Familia Seedream (Doubao)

Los modelos de imagen Doubao de ByteDance, tres en total. Se llaman a través del endpoint compatible con OpenAI /v1/images/generations, que se usa tanto para texto a imagen como para edición.

Elección de modelo

Para los precios vigentes, consulte la página del modelo .

Texto a imagen

import base64
from openai import OpenAI
 
client = OpenAI(api_key="YOUR_OFOX_API_KEY", base_url="https://api.ofox.io/v1", timeout=600)
 
resp = client.images.generate(
    model="volcengine/doubao-seedream-5.0-pro",
    prompt="Una manzana roja sobre una mesa blanca",
    size="2560x1440",
)
 
with open("output.jpg", "wb") as f:
    f.write(base64.b64decode(resp.data[0].b64_json))

curl https://api.ofox.io/v1/images/generations \
  --max-time 600 \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "volcengine/doubao-seedream-5.0-pro",
    "prompt": "Una manzana roja sobre una mesa blanca",
    "size": "2560x1440"
  }' | jq -r '.data[0].b64_json' | base64 --decode > output.jpg

El formato de salida es siempre JPEG; guarde el archivo con la extensión .jpg. Por defecto se devuelve base64; con "response_format": "url" se devuelve un enlace a la imagen.

Tamaño (size)

size admite dos formas:

• Nivel de resolución 1k, 2k, 4k (sin distinguir mayúsculas y minúsculas): solo indica la resolución; el modelo decide la relación de aspecto según el prompt. En nuestras mediciones, con 2k en 4.5 la salida fue unas veces 2048×2048 y otras 1664×2496.
• Ancho y alto exactos ANCHOxALTO: la relación de aspecto es fija y debe cumplir el rango de píxeles de la tabla siguiente.

«—» indica que no se midió en esta ocasión; guíese por la documentación oficial de Volcano Engine Ark .

Anchos y altos válidos habituales (cumplen el mínimo de píxeles de 4.5 y 5.0 Lite):

Edición y referencia de varias imágenes

import base64
from openai import OpenAI
 
client = OpenAI(api_key="YOUR_OFOX_API_KEY", base_url="https://api.ofox.io/v1", timeout=600)
 
with open("apple.jpg", "rb") as f:
    ref = "data:image/jpeg;base64," + base64.b64encode(f.read()).decode()
 
resp = client.images.generate(
    model="volcengine/doubao-seedream-5.0-pro",
    prompt="Cambia la manzana a color morado y deja todo lo demás igual",
    size="2k",
    extra_body={"image": [ref]},
)
 
with open("apple_purple.jpg", "wb") as f:
    f.write(base64.b64decode(resp.data[0].b64_json))

# El base64 es muy largo: si se pega en la línea de comandos da Argument list too long, así que primero se escribe en un archivo
printf 'data:image/jpeg;base64,%s' "$(base64 < apple.jpg | tr -d '\n')" > apple.b64
jq -n --rawfile img apple.b64 '{
  model: "volcengine/doubao-seedream-5.0-pro",
  prompt: "Cambia la manzana a color morado y deja todo lo demás igual",
  size: "2k",
  image: [$img]
}' > body.json
 
curl https://api.ofox.io/v1/images/generations \
  --max-time 600 \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d @body.json | jq -r '.data[0].b64_json' | base64 --decode > apple_purple.jpg

• image es un array; cada elemento es una URL de imagen o una cadena que empieza por data:image/...;base64,. Para varias imágenes de referencia, añádalas en orden al array y explique en el prompt el papel de cada una.
• input_images es un campo exclusivo de Qwen-Image; Seedream no lo admite.
• Seedream no admite /v1/images/edits; para editar, use el campo image de esta sección.

Series de imágenes y varias imágenes

Ejemplo de serie de imágenes:

{
  "model": "volcengine/doubao-seedream-5.0-lite",
  "prompt": "Genera 3 imágenes independientes: el mismo zorro en primavera, en verano y en otoño",
  "size": "2k",
  "sequential_image_generation": "auto",
  "sequential_image_generation_options": { "max_images": 3 }
}

• auto significa que el modelo decide cuántas imágenes genera; max_images es solo el límite superior. En nuestras mediciones, con la misma petición, 4.5 compuso un cómic de tres viñetas en una sola imagen y devolvió solo 1. Si necesita un número fijo, escriba de forma explícita en el prompt «Genera N imágenes independientes».
• Cada imagen se factura por separado; usage.output_tokens es la suma de todas las imágenes.

Marca de agua

En nuestras mediciones, al llamar a través de OfoxAI no hay marca de agua por defecto; no hace falta enviar ningún parámetro adicional.

Latencia

En nuestras mediciones, 2K tarda entre 12 y 40 segundos, y una serie de 3 imágenes unos 76 segundos. Se recomienda configurar el tiempo de espera del cliente en 300 segundos o más.

Errores habituales

El Request id: 0217… al final del mensaje de error es el número de petición del proveedor de origen; al contactar con el soporte técnico, inclúyalo junto con el request_id de la respuesta.

The parameter `size` specified in the request is not valid: image size must be at least 3686400 pixels.
The parameter `size` specified in the request are not valid: image area must be at least 921600 pixels.
The parameter `size` specified in the request is not valid: image size must be at most 16777216 pixels.
The parameter `size` specified in the request is not valid: the specified size is not supported for model doubao-seedream-4-5.
The parameter `size` specified in the request are not valid: must be 'WIDTHxHEIGHT' or a supported size preset.
The parameter `size` specified in the request is not valid: size must be one of 'WIDTHxHEIGHT', '1k', '2k', or '4k'.
The parameter `sequential_image_generation` specified in the request are not valid: the parameter `sequential_image_generation` is not supported by the current model.
The parameter `output_format` specified in the request is not valid: the parameter `output_format` is not supported by the current model.

Documentación oficial

La documentación oficial describe el comportamiento al llamar directamente a Volcano Engine Ark; al llamar a través de OfoxAI, prevalecen las conclusiones medidas en esta página.

• Centro de documentación de Volcano Engine Ark 

Preguntas frecuentes