生成能力
- 文本到图像: 根据文本描述生成高质量图像
- 图像到图像: 基于参考图像生成新图像
- 多图像融合: 支持 2-14 张参考图像 + 文本提示生成图像
- 批量图像生成: 最多 15 张图像（输入图像数 + 生成图像数 ≤ 15）
n 参数与批量生成
当使用 Seedream 模型时，n 参数会自动转换为批量图像生成参数（doubao-seedream-5-0-pro-260628 除外：该模型不支持批量生成，n 会被忽略，始终返回一张图）：
# 设置 n=3 时，平台自动转换为：
payload["sequential_image_generation"] = "auto"
payload["sequential_image_generation_options"] = {"max_images": 3}
sequential_image_generation 可选值：
"auto": 模型自动决定是否返回多张图像及数量"disabled": 仅生成一张图像
Seedream 5.0 各版本支持的参数差异
| 参数 | doubao-seedream-5-0-260128 | doubao-seedream-5-0-pro-260628 |
|---|---|---|
image（图生图） | 支持 | 支持 |
watermark | 支持 | 支持 |
optimize_prompt_options | 支持 | 支持 |
output_format（png/jpeg） | 支持 | 支持 |
background（opaque/transparent） | 不支持 | 支持（仅图生图，且输入图需带透明通道） |
layer_decomposition | 不支持 | 支持（图层拆分，仅单张输入图） |
tools（联网搜索） | 支持 | 不支持 |
guidance_scale | 不支持 | 不支持 |
stream | 支持 | 不支持 |
sequential_image_generation / n | 支持 | 不支持 |
上游不支持的参数不会被转发，传了会被忽略（stream: true 会在入参校验阶段直接报错）。
联网搜索传 tools: [{"type": "web_search"}]，响应的 usage.tool_usage 里会带检索次数。
图层拆分（仅 doubao-seedream-5-0-pro-260628）
传 layer_decomposition: true 即可把单张输入图拆成 1 张底图 + 最多 16 个带透明通道的 PNG 图层。
image变为必选，且只能传 1 张（png / jpeg，总像素 [262144, 3600万]）prompt变为可选：不传时模型自动识别并拆分图中所有主要元素；传了则按描述拆（支持<bbox>归一化坐标精确指定）size在该场景只接受档位1K/1.5K/2K/auto。不传时平台会自动发auto（默认的1024x1024是像素值，上游会拒）output_format只控制底图格式，图层恒为png- 响应的
data数组同时包含底图和图层，靠z_index区分（底图恒为 0），并额外返回bounding_box.absolute/bounding_box.normalized/name/description - 图层可以作为输入图再次调用做单独编辑；要保留透明背景需同时配
background: "transparent"与output_format: "png"
计费
按响应里 usage.generated_images 的张数计费，底图也算一张，且每张按自己的实际像素分档 —— 图层拆分的单价是单图生成的一半。实测「自动全拆」出 14 张（底图 1760×2176 + 13 个图层）计 ¥2.25。
阿里百炼
| 厂商 | 接口模型ID | 模型能力 | endpoint | 价格（每张图片） | 上线时间 | 预计下线时间 | 负载能力 | 支持访问地区 | 备注 |
|---|---|---|---|---|---|---|---|---|---|
| 阿里百炼 | wan2.7-image | 输入: 输出: Tools: 不支持 | v1/images/generations | ¥0.20 per image | 2026-04-01 | - | 阿里百炼 | 中国区 | 通义万相 2.7，最高 2K |
| 阿里百炼 | wan2.7-image-pro | 输入: 输出: Tools: 不支持 | v1/images/generations | ¥0.50 per image | 2026-04-01 | - | 阿里百炼 | 中国区 | 通义万相 2.7 旗舰版，文生图支持 4K |
万相技术规格
分辨率支持
| 模型 | 支持分辨率 |
|---|---|
| wan2.7-image | 1K、2K，或 宽x高 |
| wan2.7-image-pro | 1K、2K、4K（4K 仅文生图），或 宽x高 |
size 传 宽x高 时平台会转成上游要求的 宽*高 格式，调用方按 OpenAI 习惯写 1024x1024 即可。
图像生成能力
- 文本到图像: 根据文本描述生成图像
- 图像到图像: 通过
image传入一张或多张参考图（URL 或 base64） - 组图生成:
enable_sequential: true
支持的参数
除 prompt、model、image、size 外，以下参数会原样转发给上游：
| 参数 | 类型 | 说明 |
|---|---|---|
n | integer | 关闭组图模式时为生成张数，取值 1–4（默认 1）；开启组图模式时为最大张数，取值 1–12（默认 12） |
enable_sequential | boolean | 是否启用组图输出模式，默认 false |
thinking_mode | boolean | 是否开启思考模式，默认 true。仅在关闭组图且无图片输入时生效，开启会增加耗时 |
color_palette | array | 自定义颜色主题，3–10 个 {hex, ratio}，ratio 总和须为 100.00%。仅关闭组图模式时可用 |
bbox_list | array | 交互式编辑的框选坐标，按输入图顺序给出 |
watermark | boolean | 是否加「AI 生成」水印，默认 false |
seed | integer | 随机数种子，取值 [0, 2147483647] |
n 直接影响费用
计费按成功返回的图片张数结算（失败调用不计费）。开启组图模式时 n 若不传，上游默认按 12 张生成 —— 请显式指定 n。价格见阿里云百炼计费说明。