交互编辑使用同一个同步端点 POST /api/v3/images/generations,兼容火山方舟图片生成 API 的请求与响应契约。上传待编辑图片,并通过标注图或提示词坐标指定目标位置,即可完成局部替换、删除或重绘。
提示词坐标使用 0..999 的归一化坐标系:左上角为 (0, 0),右下角为 (999, 999)。点坐标依次填写 x y,框坐标依次填写 left top right bottom。

支持方式

任意标记编辑

在图片上画线、画框或添加箭头,并在提示词中描述标记区域的修改目标

点坐标编辑

使用 <point>x y</point> 指定一个编辑位置

框坐标编辑

使用 <bbox>left top right bottom</bbox> 指定矩形编辑区域

普通输出控制

可继续使用 size、output_format、response_format 与 watermark

任意标记编辑

1

标记目标区域

在原图上添加手绘线、方框或箭头等清晰标记。
2

上传标注图

将标注后的图片作为单张 image 输入。
3

描述修改目标

在 prompt 中说明标记区域及期望结果,例如“把红色箭头指向的杯子改成玻璃材质”。

请求示例

坐标规则

坐标按图片的相对位置计算,与输入图片的实际像素尺寸无关。例如 (500, 500) 大致位于图片中心。
交互编辑提示词的坐标范围是 0..999。图层拆分响应中的 bounding_box.normalized 使用另一套 0..1000 范围,请勿混用。

输入与输出

交互编辑属于普通单图编辑,因此必须传入一张非空图片。输入图支持 jpeg(含 jpg 别名)、png、webp、bmp、tiff(含 tif 别名)、gif、heic、heif;单张不超过 30 MB,宽和高均大于 14 px,总像素位于 [196, 36,000,000],宽高比位于 [1/16, 16]。普通响应的 data 包含一张基础图。完整返回格式请参阅图片生成与编辑。 当 response_format: "url" 时,图片链接在生成后 24 小时内有效;使用 response_format: "b64_json" 时,图片数据位于 data[0].b64_json。

相关文档

图片生成与编辑

查看普通模式参数与输入图片限制

图层拆分

查看图层元数据与 0..1000 响应坐标

能力概览

查看模型的完整能力范围

API Reference

查看统一端点的请求结构