
Alibabas Wan 2.1 text-to-image Modell mit Turbo- und Plus-Tiers sowie bis zu 1440x1440 Ausgabe zu niedrigen Pro-Bild-Preisen.
Alibabas Wan 2.1 text-to-image Modell mit Turbo- und Plus-Tiers sowie bis zu 1440x1440 Ausgabe zu niedrigen Pro-Bild-Preisen.
Auch bekannt als Alibaba Cloud Wan2.1 Image
wan2-1-image/v1/images/generationsalibaba/wan-2.1-imagewan2.1-imageLive Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
Wan2.1 Image läuft über POST /v1/images/generations. Der Request liefert sofort eine job_id; frage GET /v1/jobs/{job_id} ab, bis der Job abgeschlossen ist, und lies die Ausgabe-URLs aus dem Ergebnis. Oder füge "sync": true hinzu, um das Polling zu überspringen: Der Request bleibt offen und liefert direkt die fertige OpenAI-artige Bildantwort, sodass OpenAI SDKs unverändert funktionieren. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
curl https://api.empiriolabs.ai/v1/images/generations \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "wan2-1-image",
"prompt": "Describe what you want Wan2.1 Image to generate."
}'curl https://api.empiriolabs.ai/v1/jobs/JOB_ID \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY"import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/images/generations",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={
"model": "wan2-1-image",
"prompt": "Describe what you want Wan2.1 Image to generate.",
},
)
job = response.json()
# Generation runs as an async job. Poll until it completes.
import time
while True:
status = requests.get(
f"https://api.empiriolabs.ai/v1/jobs/{job['job_id']}",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
).json()
if status.get("status") in ("completed", "failed"):
print(status)
break
time.sleep(5)Request-Parameter, die die Wan2.1 Image API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| prompt | string | - | - | Textprompt (bis zu 500 Zeichen). |
| model_tier | enum | turbo | turbo, plus | Turbo: Schneller und günstiger. Außerdem: höhere Wiedergabe. |
| aspect_ratio | enum | 1:1 | 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 | Ausgabe-Seitenverhältnis. |
| num_images | number | 1 | 1 bis 4 | Anzahl der zu generierenden Bilder. Jede wird separat abgerechnet. |
| negative_prompt | string | - | - | Was sollte man in der Ausgabe vermeiden. |
| prompt_extend | boolean | true | - | Lassen Sie den Dienst die Eingabeaufforderung für bessere Ergebnisse umschreiben. |
| watermark | boolean | false | - | Füge dem Ergebnis ein Herkunfts-Wasserzeichen hinzu. |
| seed | number | - | 0 bis 2147483647 | Reproduzierbarkeitssamen. Lass es für Zufall leer. |
| response_format | enum | url | url, b64_json | Geben Sie signierte URLs oder base64-Bilddaten zurück. |
Nur Text-zu-Bild. Turbo ist schneller und günstiger; Plus ist die höherwertige Stufe. Die Ausgabegrößen reichen bis zu 1440x1440 mit Eingaben bis zu 500 Zeichen. Inhaltssicherheit – Generierte Bilder bestehen eine automatisierte Inhaltssicherheitsprüfung. Ein als explizit markiertes Bild wird nicht zurückgegeben. Da das Bild vor der Überprüfung erzeugt wird, wird eine markierte Generierung weiterhin berechnet.
Auf EmpirioLabs wird Wan2.1 Image nach Verbrauch abgerechnet: Turbo $0.025 pro Bild; Plus $0.05 pro Bild. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
Wan2.1 Image wird über POST /v1/images/generations auf api.empiriolabs.ai mit normaler Bearer-Token-Authentifizierung bereitgestellt.
Ja. Der EmpirioLabs Playground führt Wan2.1 Image im Browser mit denselben Parametern aus, die die API bietet. So kannst du Prompts testen, bevor du Code schreibst.
Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.