
Ideogram 4.6 API powstało z myślą o procesie, z którym większość API obrazów radzi sobie słabo: wygeneruj plakat z dokładnymi słowami, a potem zmień jeden wiersz tego tekstu bez przerysowywania reszty. Ten poradnik omawia obie części z ciałami żądań: tekst na obrazie z ideogram-v4.6 oraz edycje wysokiej precyzji, z maską i lokalne z ideogram-v4.6-edit. Wszystko tutaj działa na modelu Ideogram 4.6 w PoYo, a liczby pochodzą z naszego testu z dnia premiery, 20 listopada 2026.
Część 1: dokładny tekst na obrazie z Ideogram 4.6 API
Dokumentacja PoYo podaje jedną regułę dla tekstu: dokładny tekst na obrazie umieść w cudzysłowie w prompcie. Opisz, gdzie ma się znaleźć każdy wiersz i jak duży ma być, tak jak w briefie dla grafika.
Oto żądanie z naszego testu z dnia premiery (zadanie M4WA9OIQXVV80DHG):
{
"model": "ideogram-v4.6",
"input": {
"prompt": "Screen-printed concert poster for \"NORTHBOUND JAZZ FESTIVAL\". Big bold condensed headline at the top, a stylized upright bass and saxophone silhouette over a river at dusk in deep teal, burnt orange and cream. Below the art, the line \"JUNE 12-14 · RIVERSIDE PARK\" and a smaller line \"Three nights. Twenty-one bands. Free entry before 6 PM.\" Fine paper grain, crisp letterforms, generous margins.",
"size": "2304x3072",
"quality": "high",
"n": 1
}
}
Zwróciło jeden PNG 2304×3072 o rozmiarze ok. 10.8 MB, a pobrano 40 credits ($0.20), czyli stawkę 4K high. Wszystkie trzy wiersze w cudzysłowie zostały wyrenderowane zgodnie z zapisem, łącznie z małym wierszem kursywą. Ten sam prompt z quality: very_low i size: 3:4 (zadanie BS7M64COKT80JSLX) zwrócił szkic 768×1024 za 1.6 credits ($0.008), także z poprawnym tekstem, ale z inną kompozycją.
Trzy nawyki sprawiają, że żądania z tekstem są bardziej niezawodne na produkcji:
| Nawyk | Dlaczego |
|---|---|
| Jeden ciąg w cudzysłowie na każdy wiersz tekstu | Każdy wiersz to osobna jednostka, którą można sprawdzić i później edytować |
| Podaj rozmiar i położenie każdego wiersza („duży nagłówek na górze”, „mniejszy wiersz poniżej”) | Hierarchia jest częścią żądania, a nie dziełem przypadku |
| Sprawdź wynik przed publikacją | Sam Ideogram radzi: „Sprawdź pisownię i rozmieszczenie w finalnym wyniku.” |
Rozszerzanie promptu jest w tym API zawsze włączone, więc model może dodać szczegóły, o które nie prosiłeś. Na naszym plakacie dodał mały napis „EST. 1987” i adres strony w dolnych rogach. Jeśli układ ma zawierać tylko Twoje słowa, napisz to w prompcie i sprawdź wynik albo usuń dodatki edycją.
Część 2: trzy sposoby edycji z ideogram-v4.6-edit
Każda edycja przyjmuje dokładnie jeden obraz źródłowy w image_urls i prompt. Poniższe ustawienia decydują, jaką część obrazu model może zmienić. Jeśli Twoja aplikacja pozwala użytkownikom przesyłać źródło, wcześniejsza weryfikacja oszczędzi nieudanych zadań; jeden sposób pokazuje poradnik moderacji obrazów.
| Tryb | Ustawienia | Co zostaje zachowane | Rozmiar wyniku |
|---|---|---|---|
| Zwykła edycja | edit_precision: regular (domyślnie) | Obraz jest generowany od nowa na podstawie promptu | auto lub dowolny rozmiar z presetu/własny bez maski |
| Edycja wysokiej precyzji | edit_precision: high, context_window: none | Niezmienione piksele są przywracane | Rozdzielczość źródła |
| Edycja lokalna | edit_precision: high, context_window: auto, mask_url | Każdy piksel poza obszarem wokół maski | Rozdzielczość źródła |
Ideogram twierdzi, że 4.6 „pozostawia znacznie mniej dryfu pikseli poza edytowanym obszarem”, i na swojej stronie modelu podaje 90% dla edycji z maską („zmiana tylko zamalowanego obszaru”) wobec 82% dla Ideogram 4.5. To wyniki Ideogram. Oto, co zmierzyliśmy my.
Edycja wysokiej precyzji: zmiana jednego wiersza tekstu
{
"model": "ideogram-v4.6-edit",
"input": {
"prompt": "Change only the date line to \"JULY 3-5 · RIVERSIDE PARK\". Keep everything else exactly the same.",
"image_urls": [
"https://example.com/northbound-poster.png"
],
"edit_precision": "high",
"context_window": "none",
"size": "auto",
"quality": "high",
"n": 1
}
}
W naszym teście (zadanie 672JRU198S22NS8D) źródłem był plakat 2304×3072 z Części 1. Wynik miał 2304×3072 i nowy wiersz z datą. Porównanie pikseli z oryginałem umieściło każdy zmieniony piksel w jednym prostokącie, od (471, 2699) do (1826, 2756): to wiersz z datą, ok. 1.1% obrazu. Nagłówek, grafika i mały wiersz kursywą pozostały bez zmian. Pobrano 120 credits ($0.60), bo edycja wysokiej precyzji zachowuje rozdzielczość źródła, a 2304×3072 to więcej niż 4,194,304 pikseli.
