
Ideogram 4.6 API 专为一种大多数图像 API 都处理不好的工作流而设计:先生成一张带有精确文字的海报,再修改其中一行文字而不重绘其余部分。本文用请求体覆盖这两部分:用 ideogram-v4.6 实现图上文字,用 ideogram-v4.6-edit 实现高精度、蒙版和局部编辑。这里的一切都在 PoYo 上的 Ideogram 4.6 模型上运行,数字来自我们在 2026 年 11 月 20 日发布当天的测试。
第 1 部分:用 Ideogram 4.6 API 生成精确的图上文字
PoYo 文档对文字只有一条规则:把图上的精确文字放进提示词的引号中。像给设计师写需求一样,描述每一行放在哪里、有多大。
这是我们发布当天测试中的请求(任务 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
}
}
它返回了一张约 10.8 MB 的 2304×3072 PNG,扣费 40 积分($0.20),即 4K high 费率。三行引号中的文字都按原文渲染,包括那行小号斜体字。同一提示词在 quality: very_low 和 size: 3:4 下(任务 BS7M64COKT80JSLX)返回了一张 768×1024 的草稿,费用 1.6 积分($0.008),文字同样正确,但构图不同。
在生产环境中,三个习惯能让文字请求更可靠:
| 习惯 | 原因 |
|---|---|
| 每行文字用一个带引号的字符串 | 每一行都是一个独立单元,便于检查和之后编辑 |
| 说明每行的大小和位置("big headline at the top"、"a smaller line below") | 层级是请求的一部分,而不是听天由命 |
| 发布前检查输出 | Ideogram 自己也建议:"Check spelling and placement in the final result." |
这个 API 的提示词扩展始终开启,因此模型可能会添加你没有要求的细节。在我们的海报中,它在底部两角添加了一个小号的 "EST. 1987" 和一个网址。如果版面必须只包含你的文字,请在提示词中说明并检查结果,或者用编辑去掉多余内容。
第 2 部分:用 ideogram-v4.6-edit 编辑的三种方式
每次编辑都只接受 image_urls 中的一张源图和一个 prompt。下面的设置决定模型可以改动图像的多少。如果你的应用允许用户上传源图,先对其进行审核可以减少失败的任务;图像审核指南展示了一种做法。
| 模式 | 设置 | 保留什么 | 输出尺寸 |
|---|---|---|---|
| 普通编辑 | edit_precision: regular(默认) | 根据提示词重新生成图像 | auto,或不带蒙版时任意预设/自定义尺寸 |
| 高精度编辑 | edit_precision: high、context_window: none | 未改动的像素会被还原 | 源图分辨率 |
| 局部编辑 | edit_precision: high、context_window: auto、mask_url | 蒙版周围区域以外的每个像素 | 源图分辨率 |
Ideogram 表示 4.6 "leaves far less pixel drift outside your edits",并在其模型页面上报告蒙版编辑("change only the painted area")得分为 90%,而 Ideogram 4.5 为 82%。这些是 Ideogram 的分数。下面是我们的测量结果。
高精度编辑:修改一行文字
{
"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
}
}
在我们的测试中(任务 672JRU198S22NS8D),源图是第 1 部分中的 2304×3072 海报。输出为 2304×3072,带有新的日期行。与原图逐像素对比后,所有变化的像素都落在一个框内,从 (471, 2699) 到 (1826, 2756):即日期行,约占图像的 1.1%。标题、插画和那行小号斜体字都没有变化。扣费 120 积分($0.60),因为高精度编辑保持源图分辨率,而 2304×3072 超过了 4,194,304 像素。
需要记住两条规则:edit_precision: high 要求 size: auto(或不传 size),并且不接受 background。
蒙版编辑:把改动限制在一个区域
蒙版消除了对编辑位置的猜测。它必须与源图尺寸相同,模型可以编辑的地方为黑色,必须保留的地方为白色,并且两者都要有。下面这段 Python 代码从一个矩形框生成蒙版:
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")
上传蒙版(公开 URL 或 base64 data URI),并把它加入请求:
{
"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"
}
}
使用 context_window: auto 时,只有蒙版周围的区域会被编辑,并保持源图分辨率。蒙版过大时会退回到整图编辑。context_window: auto 如果没有同时配合 mask_url 和 edit_precision: high 会被拒绝,并且蒙版始终需要 size: auto。带蒙版时,你可以在 reference_image_urls 中添加最多 3 张参考图,例如一个 logo 或字体样本。
第 3 部分:在流水线中验证编辑
如果你的应用承诺“只改了文字”,就要检查它。这和我们对发布当天那次编辑所做的检查是同一类:
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")
把这个框与你打算修改的区域(例如你的蒙版)进行比较。如果它远远超出了该区域,请改用蒙版加 context_window: auto 重试,或者使用更严格的提示词。
第 4 部分:多轮编辑与成本
对于一系列修改,把每次的结果作为下一次的 image_urls 源图发回,每个请求只改一处。Ideogram 的页面称 4.6 是为 "keep refining the same image across multiple turns" 而设计的。每一轮都是一个独立任务,按输出尺寸计费:
| 编辑的源图…… | medium | high |
|---|---|---|
| 不超过 4,194,304 像素 | 12 积分($0.06) | 44 积分($0.22) |
| 超过 4,194,304 像素 | 40 积分($0.20) | 120 积分($0.60) |
在我们的 4K 海报上做三次 high 文字修改需要 360 积分($1.80);在同一海报的 1728×2304 版本上则需要 132 积分($0.66)。请下载每次的结果:生成的文件只保留 3 天。价格文章中有更多预算示例,API 指南提供了可在每一轮复用的轮询循环。
常见问题
如何用 Ideogram 4.6 API 在图像上生成精确文字?
在 ideogram-v4.6 请求的 prompt 中把每一行放进引号,并描述它的大小和位置。发布前检查结果。
如何用 Ideogram 4.6 API 修改现有图像上的文字?
把图像发送给 ideogram-v4.6-edit,使用类似这样的提示词:Change only the date line to "NEW TEXT". Keep everything else exactly the same. 并设置 edit_precision: high 和 size: auto。
edit_precision 的 regular 和 high 有什么区别?
regular 根据提示词重新生成图像,允许新的尺寸和 background。high 进行精准编辑,还原未改动的像素,并保持源图分辨率。
蒙版会改变 Ideogram 4.6 API 的价格吗? 不会。编辑按输出图像的质量和尺寸档位计费。蒙版和最多 3 张参考图都已包含在内。
为什么一次小小的文字编辑花了 120 积分?
对超过 4,194,304 像素的源图做 high 质量的高精度编辑,会使用 4K high 编辑费率。请编辑更小的源图,或使用 medium(4K 下 40 积分,2K 下 12 积分)。
完整参数列表请参阅 Ideogram 4.6 Edit API 参考。一组经过测试的提示词模式,请阅读 Ideogram 4.6 API 提示词指南。