Dwie reguły do zapamiętania: edit_precision: high wymaga size: auto (lub braku size) i odrzuca background.
Edycja z maską: ogranicz zmianę do jednego obszaru
Maska usuwa zgadywanie, gdzie trafi edycja. Musi mieć te same wymiary co źródło, być czarna tam, gdzie model może edytować, biała tam, gdzie ma zachować, i zawierać oba obszary. Ten fragment w Pythonie tworzy maskę z prostokąta:
from PIL import Image, ImageDraw
source = Image.open("poster.png")
mask = Image.new("L", source.size, 255) # white = keep
ImageDraw.Draw(mask).rectangle((440, 2660, 1860, 2800), fill=0) # black = edit
mask.save("date-line-mask.png")
Prześlij maskę (publiczny URL lub base64 data URI) i dodaj ją do żądania:
{
"model": "ideogram-v4.6-edit",
"input": {
"prompt": "Change the sign text to \"OPEN LATE\"",
"image_urls": [
"https://example.com/storefront.png"
],
"mask_url": "https://example.com/sign-mask.png",
"edit_precision": "high",
"context_window": "auto",
"quality": "high"
}
}
Z context_window: auto edytowany jest tylko obszar wokół maski, a rozdzielczość źródła zostaje zachowana. Zbyt duża maska powoduje powrót do edycji całego obrazu. context_window: auto bez mask_url i edit_precision: high jest odrzucane, a maska zawsze wymaga size: auto. Z maską możesz dodać do 3 obrazów referencyjnych w reference_image_urls, na przykład logo lub próbkę fontu.
Część 3: zweryfikuj edycję w swoim pipeline
Jeśli Twoja aplikacja obiecuje „zmienił się tylko tekst”, sprawdzaj to. To ten sam rodzaj kontroli, który wykonaliśmy dla edycji z dnia premiery:
from PIL import Image, ImageChops
before = Image.open("before.png").convert("RGB")
after = Image.open("after.png").convert("RGB")
assert before.size == after.size, "high-precision edits keep the source size"
diff = ImageChops.difference(before, after).convert("L").point(lambda v: 255 if v > 32 else 0)
box = diff.getbbox()
print("changed box:", box)
if box:
area = (box[2] - box[0]) * (box[3] - box[1])
print(f"box covers {area / (before.width * before.height):.2%} of the image")
Porównaj prostokąt z obszarem, który zamierzałeś zmienić, na przykład z maską. Jeśli wykracza daleko poza niego, ponów z maską i context_window: auto albo z dokładniejszym promptem.
Część 4: edycje wieloetapowe i koszt
Przy serii zmian odsyłaj każdy wynik jako kolejne źródło w image_urls i zmieniaj jedną rzecz na żądanie. Strona Ideogram opisuje 4.6 jako stworzony, by „dalej dopracowywać ten sam obraz w wielu krokach”. Każdy krok to osobne zadanie, rozliczane według rozmiaru wyniku:
| Edycja źródła... | medium | high |
|---|---|---|
| Do 4,194,304 pikseli | 12 credits ($0.06) | 44 credits ($0.22) |
| Powyżej 4,194,304 pikseli | 40 credits ($0.20) | 120 credits ($0.60) |
Trzy zmiany tekstu w high na naszym plakacie 4K to 360 credits ($1.80); na wersji tego samego plakatu 1728×2304 byłoby to 132 credits ($0.66). Pobieraj każdy wynik: wygenerowane pliki są przechowywane przez 3 dni. Artykuł o cenach zawiera więcej budżetów, a poradnik API pętlę odpytywania, którą możesz wykorzystać w każdym kroku.
Najczęściej zadawane pytania
Jak umieścić dokładny tekst na obrazie z Ideogram 4.6 API?
Umieść każdy wiersz w cudzysłowie w prompt żądania do ideogram-v4.6 i opisz jego rozmiar i położenie. Sprawdź wynik przed publikacją.
Jak zmienić tekst na istniejącym obrazie z Ideogram 4.6 API?
Wyślij obraz do ideogram-v4.6-edit z promptem takim jak: Change only the date line to "NEW TEXT". Keep everything else exactly the same. Ustaw edit_precision: high i size: auto.
Czym różnią się wartości regular i high w edit_precision?
regular generuje obraz od nowa na podstawie promptu i pozwala na nowy rozmiar oraz background. high wykonuje precyzyjną edycję, przywraca niezmienione piksele i zachowuje rozdzielczość źródła.
Czy maska zmienia cenę Ideogram 4.6 API? Nie. Edycje są rozliczane za obraz wyjściowy według progu jakości i rozmiaru. Maska i do 3 referencji są wliczone.
Dlaczego mała edycja tekstu kosztowała 120 credits?
Edycja wysokiej precyzji w jakości high źródła powyżej 4,194,304 pikseli korzysta ze stawki edycji 4K high. Edytuj mniejsze źródło albo użyj medium (40 credits w 4K, 12 w 2K).
Pełną listę parametrów znajdziesz w dokumentacji Ideogram 4.6 Edit API. Zestaw sprawdzonych wzorców promptów zawiera poradnik promptów Ideogram 4.6 API.